第70页，共307页。 显示 3,063 条结果 (0.035 秒)
图形宏开发技术基础：ECharts基本使用方法
简单的配置，即可自动将数据以可视化图形的方式展现，使得数据变得更加直观、生动。 1.png 2.png 接下我们就来学习ECharts的基本使用方法，以及如何在Smartbi中，使用ECharts灵活绘制各种图形效果。 注意：学习此文档前，强烈建议先花费1小时，访问ECharts官网（echarts.apache.org https://echarts.apache.org/zh/index.html），查看其官方教程。 3.png 2. ECharts图形绘制流程 首先了解ECharts图形绘制的基本流程：引入ECharts组件类，调用echarts.init方法初始化一个echarts图形实例对象图形宏开发教程 ⬝ 附录：视频教程
Smartbi中如何配置ECharts图形属性，包含可视化配置以及扩展属性如何设置 ECharts在Smartbi中的基本使用 https://wiki.smartbi.com.cn/download/attachments/69731873/ECharts%E5%9C%A8Smartbi%E4%B8 … %9F%BA%E7%A1%80.wmv?version=1&modificationDate=1614687561000&api=v2 ECharts基本原理 ECharts的基本原理，包含初始化过程和展示的图形结构 ECharts基本原理 https://wiki.smartbi.com.cn电子表格⬝ 仪表盘
： image2022-2-6_11-33-47.png 分析定制 示例效果的实现步骤具体如下： 定制内容 定制方法 效果 布局规划 绘制仪表盘通常需要事先规划好其可视化效果的排版布局，可以在纸上或者利用其它工具进行规划。 规划方案可参考文档 如何规划自助仪表盘 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=83697427。 image2019-3-1 9:57:33.png 数据要求 在电子表格中基于数据模型“订单模型”创建模型查询 image2022-2-5_17-22-26.png 映射电子表格⬝ 仪表盘
： image2022-2-6_11-33-47.png 分析定制 示例效果的实现步骤具体如下： 定制内容 定制方法 效果 布局规划 绘制仪表盘通常需要事先规划好其可视化效果的排版布局，可以在纸上或者利用其它工具进行规划。 规划方案可参考文档 如何规划自助仪表盘 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=83697427。 image2019-3-1 9:57:33.png 数据要求 在电子表格中基于数据模型“订单模型”创建模型查询 image2022-2-5_17-22-26.png 映射参数筛选器区
1 概述 在筛选器区中，可通过拖入字段快速生成筛选器组件，以及查看当前选中组件被哪些筛选器影响。 2 操作入口 编辑仪表盘时，默认是收起筛选器区面板，可点击面板折叠区的 筛选器 ，可打开筛选器区面板。 01.png 3 快速生成筛选器组件 3.1 业务场景 以产品内置Demo资源的“订单模型”作为数据来源，在全国订单销售数据分析看板中，通过切换选择不同的年份和区域，查看对应数据。 jichugongn-chakanshuju.gif 3.2 操作步骤 1、已有全国订单销售数据分析看板效果如下图所示，看板中的图表组件创建示例可参考 创建第一个可视化组件 。 jichugongneng-01.png 2、选中数据挖掘-决策树
概述 决策树是一种常用的分类算法，它是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。根节点到每个叶子节点均形成一条分类的路径规则。而对新的样本进行测试时，只需要从根节点开始，在每个分支节点进行测试，沿着相应的分支递归地进入子树再测试，一直到达叶子节点，该叶子节点所代表的类别即是当前测试样本的预测类别。 优势：可直接查看决策树分析的可视化效果，如下图： 图片21.png 示例 使用“糖尿病预测”案例数据，预测是否有糖尿病。 image2020-6-4 16:59:46.png 特征转换是为了将各变量中的类别型变量变换成数值型变量，类别型无法进入模型树图
概要说明 树图，又称矩形树图，是一种有效的实现层级结构可视化的关系型图表结构。 在树图中，各个小矩形的面积表示每个子节点的大小，面积越大，表示子节点在父节点中的占比越大，整个矩形的面积之和表示整个父节点。右键点击矩形块可下钻到子分支，每个子分支的矩形又按照相应节点的子节点进行分割。 通过树图及其钻取情况，用户可以清晰地了解到数据的全局层级结构和每个层级的详情。 入口 图例 image2022-2-18_16-22-12.png 下图是一个树图，它通过各矩形的面积大小和颜色深浅显示了不同发货省份的销售数量大小，下钻到发货城市，可以查看到不同发货城市在所属发货省份中的占比情况。从图中矩形电子表格⬝ 交叉报表（系统数据集）
报表简介 交叉报表是分组报表的一种特殊情况，行列都呈现分组结构，交叉区域展现数据的一类报表。 作用：用于多维度统计数据。 适用场景：适用数据统计的情况。 报表结构：交叉报表主要由有“列组+行组+交叉数据区”一种结构，如下图： image2019-6-25 12:14:24.png 示例效果 下表是最常见的一类交叉报表： image2019-6-25 11:41:6.png 数据要求 定义如下可视化数据集进行分组报表定制。 image2022-3-2_11-33-50.png 数据预览如下： image2022-3-2_11-33-26.png 分析定制 该表结构简洁，数据清晰，具体的分析在数据模型中如何自定义分组？
1、概述 分组字段是指对原始数据根据条件将相同的数据先合并到一组，然后按照分组后的数据进行汇总计算。 在V10.5 beta版本中，如果要新增一个分组字段，有2种方法： 1)写MDX语句：但是大部分人不会写 2)写SQL语句: 不懂技术的业务人员不会写SQL，只能依靠技术人员 所以在V10.5.8版本中，数据模型以及交互式仪表盘等均可通过界面可视化自定义分组字段，让业务人员轻松创建分组字段，减少了对技术人员的依赖，提高了功能的易用性 分组方式包含：枚举分组和范围分组 2、场景举例 公司需要统计不同产品类别在一线城市、二线城市和其他城市的销售额；使用枚举分组实现。 2.1、操作步骤 2.1.1 创建分组数据挖掘-决策树
概述 决策树是一种常用的分类算法，它是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。根节点到每个叶子节点均形成一条分类的路径规则。而对新的样本进行测试时，只需要从根节点开始，在每个分支节点进行测试，沿着相应的分支递归地进入子树再测试，一直到达叶子节点，该叶子节点所代表的类别即是当前测试样本的预测类别。 优势：可直接查看决策树分析的可视化效果，如下图： 图片21.png 示例 使用“糖尿病预测”案例数据，预测是否有糖尿病。 image2020-6-4 16:59:46.png 特征转换是为了将各变量中的类别型变量变换成数值型变量，类别型无法进入模型
