echarts二次封装之再研究
By
admin
at 2018-08-29 • 2人收藏 • 3013人看过
aar里table和json格式可以相互转换，所以，echarts里用的json格式，可以由aar中的table来代替，只需要执行之前转换下。
table在aar之中是十分常见的，可以操作的空间巨大。
那么是不是可以利用这个特性来赋值和操作echarts呢
首先要解决的问题就是table中加入新的属性和覆盖老的属性问题：
import console;
var option = {};
option.xAxis = table.mixin(option.xAxis,{type = "line";});
console.dumpJson(option)
option.xAxis = table.mixin(option.xAxis,{boundaryGap = false;});
console.dumpJson(option)
console.pause(true);上面混入x轴一些参数，可以看出一条条来加属性是没有问题的。
于是，程序逻辑就可以很简洁了。把需要用到的属性一条条的拷贝进去就好了。
9 个回复 | 最后更新于 2023-07-31
根据以上写了第一个测试程序：
import win.ui;
/*DSG{{*/
var winform = win.form(text="aardio form";right=759;bottom=469)
winform.add(
button={cls="button";text="Button";left=678;top=412;right=763;bottom=468;z=1}
)
/*}}*/
import web.json;
import web.blink.form;
var wbForm = web.blink.form(winform);
wbForm.go("\res\echartsHtml\main.html")
绘制图表 = function(_web,optionTab){
var str ="option = " ++ web.json.stringify(optionTab,false,false) ++ ";myChart.setOption(option);";
_web.doScript(str);
}
x坐标轴类型设置 = function(optionTab,index){
var str = "value";
select(index) {
case "数值轴" {
str = "value";
}
case "类目轴" {
str = "category";
}
case "时间轴" {
str = "time";
}
case "对数轴" {
str = "log";
}
else {
}
}
optionTab.xAxis = table.mixin(optionTab.xAxis,{type = str});
}
x坐标轴数据设置 = function(optionTab,dataTab){
optionTab.xAxis.data = table.mixin(optionTab.xAxis.data,dataTab);
}
y坐标轴类型设置 = function(optionTab,index){
var str = "value";
select(index) {
case "数值轴" {
str = "value";
}
case "类目轴" {
str = "category";
}
case "时间轴" {
str = "time";
}
case "对数轴" {
str = "log";
}
else {
}
}
optionTab.yAxis = table.mixin(optionTab.yAxis,{type = str});
}
系列列表类型设置 = function(optionTab,index){
var str = "line";
select(index) {
case 1 {
str = "line";
}
case 2 {
str = "bar";
}
case 3 {
str = "pie";
}
case 4 {
str = "scatter";
}
else {
}
}
optionTab.series = table.mixin(optionTab.series,{type=str});
}
系列列表数据设置 = function(optionTab,dataTab){
optionTab.series.data = table.mixin(optionTab.series.data,dataTab);
}
系列列表其他属性设置 = function(optionTab,dataTab){
optionTab.series = table.mixin(optionTab.series,dataTab);
}
var option = {};
x坐标轴类型设置(option,"类目轴");
x坐标轴数据设置(option,{ 0 });
y坐标轴类型设置(option,"数值轴");
系列列表类型设置(option,1);
系列列表数据设置(option,{ 0 });
系列列表其他属性设置(option,{smooth = true});
绘制图表(wbForm,option);
var tmId = winform.addtimer(
200,
function(hwnd,msg,id,tick){
if(#option.xAxis.data > 50000){
option.xAxis.data = {0};
option.series.data = {0};
}else {
table.push(option.xAxis.data,option.xAxis.data[#option.xAxis.data]+1);
table.push(option.series.data,math.random(0,2200));
}
绘制图表(wbForm,option);
}
)
winform.button.oncommand = function(id,event){
option.xAxis.data = {0};
option.series.data = {0};
}
winform.show();
win.loopMessage();
return winform;
调整窗口大小时候echarts图表随着改变大小:
winform.wndproc = function(hwnd,message,wParam,lParam){
select( message ) {
case 5/*_WM_SIZE*/{
//鼠标右键弹起,下面获取坐标
var str ="myChart.resize();";
wb.doScript(str);
}
}
}以上代码, 经过测试,发现:
用webkit的话, 如果界面最小化之后,再还原, 图表就会一片空白. 最大化的时候,不会随着改变大小
用blink的话, 就没有以上的烦恼, 但是, blink体积大, 加载图表的速度明显没有webkit快.....
小纠结....
找到了小纠结哪个问题的原因了:
就是改变窗体大小和最大最小化的时候,瞬间dojs()窗体还没来得及执行改变大小的消息,
所以,只需要异步执行改变大小的那个函数resize()就可以了.
import thread.command
var msg = thread.command()
msg.waitc = function(){
win.delay(1);
var str ="myChart.resize();";
wb.doScript(str);
}
winform.wndproc = function(hwnd,message,wParam,lParam){
select( message ) {
case 5/*_WM_SIZE*/{
//鼠标右键弹起,下面获取坐标
thread.command.post("waitc");
}
}
}上面利用了thread.command指令来模拟异步操作, 中间延迟了1ms使窗体能执行完消息, 然后图表才开始resize()
经过测试, blink和 webkit 都没用问题了.
可以不用去纠结了...哈哈
调用C语音卡尔曼滤波
原贴地址:http://www.stm32cube.com/article/147
上图是我在aar里直接调用C语言的那个卡尔曼产生的波形.
感觉不忍直视,算法肯定调用有错误,这个aar调用c函数看来应该不像想象中那样用....
var data1string ,data2string,data3string = "{data:[","{data:[","{data:[";
//aardio调用C语言函数
var code = /****
#include <stdio.h>
#include <stdlib.h>
long KalmanFilter(long ResrcData)
{
/*-------------------------------------------------------------------------------------------------------------*/
/*
Q:过程噪声，Q增大，动态响应变快，收敛稳定性变坏
R:测量噪声，R增大，动态响应变慢，收敛稳定性变好
*/
/*-------------------------------------------------------------------------------------------------------------*/
static long R = (int32_t)(128*1024);
static long Q = (int32_t)4;
static long Counter1 ;
static long Counter2;
static long x_last;
static long p_last; // 应赋初始估计值
long x_mid;
long x_now;
long p_mid ;
long p_now;
ResrcData *= 1024;
x_now = ResrcData - x_last;
if(x_now < 0)
{
x_now *= -1; // 取绝对值
}
if(x_now >= 32*1024) // 如果测量值连续比估计值大或小 相信测量值，加速迭代
{
Counter1++;
Counter2 = 0;
if(Counter1 > 10)
{
R = 512;;
Q = 128;
}
}
else // 数据比较稳定，加强滤波
{
Counter1 = 0;
Counter2++;
if(Counter2 > 10)
{
R = (int)(128*1024);
Q = (int)4;
}
}
x_mid = x_last; // x_last=x(k-1|k-1),x_mid=x(k|k-1)
p_mid = p_last + Q; // p_mid=p(k|k-1),p_last=p(k-1|k-1),Q=噪声
// kg = p_mid/(p_mid + R); //kg为kalman filter，R为噪声
// x_now = x_mid+kg*(ResrcData - x_mid);// 估计出的最优值
x_now = x_mid + (p_mid*(ResrcData - x_mid))/(p_mid + R);
// p_now = (1 - kg)*p_mid; // 最优值对应的covariance
p_now = p_mid - p_mid*p_mid/(p_mid + R); // 最优值对应的covariance
p_last = p_now; // 更新covariance值
x_last = x_now; // 更新系统状态值
x_now /= 1024;
if((x_now > 4096)||( x_now < 0))
{
x_last = ResrcData;
p_now = ResrcData;
x_now = ResrcData/1024;
}
return (int)x_now;
}
****/
mainForm.button2.oncommand = function(id,event){
//mainForm.msgbox( mainForm.button2.text );
import console;
import tcc;
console.open()
var vm = tcc( ); //创建TCC编译器
vm.compile(code); //编译C源码
//调用C函数
var data1,data2 = 0,0;
for(i=1;179;1){
data1 = math.round(math.sin(math.rad(i))*500);
data2 = math.round(math.sin(math.rad(i))*500) + math.random(-5, 5);
var ret = vm.KalmanFilter(data2);
console.log( "C函数返回值2",data1,data2, ret )
data1string = data1string ++ data1 ++ ",";
data2string = data2string ++ data2 ++ ",";
data3string = data3string ++ ret ++ ",";
//console.more(50)
}
}
mainForm.button3.oncommand = function(id,event){
//mainForm.msgbox( mainForm.button3.text );
var datastr;
var datalist_start = "var option = { series:["
var datalist_end = "] }; myChart.setOption(option);";
datastr = datalist_start ++ data1string ++ "]},"++ data2string ++ "]},"++ data3string ++ "]}," ++ datalist_end;
wbKitView.doScript(datastr);
}转换之后
/*
Q:过程噪声，Q增大，动态响应变快，收敛稳定性变坏
R:测量噪声，R增大，动态响应变慢，收敛稳定性变好
*/
var aar_R = 1024*10//128*1024;
var aar_Q = 250//4; //让其收敛快点
var aar_Counter1 = 0 ; //aardio中必须赋值,要不然就是null
var aar_Counter2 = 0 ;
var aar_x_last = 0 ;
var aar_p_last = 0; // 应赋初始估计值
var aar_x_mid = 0;
var aar_x_now = 0;
var aar_p_mid = 0 ;
var aar_p_now = 100;
aar_KalmanFilter = function( ResrcData){
ResrcData *= 1024;
aar_x_now = ResrcData - aar_x_last;
if(aar_x_now < 0)
{
aar_x_now = math.abs(aar_x_now); // 取绝对值
}
//下面的动态判断更改R和Q被我注释掉了,是一楼中的图形就是这个导致的..变成了阶梯状
/*
if(aar_x_now >= 32*1024) // 如果测量值连续比估计值大或小 相信测量值，加速迭代
{
aar_Counter1++;
aar_Counter2 = 0;
if(aar_Counter1 > 10)
{
aar_R = 512;;
aar_Q = 128;
}
}
else // 数据比较稳定，加强滤波
{
aar_Counter1 = 0;
aar_Counter2++;
if(aar_Counter2 > 10)
{
aar_R = 128*1024;
aar_Q = 4;
}
}
*/
aar_x_mid = aar_x_last; // x_last=x(k-1|k-1),x_mid=x(k|k-1)
aar_p_mid = aar_p_last + aar_Q; // p_mid=p(k|k-1),p_last=p(k-1|k-1),Q=噪声
// kg = p_mid/(p_mid + R); //kg为kalman filter，R为噪声
// x_now = x_mid+kg*(ResrcData - x_mid);// 估计出的最优值
aar_x_now = aar_x_mid + (aar_p_mid*(ResrcData - aar_x_mid))/(aar_p_mid + aar_R);
// p_now = (1 - kg)*p_mid; // 最优值对应的covariance
aar_p_now = aar_p_mid - aar_p_mid*aar_p_mid/(aar_p_mid + aar_R); // 最优值对应的covariance
aar_p_last = aar_p_now; // 更新covariance值
aar_x_last = aar_x_now; // 更新系统状态值
aar_x_now /= 1024;
if((aar_x_now > 4096)||( aar_x_now < 0))
{
aar_x_last = ResrcData;
aar_p_now = ResrcData;
aar_x_now = ResrcData/1024;
}
return aar_x_now;
}同样的,把C的那个还保留着,在程序中增加了aar的卡尔曼滤波,这样也可以对比C在aar中执行是不是和直接在aar写的函数一致..
将C写的卡尔曼R和Q分别改为10*1024和4 ,将aar写的滤波RQ分别改为10*1024和250
运行后,得出以下波形
可以看出:
C函数在aar中能够很好的被支持调用,滤波中的Q值影响的确实是收敛的速度,上图汇总蓝色线是C中的Q是4, 棕色线是aar中的Q是250, 棕色的明显比蓝色的收敛的速度快
再次将两种方式的RQ中的Q都设为250的收敛速度,将aar中的R值改为1024,而C中的R值改为1024*10,运行后如下图
在C程序中再次加入滑动滤波算法:
long value_buff[10]={0}; //N相当于选定一个窗口大小，对窗口数据做平均！
char i=0;
char j=0;
long hdfilter(long hddata)
{
char count;
long sum=0;
value_buff[j++] = hddata;
i++;
if(j>=10){
j = 0;
}
if(i>=10)
{
i = 9;
for(count=0;count<10;count++)
sum += value_buff[count];
return (long)(sum/10);
}else {
for(count=0;count<i;count++)
sum += value_buff[count];
return (long)(sum/i);
}
}调用滑动滤波,增加曲线到图中,动态效果图如下:
可以看到,滑动滤波效果和卡尔曼滤波效果差不多,某些突变比较厉害的地方卡尔曼更胜一筹.
回复#8 @google88 :
就这个文件, 其他帖子里都是用的这个.
调用html5图标控件之百度echarts - 上位机开发笔记 (chengxu.xyz)
<!doctype html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<script src="js/echarts.min.js"></script>
<style type="text/css">
#main { height:100% ; width:100%; position:absolute;}
body { margin:0px; padding:0px; overflow:hidden;}
</style>
</head>
<body>
<!-- 为ECharts准备一个具备大小（宽高）的Dom -->
<div id="main"></div>
</body>
</html>登录后方可回帖
下面开始模拟下table操作，看看能不能达到效果
import console; var xx = function(retTab,index){ select(index) { case 1 { retTab.xAxis = table.mixin(retTab.xAxis,{type = "aaaa"}); } case 2 { retTab.xAxis = table.mixin(retTab.xAxis,{type = "bbbb"}); } case 3 { retTab.xAxis = table.mixin(retTab.xAxis,{type = "cccc"}); } case 4 { retTab.xAxis = table.mixin(retTab.xAxis,{type = "dddd"}); } else { retTab.xAxis.type = null;//删除 } } } var yy = function(retTab,data){ retTab.xAxis.data = table.mixin(retTab.xAxis.data,data); } var retTab = {}; var data = {"aa";"bb";"cc"} xx(retTab,1); yy(retTab,data); console.dumpJson(retTab) xx(retTab,2); console.dumpJson(retTab) xx(retTab,5); console.dumpJson(retTab) console.pause(true);以上模拟了两个函数，一个写入轴的属性，一个写入轴数据，
测试了，写入，修改，删除功能