Apache ECharts 实现嵌套柱状图的技术解析
2025-04-30 04:57:31作者:劳婵绚Shirley
echarts
Apache ECharts is a powerful, interactive charting and data visualization library for browser
嵌套柱状图的需求场景
在数据可视化领域,嵌套柱状图是一种常见的图表类型,它能够在一个宽柱内部显示多个细分数据的小柱。这种图表特别适合展示总览与细节的对比关系,例如展示某产品的总销量(宽柱)与不同渠道的销量(窄柱)之间的关系。
技术实现方案
在Apache ECharts中实现这种嵌套效果,可以通过以下技术方案:
- 多x轴配置:使用多个x轴来精确控制柱子的位置和宽度
- z-index控制:通过z参数控制不同系列柱子的层级关系
- 宽度调整:通过barWidth参数分别设置宽柱和窄柱的宽度比例
具体实现步骤
基础配置
首先需要设置基本的图表配置,包括标题、图例、坐标轴等。特别需要注意的是,要为嵌套柱状图准备两组x轴配置:
xAxis: [
{
type: 'category',
data: ['11/21', '11/22', '11/23', '11/24', '11/25', '11/26', '11/27'],
axisLabel: { show: false }
},
{
type: 'category',
data: ['11/21', '11/22', '11/23', '11/24', '11/25', '11/26', '11/27'],
position: 'bottom'
}
]
系列配置
然后配置三个柱状图系列:
- 总览柱:设置较宽的宽度(如50%),放在底层
- 细分柱1:设置较窄的宽度(如20%),使用负的barGap值使其与总览柱重叠
- 细分柱2:同样设置较窄宽度,通过调整barGap和barCategoryGap实现嵌套效果
series: [
{
name: '总览数据',
type: 'bar',
xAxisIndex: 0,
barWidth: '50%',
z: 1,
data: [150, 180, 160, 170, 190, 140, 150]
},
{
name: '细分数据1',
type: 'bar',
xAxisIndex: 1,
barWidth: '20%',
barGap: '-100%',
z: 2,
data: [60, 70, 65, 75, 85, 50, 60]
},
{
name: '细分数据2',
type: 'bar',
xAxisIndex: 1,
barWidth: '20%',
barGap: '-100%',
barCategoryGap: '40%',
z: 2,
data: [20, 30, 25, 35, 45, 20, 25]
}
]
常见问题与解决方案
- 柱子重叠不正确:检查z-index设置和barGap值,确保细分柱在总览柱上层
- 柱子宽度不协调:调整barWidth百分比值,确保总览柱明显宽于细分柱
- 柱子位置偏移:通过barCategoryGap微调细分柱之间的间距
进阶技巧
- 添加动画效果:可以通过animationDuration和animationEasing参数增强视觉效果
- 响应式设计:监听容器大小变化,调用resize方法自适应调整
- 主题定制:使用ECharts的主题系统统一图表风格
总结
通过Apache ECharts实现嵌套柱状图,开发者可以清晰展示数据的总体与细节关系。关键在于合理配置多个x轴、精确控制柱子宽度和位置参数。这种可视化方式特别适合需要同时展示汇总数据和分解数据的业务场景,能够帮助用户快速理解数据结构和趋势。
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
kernelopenEuler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。C099
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
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
235
98
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
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
450
180
🎉 (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
1.28 K
705