ECharts 柱状图与饼图组合实现产品销售可视化
2025-04-29 09:15:08作者:滑思眉Philip
echarts
Apache ECharts is a powerful, interactive charting and data visualization library for browser
数据可视化需求分析
在实际业务场景中,我们经常需要同时展示产品销售数据的整体分布和详细构成。ECharts作为一款强大的数据可视化库,能够通过组合不同类型的图表来实现这一需求。本文将介绍如何使用ECharts创建柱状图和饼图的组合图表,完整展示产品销售数据。
基础柱状图实现
首先,我们来看基础的柱状图实现。ECharts的柱状图配置主要包括以下几个部分:
- 标题配置:设置图表的主标题和副标题
- 提示框配置:定义鼠标悬停时的交互提示
- 坐标轴配置:X轴为分类轴,Y轴为数值轴
- 数据系列配置:定义柱状图的样式和数据
option = {
title: {
text: 'Product Sales',
subtext: '2025 年销售情况'
},
tooltip: {
trigger: 'item',
formatter: '{b}: {c}'
},
xAxis: {
type: 'category',
data: ['Product A', 'Product B', 'Product C', 'Product D'],
axisLabel: {
interval: 0,
rotate: 45,
align: 'right'
}
},
yAxis: {
type: 'value',
name: 'Sales',
axisLabel: {
formatter: '{value}'
}
},
series: [{
name: 'Sales Amount',
type: 'bar',
data: [
{ value: 120, itemStyle: { color: '#FF6347' } },
{ value: 200, itemStyle: { color: '#32CD32' } },
{ value: 150, itemStyle: { color: '#1E90FF' } },
{ value: 80, itemStyle: { color: '#FFD700' } }
],
itemStyle: {
borderRadius: 5
}
}]
};
添加图例功能
为了使图表更加直观,我们需要添加图例功能。ECharts通过legend配置项来实现图例显示:
legend: {
data: ['Product A', 'Product B', 'Product C', 'Product D']
}
需要注意的是,当使用单一系列柱状图时,图例会默认显示系列名称而非分类名称。要实现分类名称作为图例,可以采用多系列叠加的方式。
多系列柱状图实现
通过创建多个数据系列,每个系列只包含一个产品的数据,可以实现分类名称作为图例的效果:
series: [
{
name: 'Product A',
type: 'bar',
barGap: '-100%',
itemStyle: { color: '#FF6347' },
data: [120, 0, 0, 0]
},
{
name: 'Product B',
type: 'bar',
barGap: '-100%',
itemStyle: { color: '#32CD32' },
data: [0, 200, 0, 0]
},
// 其他产品类似配置
]
这种方法的原理是:
- 每个系列对应一个产品
- 使用
barGap: '-100%'让柱体重叠 - 每个系列只在对应产品位置有数据,其他位置为0
组合饼图实现
为了更直观地展示产品销售占比,我们可以添加一个饼图:
{
name: 'Sales Distribution',
type: 'pie',
radius: '28%',
center: ['75%', '35%'],
data: [
{value:120, name:'Product A', itemStyle: {color: '#FF6347'}},
{value:200, name:'Product B', itemStyle: {color: '#32CD32'}},
// 其他产品数据
],
itemStyle: {
emphasis: {
blur: 10,
offsetX: 0,
color: 'rgba(0, 0, 0, 0.5)'
}
}
}
关键配置说明:
radius:控制饼图大小center:控制饼图位置data中的itemStyle:保持与柱状图颜色一致emphasis:定义鼠标悬停效果
完整配置示例
结合上述技术点,完整的配置如下:
option = {
title: {
text: 'Product Sales',
subtext: '2025 年销售情况'
},
tooltip: {
trigger: 'item',
formatter: '{b}: {c}'
},
legend: {
data: ['Product A', 'Product B', 'Product C', 'Product D']
},
xAxis: {
type: 'category',
data: ['Product A', 'Product B', 'Product C', 'Product D'],
axisLabel: {
interval: 0,
rotate: 45,
align: 'right'
}
},
yAxis: {
type: 'value',
name: 'Sales',
axisLabel: {
formatter: '{value}'
}
},
series: [
{
name: 'Product A',
type: 'bar',
barGap: '-100%',
itemStyle: { color: '#FF6347' },
data: [120, 0, 0, 0]
},
{
name: 'Product B',
type: 'bar',
barGap: '-100%',
itemStyle: { color: '#32CD32' },
data: [0, 200, 0, 0]
},
{
name: 'Product C',
type: 'bar',
barGap: '-100%',
itemStyle: { color: '#1E90FF' },
data: [0, 0, 150, 0]
},
{
name: 'Product D',
type: 'bar',
barGap: '-100%',
itemStyle: { color: '#FFD700' },
data: [0, 0, 0, 80]
},
{
name: 'Sales Distribution',
type: 'pie',
radius: '28%',
center: ['75%', '35%'],
data: [
{value:120, name:'Product A', itemStyle: {color: '#FF6347'}},
{value:200, name:'Product B', itemStyle: {color: '#32CD32'}},
{value:150, name:'Product C', itemStyle: {color: '#1E90FF'}},
{value:80, name:'Product D', itemStyle: {color: '#FFD700'}}
],
itemStyle: {
emphasis: {
blur: 10,
offsetX: 0,
color: 'rgba(0, 0, 0, 0.5)'
}
}
}
]
};
技术要点总结
- 图例实现:通过多系列叠加方式实现分类名称作为图例
- 颜色统一:保持柱状图和饼图中相同产品的颜色一致
- 布局优化:合理调整饼图大小和位置,避免与柱状图重叠
- 交互一致性:确保提示框和悬停效果在整个图表中表现一致
这种组合图表方式既展示了各产品的具体销售数值,又直观呈现了销售占比情况,非常适合产品销售分析场景。开发者可以根据实际需求调整图表布局、颜色和交互效果,创建更加丰富的数据可视化展示。
echarts
Apache ECharts is a powerful, interactive charting and data visualization library for browser
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134