DataEase开源数据可视化分析平台于2022年6月正式发布模板市场（https://dataease.io/templates/）。模板市场旨在为DataEase用户提供专业、美观、拿来即用的仪表板模板，方便用户根据自身的业务需求和使用场景选择对应的仪表板模板，并在优质模板的基础上轻松制作自己的仪表板。目前，模板市场的模板数量已经达到了100个。

2023年6月上新模板

DataEase模板市场定期进行模板上新。2023年6月共上新6个模板，涉及航空运行、智能交通、智慧执法、人力资源、开源、电商运营等主题，欢迎大家在DataEase模板市场下载使用。

模板技巧

本月的模板技巧为大家介绍常见的数据关系，以及针对不同的数据类型如何选择合适的AntV和ECharts视图类型。

在实际的数据分析场景中，我们经常会遇到的数据关系包括以下五种：即趋势、比较、分布、关系和空间位置。而在制作仪表板的的时候，根据不同的业务场景，为数据关系和数据类型选择合适的视图是十分重要的。DataEase开源数据可视化分析平台支持AntV和ECharts两种视图类型。两种视图类型在设置上存在细微的差别，因此在制作视图时需要根据不同的显示要求选择不同的视图类型。

在了解数据关系之前，需要首先明确数据的类型：

1.定性数据

• 类别数据：包含有限的类别数或可区分组数。类别数据可能不是逻辑顺序，例如性别、材料类型、付款方式等。

2.定量数据

• 离散数据：在两个值之间具有可计数的值的数据，离散数据始终为数值。例如，客户投诉数量，瑕疵或缺陷数，一个学校的学生人数等；

• 连续数据：在两个任意值之间具有无限个值的数据，连续型数据可以是数值，也可以是日期/时间。例如，零件的长度、商品的价格、销量、收付款时间等。

接下来，我们就为大家详细介绍一下数据关系和视图类型。

一、数据关系：趋势

1.常用视图

2.视图所需的数据类型

• 数据集中只包含一列连续数据的日期变量；

• 数据集中至少包含一列连续数据的数值变量。

数据示例：各年度价格与销量的变化

3.AntV和ECharts的对比

AntV包含的趋势图：

ECharts包含的趋势图：

• 视图类型：AntV相比ECharts少了组合图，当数据集中两列指标的数据差距较大时，用组合图可以设置主轴值与副轴值，使两列数据都可以有较好地呈现；

• 数据设置：AntV相比ECharts多了数值格式设置，当原始数据类型是小数时，通过数值格式可以修改为百分比等其他数值格式；

• 样式设置：AntV相比ECharts少了“外间距”的功能（外间距是指图表相对视图组件的距离），以下以基础折线图为例：

当不设置外间距时，图像自动显示如下：

设置外间距后图像显示如下：

二、数据关系：比较

1.常用视图

2.视图所需的数据类型

■ 类别数据：

• 数据集中只包含一列类别数据：柱状图；

• 数据集中包含两列类别数据：堆叠图；

• 数据集中包含三列类别数据：分组堆叠图。

■ 连续型数据：数据集中至少包含一列连续型数据。

数据示例：不同类别的产品价格与销量的对比

3.AntV和ECharts的对比

AntV包含的比较图：

ECharts包含的比较图：

• 视图类型：AntV相比ECharts多了瀑布图（主要用于展示股票趋势变动）、百分比图（着重展示比例信息、例如高校男女占比等，主要用于国家统计、用户调查等）、对称柱状图（主要用于两个类别不同指标间的比较，例如某班级男女生各科成绩比较等）；

• 数据设置：AntV相比ECharts多了数值格式设置；

• 样式设置：AntV相比ECharts少了“外间距”的功能。

三、数据关系：分布

1.常用视图

2.视图所需数据类型

• 数据集中只包含一列类别数据；

• 数据集中只包含一列连续型数据的数值变量。

数据示例1：不同类别的商品销量占比。

所有商品都被分类了，一个商品有且仅有一个分类，不存在一个商品同时归属于两个分类的原则。从一级分类的角度看销量：使用饼图、环形图、南丁格尔玫瑰图、矩形树图，可以看出不同类别商品的销量占整体销量的占比。占比之和=1。

数据示例2：不同类型的用户购买商品数量占比。

所有用户不一定被全部打上标签，也不一定只有一个标签。从用户标签角度看购买量占比：使用雷达图、词云图，可以看出各标签的影响程度。占比之和≠1。

3.AntV和ECharts的对比

AntV包含的分布图：

ECharts包含的分布图：

视图示例：

ECharts雷达图：

AntV雷达图：

ECharts和AntV的雷达图都不可以调整轴值（每格数据的大小）。假设各指标的数据为：90，100，95，110。ECharts的轴值是绝对值，雷达中心点=0，雷达边缘点=数据指标列最大值。使用ECharts难以看出细微差别。此时比较适合使用AntV图。AntV的轴值为相对值，雷达中心点=数据指标列最小值，雷达边缘点=数据指标最大值。

四、数据关系：关系

1.常用视图

2. 视图所需数据类型

■ 气泡图

• 被解释变量：Y变量数据集中只包含一列连续型数据的数值变量；

• 解释变量：X变量数据集中只包含一列连续型数据的数值变量。

数据示例1：销量随价格的变化趋势

■ 漏斗图：

• 被解释变量：Y变量数据集中只包含一列连续型数据的数值变量；

• 解释变量：X变量数据集中只包含一列类别数据。

数据示例2：网站各页面的浏览人数

3.AntV和ECharts的对比

AntV和ECharts都包含气泡图和漏斗图，ECharts的气泡图可以设置“外间距”。

ECharts漏斗图：

AntV漏斗图：

ECharts和AntV都不可以设置漏斗图各层级的大小，ECharts的各层级是固定样式，AntV的各层级大小由数值大小决定。

五、数据关系：空间位置

1.常用视图

2.视图所需数据类型

■ 符号地图：

• 数据集中包含一列连续型数值数据（经度）；

• 数据集中包含一列连续型数值数据（纬度）。

■ 流向地图：

• 数据集中包含一列连续型数值数据（起点经度）；

• 数据集中包含一列连续型数值数据（起点纬度）；

• 数据集中包含一列连续型数值数据（终点经度）；

• 数据集中包含一列连续型数值数据（终点纬度）。

■ 地图：

• 数据集中包含一列类别变量（地区名称）；

• 数据集中包含一列连续型数值数据（代表气泡大小）。

3.AntV和ECharts的对比

AntV：包含流向地图与符号地图，有经纬度时可以使用该图形，不限制国内或国外。

ECharts：只包含地图和气泡地图，目前只有国内地图数据。如需使用国外地图数据，需要自己手动配置。

总结

面对不同的数据关系，DataEase开源数据可视化分析工具都能够为用户提供合适的视图。DataEase支持AntV和ECharts两种视图类型，未来DataEase还将持续更新和提供更多的视图类型和功能，从用户体验上不断践行“人人可用”的目标。