分类目录归档：数据可视化
她是基于真实应用场景的敏捷数据中台而设计的产品,已成熟在多个大型企业应用多年,不仅是一个可视化低代码开发平台, 也是数据接口低代码, 甚至是业务系统低代码开发平台
支持多种混合布局, 对于普通报表可以使用响应式布局同时满足大屏, 电脑, 平板, 手机端的页面, 对于大屏也可使用拖拽辅助布局来配合自由开发模式(专业版)
她是面向开发者, 如果需要设计出来非常漂亮有个性的数据展现形式, 我们发现如果要达到这个目的, 不管用什么开发工具, 最终还是需要用户了解一些基础的html, css, ec
# 内置函数说明
ds_get(id) #输入目标数据集的id名, 可以获取目标数据集
ds_df(id) #输入目标数据集的id名, 转化成pandas的df对象
ds_sql(conn_name, sql_str) #输入连接池中的名称, SQL语句, 获取数据集
ds_list(df) #将pandas的df对象转化成数据集
# 读取Excel数据处理
import panda由于开发模板需要耗费一定的精力和服务器资源, 为了smartchart生态能稳定运行和鼓励大家开发模板, 所以一键应用模板的功能为有偿服务, 有需求可以象征性的贡献一杯咖啡的费用即可获取一个模板或一个云备份存储KEY 目前有偿服务有:
大多数示例将使用tipspandas测试中找到的数据集。我们将数据读入名为tips的DataFrame中，并假设我们有一个具有相同名称和结构的数据库表。
In [3]: url = ('https://raw.github.com/pandas-dev'
...: '/pandas/master/pandas/tests/data/tips.csv')
...:
In [4]: tips = pd.read_csv(url)
In [5]: tips.head()
Out[5]:
total_bill t### SELECT
tips[['total_bill', 'tip', 'smoker', 'time']].head(5)
### WHERE
tips[tips['time'] == 'Dinner'].head(5)
tips[(tips['time'] == 'Dinner') & (tips['tip'] > 5.00)]
tips[(tips['size'] >= 5) | 我们有什么不一样:
pip install smar
//行列替换
function ds_transform(dataset)
//将第一列拆分成多个字段,默认逗号分隔, 如果不传表头,取SQL中的字段名拆分
function ds_split(data,sep=',',head_add=[])
//获取第一列的名称
function ds_rowname(dataset,start_row=1)
//移除指定指定的列
function ds_remove_column(dataset,remove_list=[0])
// data表示传入的二位数组,生成结果表示为key->[]
A platform that Connect Data to Echarts.
