带着canvas去流浪系列之三 绘制饼图

本文介绍如何使用原生canvas API绘制南丁格尔玫瑰图,通过计算扇区角度和半径,实现在Echarts中常见的图表样式。文章提供详细算法步骤及示例代码。

【摘要】 用canvas原生API绘制Echarts图表

示例代码托管在:http://www.github.com/dashnowords/blogs

一. 任务说明

使用原生canvasAPI绘制饼图(南丁格尔玫瑰)。(截图以及数据来自于百度Echarts官方示例库【查看示例链接】)。

pic1.png

二. 重点提示

南丁格尔玫瑰图的画法有很多种,Echarts中提供的以半径或面积两种不同模式,本文中以面积比例画法为例,绘制算法如下:

  1. 确定每个扇区的角度。由于所有扇区的角度加在一起为2π ,我们先按照数据比例来计算角度:

    equation1.PNG

  2. 每个扇区面积与总面积之间的比例即为数值的比,将给定参数数组options.radius中的最大和最小数值作为数值最大的一块扇形的绘图数据,代入如下公式即可求得总面积S

equation2.PNG

 3. 再利用上述公式分别计算出每个扇形对应的外圆半径,在canvas中绘制路径并填充即可。

三. 示例代码

南丁格尔玫瑰图绘制示例代码:

//绘制饼图
drawPieChart(options);
   
/**
* 绘制饼图
* @param  {[type]} options [description]
* @return {[type]}         [description]
*/
function drawPieChart(options) {
  //记录最大数值以反求面积总和
  options.maxValue = 0;
  //求数据集总和以在后续计算每个扇形的角度比例
  options.totalNum = options.data.reduce((pre,cur)=>{
    if (cur.value > options.maxValue) {
        options.maxValue = cur.value;
    }
    return pre+cur.value;
  },0);
   /*以最大值对应最大半径来计算面积总和,并覆盖原值
   *使得最大的一块扇形外圆半径为options.radius[0]
   *内圆半径为options.radius[1]
   */
   let Rmin = options.radius[0];
   let Rmax = options.radius[1];
   let r = Math.sqrt((Rmax*Rmax - Rmin*Rmin)*options.totalNum / options.maxValue + Rmin*Rmin);
   options.radius[1] = r;
   //移动坐标系原点至绘图中心
  let paintingCenter={
    x:parseInt(options.center[0],10)/100 * (options.chartZone[2] - options.chartZone[0]) + options.chartZone[0],
    y:parseInt(options.center[1],10)/100 * (options.chartZone[3] - options.chartZone[1]) + options.chartZone[1]
  }
  context.translate(paintingCenter.x, paintingCenter.y);
   //绘制每个扇形,过程中累加旋转角度
  let allAngle = options.data.reduce((prev,cur,index)=>{
      context.fillStyle = options.colorPool[index]
      let angle = calcPaintingData(cur,options);
      return prev + angle;
  },0);
  //绘制中空白色圆
  context.beginPath();
  context.fillStyle = 'white';
  context.arc(0,0,options.radius[0],0,2*Math.PI,false);
  context.fill();
}

/**
* 计算每个扇形所需要的绘图参数
*/
function calcPaintingData(data,options) {
   let scale = data.value / options.totalNum; 
   let angle = scale * 2 * Math.PI;
   let Rmin = options.radius[0];
   let Rmax = options.radius[1];
   let r = Math.sqrt(scale * (Rmax*Rmax - Rmin*Rmin) + Rmin*Rmin);
   data.r = r;
   //绘制扇形
   paintFan({
       r:r,
       angle:angle,
       data:data,
       options:options
   });
   return angle;//将角度值返回给外层函数以供累加
}

//绘制扇形
function paintFan(opt) {
   context.beginPath();
   context.lineTo(opt.r,0);
   context.arc(0,0,opt.r,0,opt.angle,false);
   context.lineTo(0,0);
   context.closePath();
   context.fill();
   context.rotate(opt.angle);
}

浏览器中可查看效果:

pic2.PNG

四. hover高亮的实现思路

  1. 绘图过程中,将每个扇区的绘图数据(半径,相对于圆心的起始转角,扇区角度)均挂载在绘图数据上。

  2. canvas标签上监听鼠标移动事件mousemove,并在回调函数中将鼠标移动事件event.clientXevent.clientY转换为相对于canvas坐标的数值(mouseX,mouseY)

  3. 从圆心坐标(paintingCenter.x,paintingCenter.y)(mouseX,mouseY)连接为向量,根据该向量的角度和模即可判断鼠标是否处于某个扇区之上。

  4. 如果处于扇区之上,则以过渡动画来绘制关键帧使得hover效果表现出来。先修改context.fillStyle颜色为对应扇区的高亮色,然后让外圆绘图半径以线性的方式逐帧增加至目标大小(例如10%),每一帧中使用canvas绘图上下文重新对绘图区域进行封闭画线,然后填充即可。

  5. hover效果出现时绘制高亮色的绘图区域,hover效果消失时从外圆开始逐帧绘制白色外层扇区即可,最终再将数据扇区绘制为原色。

demo.rar

作者:大史不说话

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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