By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement . We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

一、什么是可视化(Data Visualization)

定义 ： 将大量离散或者连续数据转化为有联系、可交互的图形或图像，增强表达方式和人为认知，从而达到实现从数据到分析、发现、决策、学习等目的；

数据是源， 可视化过程是桥梁，图形分析、决策、学习是根本目的

实质是IO： fn(data) => UI

广义数据可视化 涉及信息技术、自然科学、统计分析、图形学、交互、地理信息等多种学科。

“科学可视化（Scientific Visualization）、信息可视化（Information Visualization）和可视分析学（VisualAnalytics）三个学科方向通常被看成可视化的三个主要分支。这三个分支整合在一起形成的新学科“数据可视化”，是可视化研究领域的新起点。”——《数据可视化》

狭义 ： 数据可视化是 数据（dataset） 到 视觉元素(visualMap) 的映射过程（这个过程也可称为视觉编码，视觉元素也可称为视觉通道）
常用的视觉元素（visualMap）：
图形类别（symbol）、图形大小（symbolSize）
颜色（color）、透明度（opacity）、颜色透明度（colorAlpha）、
颜色明暗度（colorLightness）、颜色饱和度（colorSaturation）、色调（colorHue）

g2框架封装：bizcharts(react) viser(vue)

移动可视化: f2 适配问题

图编辑： d3 joint : 节点渲染，box事件交互、布局（树布局、力导布局）

地理可视化： g2、L7、高德的 Loca、 菜鸟的 鸟图

3D：three.js

四、常见的问题

1. 分类过多的场景 不适用饼图; 数据数量级相差较大 不适合折线图（折线趋势最好不要太陡峭） 可以柱状 或者取对数; 数据太过平缓难以看到趋势，可以调整数据展示范围

2. 数据量太大怎么办？

在前端做的可视化，能做的仅仅是小规模数据的可视化，如果你遇到超大规模数据要进行可视化，那么可以选择：

（1）数据分层

（2）数据聚合

（3）数据抽样

（4）增量渲染代替全量渲染

3. ssr(服务端渲染)

静态图片，截图，大数据量少交互的数据可以在考虑ssr

服务端渲染可以使用流行的 headless 环境： puppeteer、headless chrome、node-canvas、jsdom、PhantomJS

4. 渲染器： canvas OR svg (向下兼容可能会html/xml)

Canvas 提供的绘图能力更底层，适合做到像素级的图形处理，能动态渲染和绘制大数据量的图形。而 SVG 抽象层次更高，声明描述式的接口功能更丰富，内置了大量的图形、滤镜和动画等，方便进行文档元素的维护，也能导出为文件脱离浏览器环境使用。

性能差异：
网上有不少 Canvas 和 SVG 性能对比的文章，得出的结论大体是“Canvas 性能更好，适合更大量数据的渲染”。其实这么说是有失偏颇的。性能对比要看场景。从底层来看，Canvas 的性能受画布尺寸影响更大，而 SVG 的性能受图形元素个数影响更大。下图是微软 MSDN 上给的一个对比图。

定制和交互:
比较流行的看法是 SVG 做定制和交互更有优势，因为有类似 DOM 的结构，能快速应用浏览器底层的鼠标事件、CSS 样式、CSS3 动画等。不过基于 Canvas 做上层封装后也能实现类似的定制和交互，并且自由度更高。

对于大数据量，您推荐使用svg吗？对于频繁操作dom有什么好建议？
我是一个链接

先试试 svg，撑不住再试试 canvas；

频繁操作 dom 的解决办法可以借鉴 dom diff或者 vdom diff的解决方案；

用数据驱动diff再局部更新视图，操作 dom 变成操作数据；

svg的优势是自适应+内存占用低，（移动端较友好）；

dom的优势是像素级细节操作+多帧交互，（炫光尾迹，热力图）

5. react、vue等数据驱动型单向数据流类的框架与d3、echart直接DOM操作的一些冲突

三种解决方案 ：

React 渲染⼀一个空 div 作为容器， 容器中的 DOM 数据/操作/渲染 都由 D3 负责

React负责DOM和SVG的结构，D3负责数据和布局的计算