博客
关于我
Echarts之symbolSize的大小设置
阅读量:86 次
发布时间:2019-02-25

本文共 815 字,大约阅读时间需要 2 分钟。

symbolSize 参数说明

symbolSize 是一个可配置的参数,可用于设置图表中标记的大小。该参数既支持单值设置,也支持数组形式的宽高设置,具体如下:

参数类型

  • 单值形式symbolSize: 4
  • 数组形式symbolSize: [3, 4](宽度和高度)

参数说明

该参数的设置支持全局和局部两种方式:

1. 全局设置

在整个图表配置中设置 symbolSize

series: [{  symbolSize: 4,  type: 'circle',  data: [820, 820, 800, 900, 780, 500],  smooth: true}]

2. 局部设置

在数据项中单独设置 symbolSize

series: [{  data: [    { value: 820, symbolSize: 0 },    { value: 820, symbolSize: 10 }  ],  symbol: 'circle',  smooth: true}]

3. 回调函数设置

如果需要根据数据值动态调整标记大小,可通过回调函数实现:

var size = [16, 0, 0, 0, 8];series: [{  data: [820, 820, 800, 900, 780, 500],  symbol: 'circle',  symbolSize: (rawValue, params) => {    params.symbolSize = size[params.dataIndex];    return params.symbolSize;  }}]

示例说明

通过上述设置方式,可以实现不同数据项具有不同的图形大小。例如:

  • 全局设置 symbolSize: 4 会使所有标记均匀设置为大小 4。
  • 局部设置 symbolSize: [3, 4] 则会在数据项中分别设置宽度和高度。

转载地址:http://vld.baihongyu.com/

你可能感兴趣的文章
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
nmap指纹识别要点以及又快又准之方法
查看>>
Nmap渗透测试指南之指纹识别与探测、伺机而动
查看>>
Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
查看>>
NMAP网络扫描工具的安装与使用
查看>>