用Chart.js画渐变色的曲线图,及展示某个点的坐标,踩坑实战

基于echarts的背景色渐变和图例渐变的实例 本博客实例是基于echarts3的 阅读详情

需求是这样:有一系列数据,是写死在JS中的,利用这些数据点绘制折线图。然后会调用接口拿到一个点的数据(只有横坐标),要在折线图上把这个点表示出来,并显示点数据(tooltip)。

先看看本宝宝用chart.js画的效果图:

chart.min.js绘制折线图

怎么样,还是蛮漂亮的吧?几乎原原本本地达到了UI师的设计稿。

废话不说,先上代码。

这是HTML:

<canvas id='mychart' width='300' height='200'></canvas>

这是javascript,包括里面的原始数据:

function  drawImg(useryear){
   
   

    function range(s,e){
   
   
    var res =[]

    while(s!==e){
        res.push(s)
        s < e ? s++ : s--;
        }
    res.push(e) // or  res.push(s)
    return res
    }

var yearRange = range(0,105)


var sick  = '0.000705   0.0005905   0.000501    0.000434    0.000385    0.000355    0.0003315   0.000315    0.00031 0.00031 0.000316    0.0003245   0.000335    0.000346    0.0003575   0.000371    0.000386    0.0004025   0.000422    0.000444    0.0004685   0.0004965   0.0005285   0.0005665   0.0006105   0.0006605   0.000715    0.000773    0.0008345   0.000899    0.000968    0.0010435   0.00113 0.001232    0.001353    0.001496    0.00166 0.001847    0.002058    0.002294    0.0025585   0.0028545   0.0031835   0.003549    0.003952    0.004394    0.0048735   0.005375    0.005895    0.0064355   0.007002    0.007601    0.008242    0.008931    0.009672    0.0104615   0.0112935   0.0121585   0.013052    0.013975    0.0149355   0.0159485   0.017035    0.018
Waffle Chart华夫饼图:10×10网格实现秒级占比认知 Waffle Chart(华夫饼图)是一种基于离散网格的百分比可视化技术,其核心原理是将数值映射为可视化的方块数量,依托人类短时记忆的‘组块理论’(Chunking Theory)和十进制直觉,实现无需换算的直观理解。相比饼图、环形图等面积型图表,它在认知效率、可访问性与响应式适配上具备显著优势,尤其适合KPI完成率、用户留存漏斗、A/B测试结果等需快速传递比例关系的业务场景。本文聚焦Waffle Chart的10×10标准结构设计逻辑、原生SVG轻量实现方案及真实项目中的高可用实践,涵盖动态绑定、移动端适 阅读详情

相关推荐

Unity数据可视化插件Chart And Graph进阶指南:架构、性能优化与实战应用

数据可视化是现代应用开发中的核心技术,它通过图形化手段将抽象数据转化为直观的视觉信息,帮助用户快速理解数据模式和趋势。其原理在于将数据映射为视觉元素(如位置、长度、颜色),并利用人眼强大的模式识别能力。这项技术的价值在于提升数据洞察效率、辅助决策,并广泛应用于商业智能、游戏开发、工业监控和科学计算等领域。在Unity引擎中实现高效、美观的数据可视化,尤其是处理实时流数据和大规模数据集时,面临着性能与交互体验的双重挑战。Chart And Graph作为Unity Asset Store上的专业插件,通过其模

weixin_33860528的博客 671

Waffle Chart:10×10华夫饼图实现百分比直觉化表达

Waffle Chart(华夫饼图)是一种基于网格的百分比可视化技术,以10×10方格矩阵为标准结构,每格代表1%,通过填充格子数量直接映射比例值。其设计根植于人类对矩形阵列的天然计数能力与视觉认知规律,规避了传统图表中坐标轴干扰、高度/弧长误判等认知负荷问题。相比柱状图或环形图,它在Dashboard可视化场景中具备更低的理解门槛、更高的信息密度和更强的跨角色沟通效率,尤其适用于向非技术干系人快速传达关键比率。本文聚焦Waffle Chart的核心原理、10×10尺寸的实证依据、单色填充的认知优势,以及E

cuanmo8775的博客 586

前端手写Likert图表:解决中立失真与响应式布局的可视化方案

Likert量表是一种广泛应用于用户调研、员工敬业度和课程反馈中的有序定距数据可视化方法,其核心在于呈现态度倾向的分布结构而非单一均值。理解Likert图表需把握三个关键:它基于有序分类(如五点量表),强调中立选项的语义权重,且需在视觉上保持正负向对称与中心锚定。技术实现难点集中于数据清洗(中立阈值校准)、SVG坐标系构建(以中立为原点的双向伸缩)及多端响应式(非简单缩放,而是结构重组)。本文聚焦纯前端零依赖实现,覆盖Likert数据标准化、动态渐变色控制、移动端标签截断与可访问性支持,适用于客户体验中心、

cong84596496的博客 506

告别单调!用ECharts 5.4.3为你的饼图轻松添加高级渐变色(附完整代码)

本文详细介绍了如何使用ECharts 5.4.3为饼图添加高级渐变色效果,从基础配置到高级定制技巧,包括动态颜色分配、多色渐变模拟和工程化实践。通过完整代码示例和最佳实践指南,帮助开发者轻松提升数据可视化的专业水准。

dianchunhui2654的博客 350

SpringCloud 2025王炸更新!GraalVM原生镜像启动速度提升90%实战

在当今云原生和Serverless架构盛行的时代,应用的启动速度已成为衡量技术栈竞争力的关键指标。传统SpringCloud应用由于依赖JVM的动态类加载、反射等机制,启动时间通常超过30秒,在Kubernetes滚动更新和函数计算场景下成为显著性能瓶颈。2025年,SpringCloud迎来里程碑式更新,通过深度集成GraalVM原生镜像技术,实现了启动速度提升90%的惊人突破,让SpringCloud应用正式进入"秒级启动"时代。

小筱在线博客 1098

CoDeSys系列-3、Windows运行时软PLC主站和p-net从站IO设备组网测试

前面CODESY下载安装并熟悉了,p-net搭建从站也已经跑在虚拟机树莓派上了,我们只需要快速搭建一个profinet主站来和从站进行交互即可,这里我们直接用Windows下带的软PLC搭建profinet主站并和p-net的demo从站程序进行IO交互。评估是否进行Windows下的运行时PLC前先看一下注意事项,Windows下安装配置会需要修改boot及防火墙等,可能会影响Windows电脑的正常使用,所以创建项目时的设备可以选择非RTE的。

逍遥游的博客 7312

非线性动力学_用MatCont分析非线性动力学方程组(一)

写在前面:笔者打算写两到三篇系列文章介绍MatCont,此为第一篇《用MatCont分析非线性动力学方程组(一)》。MatCont是一个基于Matlab而开发的免费工具包,专门用来做非线性动力学模型分叉、向量场、周期性等分析,符号(连续性)运算和数值(离散性)运算均适用。该工具的开发及研究项目由比利时Ghent大学的Willy Govaerts教授、荷兰Utrecht大学的Yuri Kuznets...

weixin_39700215的博客 2765

电池管理系统(BMS)系列—状态估计之SOH

BMS系列文章,介绍了SOH估计

zxx52113140的博客 1843

VSCode里玩转AvaloniaUI:手把手教你搭建跨平台桌面应用开发环境(附.NET 7配置避坑)

本文详细介绍了如何在VSCode中搭建AvaloniaUI跨平台桌面应用开发环境,包括.NET 7配置避坑指南。从环境准备、项目创建到调试优化,手把手教你利用VSCode和Avalonia实现高效开发,特别解决了.NET 7依赖等常见问题,助力开发者快速上手跨平台应用开发。

weixin_28826545的博客 576

总结所有的池化(Pooling)方法

为什么池化? 池化(Pooling)层和卷积层、全连接层一样,都是卷积神经网络的组成部分。 卷积神经网络中的卷积层会将卷积Filter应用于输入图像,以便创建特征映射来总结输入中这些特征的存在。 卷积层被证明是非常有效的,在深层模型中叠加卷积层可以让接近输入的层学习低层特征(如线条),在模型中更深(高)的层用于学习高阶或者更抽象的特征,如形状或特定对象。 卷积层特征映射输入的一个局限性是它们只能精确记录特征在输入层的位置。这意味着在输入图像中特征位置的小幅移动将导致不同的特征映射。这可以随着重新裁剪

大脸猫的博客 1万+

2023-2024深度学习框架之争——选pytorch还是tensorflow?

深度学习是人工智能领域的一个重要分支,它利用多层神经网络来模拟人类的学习和推理能力,解决各种复杂的问题,如图像识别、自然语言处理、语音识别、推荐系统等。深度学习框架是一种软件工具,它提供了构建、训练、测试和部署深度学习模型的便利,使得开发者和研究者可以更高效地进行深度学习的开发和应用。目前,市场上有许多不同的深度学习框架,如PyTorch、TensorFlow、Keras、MXNet、Caffe2等,它们各有优劣,适用于不同的场景和需求。

flchen_nchu的博客 6752

新手也能懂的Simulink汽车二自由度建模:从公式推导到模型搭建全流程

本文为新手提供了在Simulink中搭建汽车二自由度模型的完整实战指南。文章从模型核心概念讲起,详细讲解了如何将车辆动力学方程转化为状态空间模型,并逐步指导在Simulink中实现从参数设置、模块搭建到仿真验证的全过程。通过阶跃转向测试和参数影响分析,帮助读者直观理解车辆转向特性,并提供了实用的模型扩展思路与常见问题排查技巧。

weixin_29047919的博客 213

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

上一篇: 用align-self: baseline 来解决✘和文字对不齐的问题
下一篇: 用Vue做一个职业选择或地区选择的三级嵌套组件
十方魔
博客等级 码龄10年 202粉丝 93原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值