彩票走势图

开源图表库Highcharts教程:带有Highcharts的标记集群

翻译|使用教程|编辑:吴园园|2020-01-06 13:34:55.803|阅读 283 次

概述:在本教程中,我们将向您展示两个示例,其中标记聚类技术特别有效;然后,我们将深入探讨Highcharts库为您提供的不同配置选项,即集群算法。

# 慧都年终大促·界面/图表报表/文档/IDE等千款热门软控件火热促销中 >>

相关链接:

Highcharts是一款纯JavaScript编写的图表库,为你的Web网站、Web应用程序提供直观、交互式图表。当前支持折线、曲线、区域、区域曲线图、柱形图、条形图、饼图、散点图、角度测量图、区域排列图、区域曲线排列图、柱形排列图、极坐标图等几十种图表类型。

点击下载Highcharts最新试用版

标记群集是一种有效的方法,可通过将相似的数据点聚集成块以简化可视化,从而简化图表(通常是散点图或地图)上大量数据点的可视化。

在本教程中,我们将向您展示两个示例,其中标记聚类技术特别有效;然后,我们将深入探讨Highcharts库为您提供的不同配置选项,即集群算法。

让我们开始吧 🙂

1.地图

下面的地图显示了2000年至2019年期间美国大陆(及其周边地区)所有4.5级及以上的地震。

开源图表库Highcharts教程:带有Highcharts的标记集群

根据地图,东海岸的地震数量远比西海岸的地震数量重要。在过去的19年中,东海岸的许多州都有大量地震记录,例如加利福尼亚州,中西部地区几乎没有地震记录。但是该地图没有显示其他可以让我们有更好了解的细节,例如:每个州发生了多少次地震?除加利福尼亚州外,最容易发生地震的州和最安全的州在哪里?等等。在这张地图上,计算地震的数量具有挑战性,因为点彼此重叠,并且图案隐藏在堆积的标记层之下。解决此问题的一种方法是使用标记群集。

开源图表库Highcharts教程:带有Highcharts的标记集群

标记聚类概念允许我们使用不同类型的算法将封闭标记聚集到许多聚类中。为了获得更高的可见性,使用红色渐变来可视化群集的大小。

现在,我们可以使用每个州和地区的地震编号从地图上获得更多洞察力;看起来在过去的19年中,仅加利福尼亚州就记录了150多次地震,内华达州记录了30多次地震。俄克拉荷马州有13次地震记录,其次是爱达荷州(11)和华盛顿州(8)。怀俄明州,蒙大拿州和爱达荷州之间的边界地区在过去19年中记录了19次地震。中西部地区似乎是美国最安全的地区,自2000年以来几乎没有记录到4.5级以上的地震。
显示具有群集数据的地图可以指导领导者和研究人员做出更好的决定,制定更有成功机会的计划。

备注
标记群集的另一个好处是可以放大并在每个群集或组中定位特定的标记(点)。要放大,请直接在游览选择的群集上单击,或使用导航地图按钮(左上方)。

2,散点图

这是一个散点图,其中标记丰富。该图表显示了参加2012年夏季奥运会的运动员的身高和体重之间的关系。

开源图表库Highcharts教程:带有Highcharts的标记集群

从图表中可以看出,运动员的身高和体重同时增加。模式与少数异常值一致。该图呈线性增长,身高与体重之间的关系是中等程度的关联,所有这些观察结果都可以通过快速浏览一下此图轻松确定。但是,尚不清楚有多少运动员具有相似的特征,是否有实用的方法将它们分组?例如,运动员的体重和身高之间最显着的关联是什么?再一次,由于图表上的压倒性标记,对于任何人来说,看到基本信息都是一个真正的视觉挑战。

开源图表库Highcharts教程:带有Highcharts的标记集群

从这个演示中,我们仍然可以看到趋势的增长,即线性形状,两个变量之间具有相关性。但是,借助标记聚类技术,很明显,大多数运动员的身高在170cm至180cm之间,体重在60kg至80kg之间。此图表还在蓝色圆点的右侧显示了一个明显的异常值。

现在您对标记聚类技术的实用性有了一个很好的认识。让我们看一下您的不同方法,以确定如何以最有意义的方式对数据集进行数据聚类。

你有三种算法从你的图表分配市场集群的时候选择:grid,,和。您要做的就是从layoutAlgorithm下的type选项中选择一种算法。例如,下面是一段代码,用于选择K-means算法:k-meansoptimizedKmeans

layoutAlgorithm: {: {
  type: 'kmeans',: 'kmeans',
  distance: '7%': '7%'
},},

尽管如此,由于Highcharts库的灵活性,您仍然可以分配自定义的聚类算法。选择哪种算法或每种聚类算法的优缺点都超出了本教程的范围。但是,这是三个具有相同数据的演示,其中使用了三种聚类算法,使您对结果有直观的了解。为了更好地理解每种算法的工作原理,我们将两个具有相同数据的图表相互叠加,一个系列显示特定的聚类算法(蓝色),第二个系列仅显示散点图(红色) )。

开源图表库Highcharts教程:带有Highcharts的标记集群


开源图表库Highcharts教程:带有Highcharts的标记集群

 如您所见,每个演示都有自己的集群结构配置。与网格演示相比,K-means演示在群集中包含的点更多。Optimized K-means演示看起来几乎与K-means演示相似,但是在放大和缩小期间,它比K-means更快地处理和设置群集。

标记群集是一个实用的概念,它使我们能够更好,快速地了解数据,而不会丢失任何标记的准确性。不要害怕在下一张图表中尝试这种超赞的技术,并随时使用下面的评论部分中的标记聚类功能共享自己喜欢的图表。

=====================================================

想要购买Highcharts正版授权的朋友可以

更多精彩内容,敬请关注下方的微信公众号,及时获取产品最新资讯▼▼▼

开源图表库Highcharts教程:带有Highcharts的标记集群



标签:

本站文章除注明转载外,均为本站原创或翻译。欢迎任何形式的转载,但请务必注明出处、不得修改原文相关链接,如果存在内容上的异议请邮件反馈至chenjj@pclwef.cn

文章转载自:Highcharts

为你推荐

  • 推荐视频
  • 推荐活动
  • 推荐产品
  • 推荐文章
  • 慧都慧问
扫码咨询


添加微信 立即咨询

电话咨询

客服热线
023-68661681

TOP