首页
/ Apache ECharts 双轴柱状图配置技巧:解决多系列数据展示问题

Apache ECharts 双轴柱状图配置技巧:解决多系列数据展示问题

2025-04-30 09:43:26作者:齐冠琰

在使用 Apache ECharts 进行数据可视化时,双轴柱状图是常见的展示形式。当我们需要同时展示量级差异较大的数据系列(如产量和良率)时,正确的坐标轴配置尤为关键。

问题现象

开发者在配置双轴柱状图时遇到一个典型问题:两个数据系列(产量和良率)虽然都配置了独立的X轴,但良率系列(数值范围0-100)在产量系列(数值范围百万级)的坐标轴上几乎不可见。

核心原理

ECharts 的多轴配置需要明确指定系列与坐标轴的对应关系。默认情况下,所有系列会使用第一个坐标轴(index=0),这就是导致良率数据显示异常的根本原因。

解决方案

通过为每个系列明确指定 xAxisIndex 属性,可以精确控制数据系列与坐标轴的绑定关系:

series: [
  {
    name: '产量',
    type: 'bar',
    data: productDataArray  // 默认使用第一个X轴(index=0)
  },
  {
    name: '良率',
    type: 'bar',
    xAxisIndex: 1,  // 显式指定使用第二个X轴
    data: productRateDataArray
  }
]

最佳实践

  1. 多轴配置原则:当使用多个X轴或Y轴时,必须为每个系列明确指定坐标轴索引
  2. 数值范围优化:为不同量级的数据配置独立的坐标轴,确保所有数据都能清晰展示
  3. 标签格式化:对于百分数等特殊格式,可通过axisLabel.formatter进行定制化显示

扩展应用

这种多轴配置方法同样适用于:

  • 混合图表(柱状图+折线图)
  • 多单位数据展示(如金额+百分比)
  • 不同量纲数据对比(如温度+湿度)

通过掌握这些配置技巧,可以充分发挥 ECharts 在多维度数据可视化方面的强大能力。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
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
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284