标签：数据可视化

关于数据可视化:炫酷又高效的数据可视化大屏做起来真的没那么难丨极客星球
大数据曾经进入2.0时代，越来越多的企业意识到使用数据资源发明价值的重要性。如何无效利用数据，并通过大数据平台的统计、剖析、量化、转换、可视化等性能一直开掘数据法则，使其价值最大化，成为了企业数字化转型的要害，其中数据可视化是最容易被用户感知的性能。

一、数据可视化是什么

数据可视化既是一门艺术，也是一门迷信。数据可视化，是将形象、简单的数据和信息转化成图形或图像，以直观的、容易了解的形式出现给用户。实质上，任何借助于图形的形式展现数据原理、法则、逻辑的办法都叫数据可视化。

二、数据可视化大屏设计流程

理论利用场景中，不同规模的数据可视化我的项目在设计流程上会有所不同。大我的项目须要欠缺的流程来保障每个环节的品质，小我的项目须要紧贴业务精简流程小步快跑。在数据可视化大屏设计中，优良的设计师不仅须要关注数据的美学表现力，更要洞察用户真正的需要。

大数据类产品的可视化设计流程中，设计师个别须要重点关注需要剖析、数据分析、产品设计、可行性测试四个关键环节。

1.需要剖析

需要剖析次要从三个方面动手，即业务需要调研、用户需要调研和技术计划调研。
- 业务需要调研
  明确产品须要解决的问题、服务的人群类型，针对不同人群钻研相应设计方案。
- 用户需要调研
  调研不同的用户角色需要，依据调研后果整合出产品的性能架构。
- 技术计划钻研
  可视化大屏产品罕用到科技、炫酷、动效以及3D成果，这类设计特效容易遇到技术实现难题，所以设计前须要与前端开发人员沟通技术计划，避免出现设计无奈落地的状况。
2.数据分析

数据分析是启动设计前十分重要的环节。设计师须要联合业务特点抽取要害指标、剖析指标维度，明确数据之间的关系，对数据充沛理解后以图形作为载体，明确不同图形的属性和实用场景，为不同类别的数据选用适合的图形。通过应用场景能够将数据分为比拟、分割、散布、组合四个维度。

上图可作为根本的统计图表可视化办法和实用规定。

比拟
比拟通常是为了显示变量之间的不同和相似之处。应用图形的长度、宽度、地位、面值、角度和色彩来比拟数值的大小，一是基于分类不同的比照，二是基于工夫维度的比照。

常见图表包含：柱形图、条形图、雷达图、折线图、玫瑰图、环形图、饼图等。

分割

分割是显示数据之间的互相关系，通常用图形的嵌套和地位示意数据之间的前后程序，父子关系及其他相关性。

常见图表包含：散点图、气泡图、柱形折线组合图、热力求等。

散布

散布个别展现每个数值在数据集中呈现的频次、数量、集中范畴或倒退法则。应用图形的地位、大小、色彩的渐变成水平来体现数据的散布。

常见图表包含：直方图、箱型图、散点图、面积图等。

组合

组合个别指展现数据由哪几局部组成以及每局部数据占比状况。

常见图表包含：饼图、环形图、沉积面积图、沉积柱状图、瀑布图等。

3.产品设计

数据可视化大屏产品设计蕴含三个方面：应用场景剖析、布局设计和视觉体现。

应用场景剖析
数据可视化大屏产品应用场景的设施、分辨率、色差、大屏最佳视距、环境明暗水平等都是影响界面设计的因素。其中大屏硬件设施是设计展现的重要载体，间接影响大屏设计尺寸分辨率，当设施终端与投屏电脑比例不同时，优先按大屏的比例定义设计尺寸。

常见的数据可视化设施载体

布局设计
数据可视化大屏产品布局设计须要依据数据对业务和用户的重要水平来布局。从数据展现的规律性思考，咱们通常把各组数据模块化后，将同类数据放在同一个区域内展现。

视觉体现
数据可视化大屏产品视觉体现尽量遵循对立的设计准则及设计规范，依据利用场景匹配不同的大屏设计格调，如传统科技风、HUD、FUI 等。
- 传统科技风
面杂糅水平较强，比拟重视色调的使用，多色搭配，色调个别具备特质。

实用场景：政府指挥大厅、企业展厅等。
- HUD格调
HUD（Head Up Display）即平视显示器。这类设计格调在细节中会应用大量的图形元素，并辅以肯定的装璜元素，次要以点线装璜为主。

实用场景：政府、电力、交通等宏观决策大屏，突出日常运维告警数据的综合指挥大厅。
- FUI
FUI 是 Fictional User Interfaces、Fantasy User Interfaces、 Fake User Interfaces、 Futuristic User Interfaces，这类用户界面是科幻的,极具将来感和科技感的。

实用场景：政府、企业等综合指挥大厅。

4.可行性测试

在设计实现后须要对界面进行可行性测试，测试范畴包含但不限于是否合乎业务需要、用户是否可能疾速直观的了解设计、分辨率比例是否正确、屏幕显示有无色差等。

数据可视化设计并不只是浮于外表的“炫”，设计师在思考美学模式的同时，还须要一直寻找设计实践支撑点，精确的传播信息，将简单数据集背地的逻辑和假相通过可视化设计，以更直观的形式展现给用户，从而实现数据价值最大化。设计终将服务于用户，因而精确了解用户外围需要是首要要害，这也是发展数据可视化设计的必要前提。
2022-08-04

关于数据可视化:DataGear-制作实时数据可视化看板

应用DataGear的参数化数据集和看板API性能，能够很不便地制作实时数据可视化看板。

首先，以工夫为参数，新建一个参数化SQL数据集：

SELECT
  COL_TIME,
  COL_VALUE
FROM
  T_TIME_SERIES
<#if 工夫??>
WHERE
  COL_TIME > '${工夫}'
</#if>
ORDER BY
  COL_TIME ASC
<#if 工夫??>
LIMIT 0, 1
<#else>
LIMIT 0, 5
</#if>

参数：

名称      类型       必填
工夫      字符串     否

上述数据集在未指定工夫参数时加载最后的5条数据，指定了工夫参数时，则加载一条数据。

而后，新建一个应用上述数据集的折线图图表：

图表类型：平滑折线图
数据集列标记：COL_TIME：名称 (name)；COL_VALUE：数值 (value) 
更新距离：1000毫秒

而后，新建可视化看板，填写如下看板模板内容：

<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title></title>
<style type="text/css">
.dg-chart{
  display: inline-block;
  width: 60%;
  margin-left: 20%;
  height: 400px;
}
</style>
<script type="text/javascript">
//存储时序窗口内要显示的数据
var timeSeriesData = [];
var chartListener=
{
  onUpdate: function(chart, results)
  {
    var chartDataSet = chart.chartDataSetMain();
    var datas = chart.resultDatasOf(results, chartDataSet);
    
    if(datas.length > 0)
    {
      if(timeSeriesData.length == 0)
         timeSeriesData =  datas;
      else
      {
        timeSeriesData = timeSeriesData.concat(datas);
        //限定时序窗口数据量为10
        while(timeSeriesData.length > 10)
          timeSeriesData.shift();
      }
      
      //设置图表下一次刷新时取数的工夫参数
      var nextTimeParam = datas[datas.length - 1]["COL_TIME"];
      chart.dataSetParamValueFirst(0, nextTimeParam);
    }
    
    chart.resultDataOf(results, chartDataSet, timeSeriesData);
  }
};
</script>
</head>
<body class="dg-dashboard">
  <div style="position: absolute;left:1;top:1;font-size:12px;">
    DataGear <br>
    http://www.datagear.tech
</div>
<div style="font-size:2em;text-align:center;margin-bottom:5px;">DataGear 看板示例</div>
<p> </p>
<div class="dg-chart"
  dg-chart-listener="chartListener"
  dg-chart-disable-setting="true"
  dg-chart-widget="[上述图表ID]"></div>
</body>
</html>

点击[保留并展现]按钮，关上看板展现页面，实现！！！

效果图如下所示：

官网地址：http://www.datagear.tech

源码地址：

Gitee：https://gitee.com/datagear/datagear

Github：https://github.com/datageartech/datagear

2022-06-30

关于数据可视化:DataGear-制作支持表单交互和多图表联动的数据可视化看板

对于数据可视化，有时须要依据用户输出的查问条件展现限定范畴的数据图表，DataGear的看板表单性能能够疾速不便地实现此类需要。

上面的看板示例，蕴含一个柱状图、一个饼图和一个地图，用户能够通过看板表单设置柱状图和饼图的数据数目，设置地图的显示地区。

首先，新建三个参数化数据集。

第一个数据集的SQL语句为：

SELECT
    COL_NAME,
    COL_VALUE
FROM
    T_ANALYSIS_0
limit 0, ${查问数目}

参数定义为：

参数名      类型      必填
查问数目    数值      是

第二个数据集与第一个相似，SQL语句为：

SELECT
    COL_NAME,
    COL_VALUE
FROM
    T_ANALYSIS_1
limit 0, ${查问数目}

参数定义为：

参数名      类型      必填
查问数目    数值      是

第三个数据集的SQL语句为：

SELECT
    '${省份}' AS COL_MAP,
    COL_NAME,
    COL_VALUE
FROM
    T_ANALYSIS_CITY
WHERE
    COL_PROVINCE = '${省份}'

参数定义为：

参数名      类型      必填
省份        字符串    是

而后，应用上述三个数据集别离建设柱状图、饼图、地图。

第一个柱状图：

图表类型      : 根本柱状图
数据集        : 第一个数据集
数据集列标记  : COL_NAME 名称；COL_VALUE 数值

第二个饼图：

图表类型      : 根本饼图
数据集        : 第二个数据集
数据集列标记  : COL_NAME 名称；COL_VALUE 数值

第三个地图：

图表类型      : 根本根本
数据集        : 第三个数据集
数据集列标记  : COL_NAME 地区名称；COL_VALUE 指标数值；COL_MAP 地图名

而后，新建可视化看板，填写如下看板模板内容：

<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>DataGear 看板示例</title>
<style type="text/css">
.dg-chart{
  display: inline-block;
  width: 400px;
  height: 400px;
}
</style>
<script type="text/javascript">
//看板表单配置
var dashboardFormConfig =
{
    items:
    [
        {name:"图表1-数目", type:"NUMBER", link: 0},
        {name:"图表2-数目", type:"NUMBER", link: {chart:1}},
        {
            name:"图表3-地区", inputType:"select",
            inputPayload:
            [
                {name:'',value:''},
                {name:' 北京 ',value:'北京'},
                {name:' 山东 ',value:'山东'},
                {name:' 江苏 ',value:'江苏'},
                {name:' 上海 ',value:'上海'}
            ],
            link: {chart:2}
        }
    ],
    link:  ["chart1", "chart2", "chart3"],
    submitText: "查问"
};
</script>
</head>
<body class="dg-dashboard">
<div style="position: absolute;left:1;top:1;font-size:12px;">
    DataGear <br> http://www.datagear.tech
</div>
<div style="font-size:2em;text-align:center;margin-bottom:5px;">DataGear 看板示例</div>
<p>&nbsp;</p>
<form dg-dashboard-form="dashboardFormConfig" class="dg-inline"></form>
<p>&nbsp;</p>
<div id="chart1" class="dg-chart" dg-chart-widget="[第一个图表ID]"></div>
<div id="chart2" class="dg-chart" dg-chart-widget="[第一个图表ID]"></div>
<div id="chart3" class="dg-chart" dg-chart-widget="[第三个图表ID]"></div>
</body>
</html>

点击[保留并展现]按钮，关上看板展现页面，实现！！！

效果图如下所示：

官网地址：http://www.datagear.tech

源码地址：

Gitee：https://gitee.com/datagear/datagear

Github：https://github.com/datageartech/datagear

2022-06-24

关于数据可视化:NBI可视化平台内置多种风格多套模板做数据可视化不费劲

NBI可视化平台版本曾经更新到4.9.1啦，在NBI可视化平台4.9.1版本中内置了多种格调、多套模板能够供用户抉择应用，并且在可视化视觉下面做了加强

NBI具备丰盛的数据源对接能力

易于操作的可视化编辑器

丰盛的组件库：

易于性能扩大的脚本性能：

NBI大数据可视化剖析平台作为新一代自助式（体验地址：http://www.easydatavis.com）、摸索式剖析工具，在产品设计理念上始终从用户的角度登程，始终围绕简略、易用，强调交互剖析为目标的新型产品。咱们将数据分析的各环节（数据筹备、自服务数据建模、摸索式剖析、权限管控）融入到零碎当中，让企业有序的、平安的治理数据和剖析数据。

2022-06-01
关于数据可视化:NBI可视化平台快速入门教程三带参工作表创建

NBI可视化平台疾速入门教程（三）带参工作表创立

1.如何创立带参工作表

参数格局 $参数名称$，比方

2.测试验证带参工作表是否正确

3.输出测试参数

4.多参数演示，多参数查问无非就是依照参数格局规范多接入几个查问条件，如

5.测试验证

6.测试无误后，保留即可。

工作表的作用在于给NBI可视化构建模块提供数据撑持，为图形组件提供数据。

体验地址：http://www.easydatavis.com

2022-06-01
关于数据可视化:NBI可视化平台快速入门教程二工作表创建

NBI可视化平台疾速入门教程（二）工作表创立

1.接着上篇文章，在创立的数据源节点名称上右键，抉择“基于（基于 SQL 语句创立工作表）”：

1.1或者在表节点上右键，创立工作表（零碎会主动生成一条快捷SQL语句）

2.进入创立工作表界面：

3.保留后，会在工作表节点呈现

体验地址：http://www.easydatavis.com

2022-06-01
关于数据可视化:体系课数据可视化入门到精通打造前端差异化竞争力已完结
体系课-数据可视化入门到精通-打造前端差异化竞争力(已完结)

获取资源：网盘链接
Python 开发者可能都据说过鸭子类型和猴子补丁这两个词，即使没听过，也大概率写过相干的代码，只不过并不了解其背地的技术要点是这两个词而已。

我最近在面试候选人的时候，也会问这两个概念，很多人答的也并不是很好。然而当我向他们解释完之后，广泛都会恍然大悟：“哦，是这个啊，我用过”。

所以，我决定来写一篇文章，讨论一下这两个技术。

鸭子类型
引用维基百科中的一段解释：

鸭子类型（duck typing）在程序设计中是动静类型的一种风格。在这种风格中，一个对象无效的语义，不是由继承自特定的类或实现特定的接口，而是由”以后方法和属性的会合”决定。

更通俗一点的说：

当看到一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子，那么这只鸟就可能被称为鸭子。

也就是说，在鸭子类型中，关注点在于对象的行为，能作什么；而不是关注对象所属的类型。

咱们看一个例子，更形象地展示一下：

这是一个鸭子（Duck）类

class Duck:
```
def eat(self):
    print("A duck is eating...")
def walk(self):
    print("A duck is walking...")
```
这是一个狗（Dog）类

class Dog:
```
def eat(self):
    print("A dog is eating...")
def walk(self):
    print("A dog is walking...")
```
def animal(obj):
```
obj.eat()
obj.walk()
```
if name == ‘__main__’:
```
animal(Duck())
animal(Dog())
```
复制代码
程序输入：

A duck is eating…
A duck is walking…
A dog is eating…
A dog is walking…
复制代码
Python 是一门动静语言，没有严格的类型查看。只需 Duck 和 Dog 别离实现了 eat 和 walk 方法就可能间接调用。

再比如 list.extend() 方法，除了 list 之外，dict 和 tuple 也可能调用，只需它是可迭代的就都可能调用。

看过上例之后，应该对「对象的行为」和「对象所属的类型」有更深的体会了吧。

再扩大一点，其实鸭子类型和接口挺像的，只不过没有显式定义任何接口。

比如用 Go 语言来实现鸭子类型，代码是这样的：

package main
import “fmt”
// 定义接口，蕴含 Eat 方法
type Duck interface {
```
Eat()
```
}
// 定义 Cat 结构体，并实现 Eat 方法
type Cat struct{}
func (c *Cat) Eat() {
```
fmt.Println("cat eat")
```
}
// 定义 Dog 结构体，并实现 Eat 方法
type Dog struct{}
func (d *Dog) Eat() {
```
fmt.Println("dog eat")
```
}
func main() {
```
var c Duck = &Cat{}
c.Eat()
var d Duck = &Dog{}
d.Eat()
s := []Duck{
    &Cat{},
    &Dog{},
}
for _, n := range s {
    n.Eat()
}
```
}
复制代码
通过显式定义一个 Duck 接口，每个结构体实现接口中的方法来实现。

猴子补丁
猴子补丁（Monkey Patch）的名声不太好，因为它会在运行时动静修改模块、类或函数，通常是增加功能或修改缺点。

猴子补丁在内存中发挥作用，不会修改源码，因此只对以后运行的程序实例无效。

但如果滥用的话，会导致零碎难以理解和保护。

次要有两个问题：

补丁会破坏封装，通常与目标紧密耦合，因此很软弱
打了补丁的两个库可能相互牵绊，因为第二个库可能会撤销第一个库的补丁
所以，它被视为临时的变通打算，不是集成代码的推荐形式。

按照常规，还是举个例子来说明：

定义一个Dog类

class Dog:
```
def eat(self):
    print("A dog is eating ...")
```
在类的内部给 Dog 类增加猴子补丁

def walk(self):
```
print("A dog is walking ...")
```
Dog.walk = walk

调用形式与类的外部定义的属性和方法一样

dog = Dog()
dog.eat()
dog.walk()
复制代码
程序输入：

A dog is eating …
A dog is walking …
复制代码
这里相当于在类的内部给 Dog 类减少了一个 walk 方法，而调用形式与类的外部定义的属性和方法一样。

再举一个比较实用的例子，比如咱们罕用的 json 标准库，如果说想用性能更高的 ujson 代替的话，那势必需要将每个文件的引入：

import json
复制代码
改成：

import ujson as json
复制代码
如果这样改起来成本就比较高了。这个时候就可能考虑使用猴子补丁，只需要在程序入口加上：

import json
import ujson
def monkey_patch_json():
```
json.__name__ = 'ujson'  
json.dumps = ujson.dumps  
json.loads = ujson.loads  
```
monkey_patch_json()
复制代码
这样在当前调用 dumps 和 loads 方法的时候就是调用的 ujson 包，还是很便利的。
2022-05-05

关于数据可视化:比excel更好用的免费拖拽报表JimuReport-144新特性

积木报表1.4.4版本在1.4.0稳固版本的根底上解决一系列bug，做了一些重要降级工作，重点稳固强壮性能。例如解决安全漏洞、解决动态资源抵触及增加了一些新性能。

1.解决动态资源加载抵触

应用其余框架的敌人常常会遇到动态资源抵触的问题，此版本重点解决了这个问题。

2.重大安全漏洞修复

当有SQL注入时，提醒会有SQL注入危险，如：insert、update、delete、alter、drop等表构造及数据操作均不容许操作。

成果展现

3.反对pdf导出换行

很多敌人反馈亟需pdf导出换行性能，此版本实现了该性能。

4.反对自定义表达式

当现有表达式不满足需要时，咱们能够应用自定义表达式来实现。

首选定义表达式

import com.googlecode.aviator.runtime.function.AbstractFunction;
import com.googlecode.aviator.runtime.type.AviatorObject;
import com.googlecode.aviator.runtime.type.AviatorRuntimeJavaType;
import org.jeecg.modules.jmreport.desreport.express.ExpressUtil;
import java.util.Map;

/**
 * 定义函数：
 * 1.定义getName办法，返回一个字符串
 * 2.如果函数参数个数已知，继承AbstractFunction，重写call办法，call是一个多态办法，参数AviatorObject arg能够传多个
 * 3.如果函数参数个数未知，继承AbstractVariadicFunction，重写variadicCall办法
 **/
public class UpcaseFun extends AbstractFunction {

  @Override
  public String getName() {
      return "upCase";
  }
  
  @Override
  public AviatorObject call(Map<String, Object> env, AviatorObject arg1) {
      // 参数用此办法获取 数字也这么获取 而后本人转
      String str = ExpressUtil.getArgString(arg1, env);
      return AviatorRuntimeJavaType.valueOf(str.toUpperCase());
  }
}

注册表达式

import com.googlecode.aviator.AviatorEvaluatorInstance;
import org.jeecg.modules.jmreport.desreport.express.IJmExpressCustom;
import org.springframework.stereotype.Component;

/**
 * 注册函数：
 * 1.增加类注解@Component
 * 2.实现接口 IJmExpressCustom，重写办法 addFunction
 * 3.instance.addFunction(fun.getName(), fun);
 * 4.如果是运算函数(如:加减乘除)，调用instance.addOpFunction
 */
@Component
public class JmExpressCustomImpl implements IJmExpressCustom {

  @Override
  public void addFunction(AviatorEvaluatorInstance instance) {
      UpcaseFun fun = new UpcaseFun();
      instance.addFunction(fun.getName(), fun);
      //OtherFun fun1 = new OtherFun ();
      //instance.addFunction(fun1.getName(), fun1);
  }
}

应用表达式

5.同一报表反对多个循环块

5.1 实现成果

6.反对saas配置

此版本反对saas配置；在yaml文件中配置saas为true即可，如下图：

7.预览工具条显示数据总条数

为了更不便的显示数据，在预览工具条中显示数据的总条数。

实现成果

附录更多体验

体验地址：http://jimureport.com/
文档地址：http://report.jeecg.com/

2022-04-16

关于数据可视化:制作打印报表费时费力积木报表帮你轻松搞定医院体检项目实战
** 医院是一所科室齐全、技术全面、业余特色显明，集医、教、研为一体的综合性医院。积木报表目前使用在医院的体检零碎中，实现了报告打印，如：集体报告、团队报告、入职体检、费用统计、医生工作量统计等等。

1.集体体检报告
- 成果展现
- 报告设计
2.职业健康检查表
- 成果展现
- 报表设计
3.医师执业注册健康体检表
- 报表设计
4.集体职业病体检报告
- 报表设计
5.费用统计
- 成果展现
- 报表设计
附录
- 体验地址：http://jimureport.com/
- 文档地址：http://report.jeecg.com/
2022-04-16
关于数据可视化:Excel超大数据量如何进行处理这个BI工具帮你轻松脱困

业务人员对Excel进行数据收集时，原始数据量动辄几十万上百万条；因数据量大，导致excel关上慢，编辑卡顿，在多指标剖析时，需拆分多个excel进行剖析，领导查看剖析后果时，连带要查看多个报表，体验不好。更辣手的是，excel剖析具备时效性，当数据更新后，要从新导数做报表，剖析效率低。

想要解决超大的数据量，Smartbi一站式数据分析平台来帮你。针对数据量大的问题，小编将以Smartbi为例，为大家介绍在创立大数据量的Excel交融剖析报表过程中，应该采取哪些操作计划，能够帮忙业务人员无效防止大数据量导致卡顿、晋升查问性能。

在创立Excel交融剖析报表前的数据筹备阶段，咱们可参考如下两个形式操作：

单表查问时，操作人员能够通过创立透视剖析数据集，提前进行数据过滤、数据汇总，将清单数据在数据库层面进行加工，晋升性能。在smartbi零碎中，咱们可基于数据源表创立透视剖析，进行数据初步汇总、数据过滤，再接着创立Excel交融剖析报表。

而多表查问时，则需创立自助数据集，数据抽取到高速缓存库SmartbiMPP；进而抽取用户须要的数据，存储到缓存数据库中进行剖析；这样岂但可能缩小原始数据仓库的压力，也能取得很好的剖析性能。

假如已有透视剖析的聚合数据、即席查问的明细数据，为了满足多个报表查问的业务需要，对此咱们可创立自助数据集，并将设置数据抽取到高速缓存库SmartbiMPP，接着可创立Excel交融剖析报表了。如需对数据进行筛选，可基于自助数据集创立透视剖析增加过滤条件。

为了防止在Excel中刷新大数据量时导致卡死问题，咱们还能够对Excel插件端进行优化操作。基于 Excel交融剖析报表类型，在上方工具栏勾选上【默认加载100行】，当咱们在Excel插件端中点击【刷新数据】后只返回展现前100行数据，以此防止用户在Excel中刷新大数据量引起的卡顿问题。

在数据刷新时，勾选默认加载100行，能够使操作更加晦涩。公布浏览前，记得勾选【Web端显示优化】，搭配上web端显示优化性能，可缩小大数据量占用缓存。

Smartbi一站式剖析平台是一个弱小且直观的BI工具，从数据提取、解决、剖析及展示的各层面为用户提供了残缺的解决方案，现个人版提供全模块长期收费应用，有趣味的小伙伴可登陆官网收费试用~

2022-02-28

标签： 数据可视化

一、数据可视化是什么

二、数据可视化大屏设计流程

1.需要剖析

2.数据分析

3.产品设计

4.可行性测试

体系课-数据可视化入门到精通-打造前端差异化竞争力(已完结)

这是一个鸭子（Duck）类

这是一个狗（Dog）类

定义一个Dog类

在类的内部给 Dog 类增加猴子补丁

调用形式与类的外部定义的属性和方法一样

1.解决动态资源加载抵触

2.重大安全漏洞修复

3.反对pdf导出换行

4.反对自定义表达式

5.同一报表反对多个循环块

6.反对saas配置

7.预览工具条显示数据总条数

1.集体体检报告

2.职 业 健 康 检 查 表

3.医 师 执 业 注 册 健 康 体 检 表

4.集体职业病体检报告

5.费用统计

标签：数据可视化

2.职业健康检查表

3.医师执业注册健康体检表