JavaScript数据可视化编程学习Flotr2,包含简单的,柱状图,折线图,饼图,散点图

Posted saucxs

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了JavaScript数据可视化编程学习Flotr2,包含简单的,柱状图,折线图,饼图,散点图相关的知识,希望对你有一定的参考价值。

一、基础柱状图

二、基础的折线图 

三、基础的饼图

四、基础的散点图

 

一、基础柱状图

如果你还没有想好你的数据用什么类型的图表来展示你的数据,你应该首先考虑是否可以做成柱状图。柱状图可以表示数据的变化过程或者表示多个数据之间的差异。

1、引入javascrippt

使用flotr2这个javascript库来创建图表。使用flotr2之前,不需要引入其他的JavaScript库(比如jquery),但是flotr2必须依赖html5的canvas元素的支持。canvas支持的主流浏览器有:chrome,Safari,firefox,以及IE9以上。如果非要支持到IE8,可以再引入一个额外的库excanvas.min.js

首先看一下html代码

 

2、创建一个包含图表容器的div元素

创建一个div来包裹这个图表,要求这个div元素必须指定他的宽和高,图表才能建立起来。下面例子采用的是内联的方法指定div的css样式。

<!DOCTYPE html>
<html>
    <head>
        <meta charset="utf-8" />
        <title></title>
    </head>
    <body>
        <div id="chart" style="width: 600px;height: 300px;"></div>
        <script src="js/flotr2.js"></script>
     </body>
</html>

上面就是一个简单的代码框架。

 

3、定义数据

有了代码框架,就应该考虑如何显示数据。

显示数据:1、可以是本地的数据;2、可以是ajax请求获取的数据

建立三维数组

        <script>
            var win = [
                [
                    [2006, 13],
                    [2007, 11],
                    [2008, 15],
                    [2009, 15],
                    [2010, 18],
                    [2011, 21],
                    [2012, 28]
                ]
            ];
        </script>

[x,y]中,x表示年,y表示获胜的场次。我们把若干个x,y组合使用一个外层数组进行嵌套,这个嵌套的数组是序列。我们在这个序列外边又嵌套一个外层数组,以便我们将来可以存储多个序列。

注意:(1)数组的第一层:每一个独立的数据自身是一个数组,包含x,y。

(2)数组的第二层:若干个独立的数据在一起构成一个数组,成为序列。

(3)组的第三层:若干个序列构成flotr2渲染图表使用的完整的数据,形式也是数组。

 

4、绘制图表

简单的绘制一个图表,调用flotr2库。

window.onload = function() {
                Flotr.draw(
                    document.getElementById("chart"), wins, {
                        bars: {
                            show: true
                        }
                    }
                );
            };

代码中,window.onload这个函数,在我们需要把文档加载完成之后调用,window.onload事件触发后,我们执行flotr.draw这个函数,并传3个参数给它,这三个参数包括:图表的html元素本身,刚才定义的图表数据,一些可配置的图表选项。

如果你的页面有jquery,可以使用jq方法来改写这代码。

 

 5、改进纵坐标

上图有问题:

(1)纵轴的刻度。flotr2默认将数据中的最大值和最小值自动设置为坐标的取值范围。2007年对应的是11,但是给人感觉就是0,这种情况需要避免。

(2)纵轴的格式。flotr2默认将精确到小数点后一位,在标注中或多带一个多余的“.0”。

Flotr.draw(
                    document.getElementById("chart"), wins, {
                        bars: {
                            show: true,
                        },
                        yaxis:{
                            min:0,
                            tickDecimals:0,
                        }
                    }
                );

注意:flotr2区分大小写。

flotr.draw函数通过min属性设置纵轴的最小值;

通过ticketDecimals属性告诉标注展示的小数精度。我们不想要小数,设置成0。

简单进行图表选项的配置。解决了纵轴最小值问题和刻度格式问题。

 

6、改进横轴

同时还会出现2个问题,(1)横轴也会出现标注也被默认为拥有1位小数的数字;(2)横轴两个柱体之间缺乏间距。

先解决第一个问题:横轴数据的单位是年,我们可以使用纵轴的方式通过tickDecimals属性,设置成0,但是这种做法并不是通用。如果横轴不是数字类型(比如队名),这种解决方案就是解决不了。为了适用更普遍的情况

我们首先改变一下数据结构,建立一个新的数组years,在这个数组中,每一个年份有一个索引数字配对。同时修改之前的wins数组,将原来的年份使用对应的索引数字替代,这样这两个数组建立了查询关系。

var wins = [
                [
                    [0, 13],
                    [1, 11],
                    [2, 15],
                    [3, 15],
                    [4, 18],
                    [5, 21],
                    [6, 28]
                ]
            ];
            var years = [[0,"2006"],[1,"2007"],[2,"2008"],[3,"2009"],[4,"2010"],[5,"2011"],[6,"2012"]];

然后,我们将新定义的years数组中的这些整数映射到对应的字符串上。我们这里的字符串映射到年份数字,如果需要可以以任何字符串代替。

xaxis:{
  ticks:years,
},

我们对x轴使用ticks属性,告诉flotr2把x轴的标注通过years数组和x值进行匹配。

在解决第二个问题:默认情况下,每一个柱体是平均分配到整个横轴的长度,但是会显得很拥挤。我们可以通过barWidth属性进行调整。把这个属性设置到0.5,这样每一个柱体就占原空间的一半。

 

 7、调整样式

 怎么把表做的炫酷点,可以添加标题,可以去掉不需要的网格线,调一下柱体颜色

Flotr.draw(
                    document.getElementById("chart"), wins, {
                        title:"球队获胜",
                        colors:["#89afd2"],   
                        bars: {
                            show: true,
                            barWidth:0.5,
                 shadowSize:0,
                          fillOpacity:1,
                          linewidth:0,
}, xaxis:{ ticks:years, }, yaxis:{ min:0, tickDecimals:0, }, grid:{ horizontalLines:false, verticalLines:false, }, } );

视觉上与背景强烈的对比,通过高度不同体现差值差异。

 

8、多彩的主题色彩

举个栗子,要想在一年中多个球队的总胜利的场数,这种情况下,每个球队的柱体就需要用不同颜色来代表。

首先调整一下数据结构

<!DOCTYPE html>
<html>

    <head>
        <meta charset="utf-8" />
        <title></title>
    </head>

    <body>
        <div id="chart" style="width: 600px;height: 300px;"></div>
        <script src="js/flotr2.js"></script>
        <script>
//            var wins = [
//                [
//                    [0, 13],
//                    [1, 11],
//                    [2, 15],
//                    [3, 15],
//                    [4, 18],
//                    [5, 21],
//                    [6, 28]
//                ]
//            ];
            var wins2 = [[[0,28],[1,28],[2,21],[3,20],[4,19]]];
//            var years = [[0,"2006"],[1,"2007"],[2,"2008"],[3,"2009"],[4,"2010"],[5,"2011"],[6,"2012"]];
            var teams = [[0,"MCI"],[1,"MUN"],[2,"ARS"],[3,"TOT"],[4,"NEW"]];
            window.onload = function() {
                Flotr.draw(
                    document.getElementById("chart"), wins2, {
                        title:"2011-2012年球队获胜场数",
//                        title:"球队获胜",
//                        colors:["#89afd2"],
                        colors:["#89afd2", "#1d1d1d", "#df021d", "#0e204b", "#e67840"],
                        bars: {
                            show: true,
                            barWidth:0.5,
                            shadowSize:0,
                            fillOpacity:1,
                            linewidth:0,
                        },
                        xaxis:{
//                            ticks:years,
                            ticks:teams,
                        },
                        yaxis:{
                            min:0,
                            tickDecimals:0,
                        },
                        grid:{
                            horizontalLines:false,
                            verticalLines:false,
                        },
                    }
                );
            };
        </script>
    </body>

</html>

注意:颜色的bug还没有解决。

 

9、可能会出现的bug

有时候flotr会出现一些bug,在构建图表的过程中,flotr2会创建一个虚拟的html元素,以便计算尺寸大小。flotr2为了让这些元素在页面不可见,会调整一下css定位,在屏幕可视范围内消失。flotr2.js的2281行,有css定义

  D.setStyles(div, { \'position\' : \'absolute\', \'top\' : \'-10000px\' });

官方还没有改进这个问题,如果没有超过10 00像素,那就没有必要进行优化;如果你的文档超过10 000像素,就会出现那个虚拟的HTML元素,解决办法改进这个flotr2.js库,或者新写一个

$(".flotr-dummy-div").parent().hide();

 

 

二、基础的折线图 

柱状图处理一般数据来说,已经足够了,但是当数据量大了,折线图展示就更加有效。折线图尤其擅长于展现数据整体趋势,避免让用户过于关注个别的数据点而忽略了整体。

举个栗子:想展示大气中二氧化碳的浓度和全球气温,他们之间存在着某种相关性。我们想展示这两组数据在同一时间的变化,找出他们之间存在的一些必然联系,对于呈现这些趋势来说,折线图是完美的可视化工具。

 

和柱状图一样,你需要先在你的网页中引入Flotr2库,然后创建一个<div>元素来包裹住这个图表。接下来,就是数据的准备工作了。

1、定义数据

首先我们来处理一下二氧化碳浓度的测量数据。

var co2 = [
    [ 1959, 315.97 ],
    [ 1960, 316.91 ],
    [ 1961, 317.64 ],
    [ 1962, 318.45 ],
    // Data ...

因为我们的二氧化碳测量值是从1959年开始统计的,所以我们也同样把温度数据的起点设为1959年。

var temp = [
    [ 1959, 0.0776 ], 
    [ 1960, 0.0280 ], 
    [ 1961, 0.1028 ], 
    [ 1962, 0.1289 ], 
    // Data ...

 

2、绘制co2图像

用Flotr2绘制一个数据集是非常容易的。我们只要简单地调用Flotr对象的draw()方法就可以了。这个方法只有两个必需参数:一个图表的HTML元素,以及数据本身。

                Flotr.draw(
                    document.getElementById("chart"),
                    [{
                        data: co2,
                        lines: {
                            show: true
                        }
                    }]
                );

 这个图表清晰地展示了过去50年二氧化碳浓度变化的趋势

 

3、绘制温度曲线

 把气温的数据添加进来

                Flotr.draw(
                    document.getElementById("chart"), [
                    {
                        data: co2,
                        lines: {
                            show: true,
                        },
                    },
                    {
                        data:temp,
                        line:{
                            show:true,
                        },
                        yaxis:2
                    }
                    ]
                );

我们温度的数据还包含一个yaxis参数,并且将值设置为2。这就是告诉flotr,对温度参数使用第二条纵刻度。如果有多个纵轴时候,很难向用户解释网格线和纵轴数字对应的关系。

 

4、改进图标的可读性

通过配置更多的flotr2属性和参数,我们可以将折线图的可读性进一步提高。

首先消除网格线,因为她与温度测量值没有关系。

然后,我们可以draw()方法添加一些属性,优化两边的纵轴的数字范围。 

Flotr.draw(
                    document.getElementById("chart"), [
                    {
                        data: co2,
                        lines: {
                            show: true,
                        },
                    },
                    {
                        data:temp,
                        line:{
                            show:true,
                        },
                        yaxis:2
                    }
                    ],{
                        grid:{
                            horizontalLines:false,
                            verticalLines:false,
                        },
                        yaxis:{
                            min:300,
                            max:400,
                        },
                        y2axis:{
                            min:-0.15,
                            max:0.69
                        }
                    }
                );

添加了grid属性,并把horizontallines和verticallines两个二级属性的属性值设为false,这样就关闭了网格线。然后,设置了yaxis属性的minimum和maximum两个值(代表二氧化碳浓度范围)。最后,我们在标注的地方设置了y2axis属性,即温度的值的纵轴取值范围。

图表变得更加清晰和易读。

 

5、理解右侧的温度标记

 右侧纵轴上的温度标记可能会对用户造成困扰,因为这些数字并不是实际的温度,其代表的是和20世纪平均温度之间的温度差异。我们使用的方法是创建一个虚拟的数据集,并添加到图表中。这个数据集中只包含一个值:0。

var zero = [];
for (var yr=1959; yr<2012; yr++) { zero.push([yr, 0]); };

当我们添加数据集到图表中时,我们要声明这个数据集要对应右侧的纵轴。另外,因为我们想让这条线当做图表框架的一部分出现,而不是另外一个数据集出现。所以我们可以通过把它设置成宽1像素,深灰色,没有阴影来降低它的重要程度。

 我们首先在数据集中放置了一个数值为0的刻度线。由此执行代码后,Flotr2就会在0刻度线上面一层绘制实际的数据。

 

6、给图表添加标注

 给图表添加适当的标注。标注不仅包含所有的标题,也包含每个独立的数据集。同时为了使温度轴上的数字标记易于理解,我们还会给温度的刻度添加一个“℃”(摄氏度)的后缀。

 为每组数据添加标注,使用的是label属性。图表的标题我们用title属性来标注,然后,我们使用tickFormatter()函数来添加“℃”后缀。

<!DOCTYPE html>
<html>

    <head>
        <meta charset="UTF-8">
        <title></title>
    </head>

    <body>
        <div id="chart" style="width: 600px;height: 400px;"></div>
        <script src="js/flotr2.js"></script>
        <script>
            var co2 = [
                [1959, 315.97],
                [1960, 316.91],
                [1961, 317.64],
                [1962, 318.45],
                [1963, 318.99],
                [1964, 319.62],
                [1965, 320.04],
                [1966, 321.38],
                [1967, 322.16],
                [1968, 323.04],
                [1969, 324.62],
                [1970, 325.68],
                [1971, 326.32],
                [1972, 327.45],
                [1973, 329.68],
                [1974, 330.18],
                [1975, 331.08],
                [1976, 332.05],
                [1977, 333.78],
                [1978, 335.41],
                [1979, 336.78],
                [1980, 338.68],
                [1981, 340.10],
                [1982, 341.44],
                [1983, 343.03],
                [1984, 344.58],
                [1985, 346.04],
                [1986, 347.39],
                [1987, 349.16],
                [1988, 351.56],
                [1989, 353.07],
                [1990, 354.35],
                [1991, 355.57],
                [1992, 356.38],
                [1993, 357.07],
                [1994, 358.82],
                [1995, 360.80],
                [1996, 362.59],
                [1997, 363.71],
                [1998, 366.65],
                [1999, 368.33],
                [2000, 369.52],
                [2001, 371.13],
                [2002, 373.22],
                [2003, 375.77],
                [2004, 377.49],
                [2005, 379.80],
                [2006, 381.90],
                [2007, 383.77],
                [2008, 385.59],
                [2009, 387.37],
                [2010, 389.85],
                [2011, 391.62],
            ];
            var temp = [
                [1959, 0.0776],
                [1960, 0.0280],
                [1961, 0.1028],
                [1962, 0.1289],
                [1963, 0.1469],
                [1964, -0.1171],
                [1965, -0.0523],
                [1966, 0.0063],
                [1967, 0.0219],
                [1968, 0.0093],
                [1969, 0.1139],
                [1970, 0.0684],
                [1971, -0.0315],
                [1972, 0.0558],
                [1973, 0.1909],
                [1974, -0.0527],
                [1975, 0.0172],
                [1976, -0.0753],
                [1977, 0.1779],
                [1978, 0.0990],
                [1979, 0.1856],
                [1980, 0.2301],
                [1981, 0.2701],
                [1982, 0.1521],
                [1983, 0.3170],
                [1984, 0.1259],
                [1985, 0.1065],
                [1986, 0.1956],
                [1987, 0.3293],
                [1988, 0.3407],
                [1989, 0.2659],
                [1990, 0.3988],
                [1991, 0.3757],
                [1992, 0.2323],
                [1993, 0.2621],
                [1994, 0.3245],
                [1995, 0.4473],
                [1996, 0.3170],
                [1997, 0.5117],
                [1998, 0.6286],
                [1999, 0.4525],
                [2000, 0.4264],
                [2001, 0.5496],
                [2002, 0.6121],
                [2003, 0.6211],
                [2004, 0.5779],
                [2005, 0.6510],
                [2006, 0.5977],
                [2007, 0.5923],
                [2008, 0.5134],
                [2009, 0.5985],
                [2010, 0.6621],
                [2011, 0.5362],
            ];
            var zero = [];
            for (var yr=1959; yr<2012; yr++) { zero.push([yr, 0]); };
            window.onload = function() {
                Flotr.draw(
                    document.getElementById("chart"),
                    [{
                        data:zero,
                        label: "20<sup>th</sup>-Century Baseline Temperature",
                        line:{show:true,lineWidth:1},
                        yaxis:2,
                        showdowSize: 0,
                        color: "#545454"
                    },
                    {
                        data: co2,
                        label: "CO<sub>2</sub> Concentration (ppm)",
                        lines: {show: true,},
                    },
                    {
                        data:temp,
                        label: "Yearly Temperature Difference (°C)",
                        line:{show:true,},
                        yaxis:2
                    },
                    ],
                    {
                        title: "20<sup>th</sup>-世纪全球气温和co2浓度的关系图",
                        grid:{
                            horizontalLines:false,
                            verticalLines:false,
                        },
                        yaxis:{
                            min:300,
                            max:400,
                        },
                        y2axis:{
                            min:-0.15,
                            max:0.69,
                            tickFormatter:function(val){return val+" °C";}
                        }
                    }
                );
            }
        </script>
    </body>

</html>

tickFormatter属性会遍历对应轴上的每一个标记值,并对其进行格式化处理。

实际上,单个数据点不是可视化要关注的。我们其实是想要展现趋势——每一个数据集的趋势以及数据集之间的相关性。把这些点用线串连起来以引导用户获取正确的趋势,这才是可视化的核心价值。

 

 三、基础的饼图

 由于饼图并不能很有效地表达数据,所以在可视化大家庭中它并不是很受欢迎。

如果你要和其他值进行对比,那么首选柱状图。它基本上都能提供最好的可视化效果。

但有一种情况例外,当我们想要把单个值和总体进行比较时,饼图是非常有效的。举个例子来说,我们要看世界贫困人口的百分比。在这种情况下,饼图就能很好的胜任这个工作。接下来我们就要用Flotr2来构建一个这样的图表。

1、定义数据

var pieData =[[[0,22.4]],[[1,77.6]]];

有一个包含两个数据集的数组:一个是贫困人口的百分比(22.4)另一个是剩下的部分(77.6)。每一个数组本身还包含了一个数组。在这个例子中,饼图一般情况下在每个集合中只有一个点用x和y值来表示(在数组中把每一个这样的x,y值存成一个数组)。对于饼图来说,x值是不相干的,所以我们只是用简单的0,1来占位。

2、绘制图表

<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
        <title></title>
    </head>
    <body>
        <div id="chart" style="width: 300px;height: 300px;"></div>
        <script src="js/flotr2.js"></script>
        <script>
            var pieData =[[[0,22.4]],[[1,77.6]]];
            window.onload = function(){
                Flotr.draw(document.getElementById("chart"),
                    pieData,
                    {
                        pie:{show:true,},
                        yaxis:{showLabels:false,},
                        xaxis:{showLavels:false,},
                        grid:{
                            horizontalLines:false,
                            verticalLines:false,
                        }
                    }
                );
            }
        </script>
    </body>
</html>

需要让x和y轴的标注不可用,只需要在代码中设置showLabels属性为false。我们还需要关闭网格线,因为网格对于饼图并没有什么作用。我们只需要在代码中设置grid选项的verticalLines和HorizontalLines两个属性就可以完成。

3、标注数值

 为了区分每一个标注,我们不得不改变我们数据的结构。不用数组来存储,而是创建一个个对象来存储每一个集合。每一个对象的data属性将包含对应的数据点,我们还会创建一个label属性来放置文本标注内容。

var data = [
    {data: [[0,22.4]], label: "Extreme Poverty"}, 
    {data: [[1,77.6]]} 
];

现在,当我们调用draw()方法,我们只需要添加一个title的选项,Flotr2就会在图像上添加一个标题,并且根据我们的label属性来对饼图中的一部分做一个简单的图例说明。我们会在标题中提出一个问题,这使得图表更加吸引人。这也解释了我们为什么只标注了其中的一个区域:这个标注区域回答了标题中的问题

 

四、离散图

柱状图对于单一数据维度的可视化展现通常是非常有效的(就像我们之前创建的展现胜利场次的柱状图)。但如果我们想要探索两种不同类型数据之间的关系,离散型图表会更有效。 

 举个栗子:

想要展示一个城市健康体检的花费(一个维度)和平均寿命(另一个维度)之间的关系。

1、定义数据

var europe_data= [
    {  country: "Australia",   spending: 9.1,    life: 81.8  },
    {  country: "Austria",     spending: 11.0,   life: 80.7  },
    {  country: "Belgium",     spending: 10.5,   life: 80.3  },
    // Data ...

2、格式化数据

我们需要重构原始数据来匹配Flotr2对数据格式的需要。

我们一开始先定义一个空数组,然后循环源数据health_data,将源数据health_data中我们图表中需要的元素提取出来,push到data数组中

var scatterData = [];
            for(var i=0;i<europe_data.length;i++){
                scatterData.push([
                    europe_data[i].spending,
                    europe_data[i].life,
                ]);
            };

3、绘制数据

window.onload = function(){
                Flotr.draw(
                    document.getElementById("chart"),
                    [{
                        data:scatterData,
                        points:{show:true},
                    }]
                );
            }

首先一个是我们HTML文档中放置我们图表的元素,第二个是一个数组,里面存着图表的数据。通常,Flotr2可以在同一个图表中绘制多个数据集的内容,所以数组可能会有多个对象。因为在我们的例子中只绘制一个数据集,所以数组中只有一个对象。这个对象会识别data属性,并且告诉Flotr2用点来替代线展示(用points属性替换lines属性)。

注意看,有一些点压在了图表的边缘。

4、调整图表的轴

 但是Flotr2会自动计算每个轴的范围,且默认的算法结果通常间距都很小。 Flotr2有一个autoscale的选项,如果你设置了,类库会尝试找到合适的范围自动关联x、 y轴。

window.onload = function(){
                Flotr.draw(
                    document.getElementById("chart"),
                    [{
                        data:scatterData,
                        points:{show:true},
                    }],
                    {
                        xaxis:{min:5,max:20},
                        yaxis:{min:70,max:85},
                    }
                );
            }

我们在draw()方法中添加了第三个参数,包含我们想要的选项,在这个例子中是x和y轴属性。

 

5、标注数据

我们的图表目前看来很合理,但它并没有明确用户想看到的东西。我们需要添加一些标注来识别数据。再多加一些选项就可以阐明图表了。

window.onload = function(){
                Flotr.draw(
                    document.getElementById("chart"),
                    [{
                        data:scatterData,
                        points:{show:true},
                    }],
                    {
                        title:"健康体检花费与平均寿命关系",
                        subtitle:"2010OECD数据",
                        xaxis:{min:5,max:20,tickDecimals:0,title:"花费占GDP比重",tickFormatter:function(val){return val+"%"}},
                        yaxis:{min:70,max:85,tickDecimals:0,title:"年份"},
                    }
                );
            }

所有标题和次级标题都可以用title和subtile选项表示,当title属性在xaxis和yaxis选项中时,是用来命名这些轴的。除了添加标注,我们还要修改tickDecimals属性告诉Flotr2对于x和y轴的值不需要小数点。

tickFormatter属性会遍历对应轴上的每一个标记值,并对其进行格式化处理。

6、回答用户的需求

我们尤其想要抢先回答用户可能提出的问题,并且试着在图表中直接给出答案。在图表中至少暴露了三个问题:

1.都展示了哪些国家?

2.地区之间有哪些不同?

3.在右边远离其他数据的那个点是什么?

 我们解决这个问题的方法是将数据分成多个集合,并且用不同的颜色和标注表明。首先我们要把数据拆分到各个地区。

<!DOCTYPE html>
<html>

    <head>
        <meta charset="UTF-8">
        <title></title>
    </head>

    <body>
        <div id="chart" style="width: 600px;height: 400px;"></div>
        <script src="js/flotr2.js"></script>
        <script>
            var europe_data = [{
                country: "Austria",
                spending: 11.0,
                life: 80.7
            }, {
                country: "Belgium",
                spending: 10.5,
                life: 80.3
            }, {
                country: "Czech Republic",
                spending: 7.5,
                life: 77.7
            }, {
                country: "Denmark",
                spending: 11.1,
                life: 79.3
            }, {
                country: "Estonia",
                spending: 6.3,
                life: 75.6
            }, {
                country: "Finland",
                spending: 8.9,
                life: 80.2
            }, {
                country: "France",
                spending: 11.6,
                life: 81.3
            }, {
                country: "Germany",
                spending: 11.6,
                life: 80.5
            }, {
                country: "Greece",
                spending: 10.2,
                life: 80.6
            }, {
                country: "Hungary",
                spending: 7.8,
                life: 74.3
            }, {
                country: "Iceland",
                spending: 9.3,
                life: 81.5
            }, {
                country: "Ireland",
                spending: 9.2,
                life: 81.0
            }, {
                country: "Italy",
                spending: 9.3,
                life: 82.0
            }, {
                country: "Luxembourg",
                spending: 7.9,
                life: 80.7
            }, {
                country: "Netherlands",
                spending: 12.0,
                life: 80.8
            }, {
                country: "Norway",
                spending: 9.4,
                life: 81.2
            }, {
                country: "Poland",
                spending: 7.0,
                life: 76.3
            }, {
                country: "Portugal",
                spending: 10.7,
                life: 79.8
            }, {
                country: "Slovak Republic",
                spending: 9.0,
                life: 75.2
            }, {
                country: "Slovenia",
                spending: 9.0,
                life: 79.5
            }, {
                country: "Spain",
                spending: 9.6,
                life: 82.2
            }, {
                country: "Sweden",
                spending: 9.6,
                life: 81.5
            }, {
                country: "Switzerland",
                spending: 11.4,
                life: 82.6
            }, {
                country: "Turkey",
                spending: 6.1,
                life: 74.3
            }, {
                country: "United Kingdom",
                spending: 9.6,
                life: 80.6
            }, ];
            var pacific_data = [{
                country: "Australia",
                spending: 9.1,
                life: 81.8
            }, {
                country: "New Zealand",
                spending: 10.1,
                life: 81.0
            }, ];
            var americas_data = [{
                country: "Canada",
                spending: 11.4,
                life: 80.8
            }, {
                country: "Chile",
                spending: 8.0,
                life: 79.0
            }, {
                country: "Mexico",
                spending: 6.2,
                life: 75.5
            }, {
                country: "United States",
                spending: 17.6,
                life: 78.7
            }, ];
            var mideast_data = [{
                country: "Israel",
                spending: 7.5,
                life: 81.7
            }, ];
            var asia_data = [{
                country: "Japan",
                spending: 9.5,
                life: 83.0
            }, {
                country: "Korea",
                spending: 7.1,
                life: 80.7
            }, ];
            var us_data = [{
                country: "United States",
                spending: 17.6,
                life: 78.7
            }, ];

            var pacific = [],
                europe = [],
                americas = [],
                mideast = [],
                asia = [],
                us = [];
            for(i = 0; i < pacific_data.length; i++) {
                pacific.push([pacific_data[i].spending, pacific_data[i].life]);
            }
            for(i = 0; i < europe_data.length; i++) {
                europe.push([europe_data[i].spending, europe_data[i].life]);
            }
            for(i = 0; i < americas_data.length; i++) {
                americas.push([americas_data[i].spending, americas_data[i].life]);
            }
            for(i = 0; i < mideast_data.length; i++) {
                mideast.push([mideast_data[i].spending, mideast_data[i].life]);
            }
            for(i = 0; i < asia_data.length; i++) {
                asia.push([asia_data[i].spending, asia_data[i].life]);
            }
            for(i = 0; i < us_data.length; i++) {
                us.push([us_data[i].spending, us_data[i].life]);
            }
            window.onload = function() {
                Flotr.draw(
                    document.getElementById("chart"), 
                    [
                        { data: pacific,  label: "Pacific", points: {show:true} },
                        { data: europe,   label: "Europe", points: {show:true} },
                        { data: americas, label: "Americas", points: {show:true} },
                        { data: mideast,  label: "Middle East", points: {show:true} },
                        { data: asia,     label: "Asia", points: {show:true} },
                        { data: us,       label: "United States", points: {show:true} },
                    ], {
                        title: "健康体检花费与平均寿命关系",
                        subtitle: "2010OECD数据",
                        xaxis: {
                            min: 5,
                            max: 25,
                            tickDecimals: 0,
                            title: "花费占GDP比重",
                            tickFormatter: function(val) {
                                return val + "%"
                            }
                        },
                        yaxis: {
                            min: 70,
                            max: 85,
                            tickDecimals: 0,
                            title: "年份"
                        },
                        legend: {position: 最棒的 JavaScript 学习指南(2018版)

JavaScript 和 MySQL 数据库 [重复]

怎么学习d3.js

学会python可以做啥工作

Day 17前端工具升级之Javascript & jQuery

2021年前端最新技术是什么?本篇汇总完整前端学习路线图