DataV首次实战分享：教你30分钟创建汽车大屏

先看一下汽车大屏： https://datav.aliyun.com/share/20acd88491367bf262fcb1e862ee8f1c

我是一个技术男，同样也是个汽车爱好者，上个月买了辆的宝马，却发现路上的“宝马越来越多”(⊙﹏⊙)b ……
我喜欢钻研技术，也喜欢钻研汽车，最近研究了一下数据可视化，发现用datav可以玩出一些花样，这次就分享一下我做汽车数据大屏的经验。

没数据是不行的，首先七拼八凑了一些汽车数据，然后……

清洗数据

我找到的数据是这样的

看到这尺寸我就吐了…… 真是什么格式都有。

作为一个前端，用 javascript 简单的把他转化成了一个统一、干净的格式还是很容易的，相同尺寸的人数也统计（加）起来

var car = {}; require("tongji.txt") .split("/n") .forEach(function(v){   var [size, num] = v.split("/t");   size = size.replace(/^/D*(/d{4})/D*?(/d{4})/D*?(/d{4})/D*$/g, '$1*$2*$3')   if (!car[size]) car[size] = 0;   car[size] += num*1;  });  /* car = {   4369*1802*1445: 1,   4430*1793*1399: 2,   4484*1798*1577: 1,   4567*1786*1454: 1,   4670*1780*1435: 1,   4671*1815*1478: 1,   4714*1810*1442: 1,   4929*1898*1655: 1,   5090*1926*1900: 1,   5300*1800*1600: 1,   //... } */ 

清洗好的数据，就存入数据库

匹配车型

数据虽然干净了，但我还是有点不放心，通过车辆尺寸真的能找到车型？

找了一个车型库，简单写一个 SQL 测试一下

select    concat(`长度(mm)`, '*', `宽度(mm)`, '*', `高度(mm)`) as size,    count(distinct 车系) as cnt,   group_concat(distinct 车系)  from models  group by size  order by cnt desc  limit 1000 

得到的结果都是如下表一样，都是同品牌的相似车型，应该对结果不会有太大影响。
再连接上我的测试数据，结果几乎只是国产、进口的区别。

为了计算方便，我再把 size 直接转化成了车型 id，这样数据就算准备好了。

DataV 上场

首先选了一个最顺眼的模板（技术男一般喜欢冷色，除非你心里住了一只小绵羊，才会选择“双11”的同款大屏）

我暂时没有什么地理数据，所以人人喜爱的地图，这次就删掉了，如果有人想看地图的操作分享，可以给我留言，我会再做异常关于地图可视化的分享。

先把指标想好，把模块的标题改成想要的指标，不知道想看什么指标，就像我一样，神秘点——数据探索。

中间想要一个车系分布，这么大的区域可以列出很多车了。

添加一个饼图，调整好位置后直接选择到已经建好的数据库，

输入sql

select sum (l.num) as y, 车系 as x   from stats as l   left join models as c on c.id = l.car  group by x order by y desc  limit 30; 

效果不满意，怎么办？再教你一招设计

然后再添加一些组件丰富一下

再增加几个个查询：

/* 总价值 */ select sum(num * price)*10000 as value from stats as l  left join models as c on c.id = l.car; /* 车辆总数 */ select sum(num) as value from stats /* 平均车价 */ select sum(num*price)/sum(num) as value from stats left join models as car on car.id = stats.car; /* 排量分布 */ select sum(l.num) as y, `排量(L)` as x from stats as l  left join models as c on c.id = l.car  group by `排量(L)`  order by x asc limit 20 /* 60万以内的价格分布 */ select sum(l.num) as y, concat(ceil(price/5)*5,"万") as x from stats as l  left join models as c on c.id = l.car  where price < 60 group by FLOOR(price/5) order by FLOOR(price/5) asc 

这样就完成了中部的开发。

同样的方法给左侧添加数据，上面两个组件并不是我的style。先换掉，注意换掉组件的时候，数据源要重新选择一次。

右边也就以此类推啦，其实不一定要等想好了所有指标才动手。在做这个屏的时候，当数据输出成图表的瞬间，我经常会得到更有意思的想法。这个时候动手改改sql，也许更棒的指标就出来了。

做大屏重要的就是设计和数据：

设计方面：

如果你像我一样，是位个人爱好者，可以多去看看好莱坞大片，提升下数据审美。

如果你在一家有设计资源的企业，那就让他帮你做个视觉定位。一般是中间指标最关键，然后左边一栏指标是一条业务线，右边一栏指标是一条业务线，方便解读。

数据方面：

如果是个人学习，就到网上找点公开数据，或者直接在页面编辑静态数据。

如果是企业，那就按照企业的要求指标计算好，然后从数据读实时来读， DataV的数据一栏中可以设置多久读一次库。

除此之外，我其实还是个数据分析师，如果你有数据不知道怎么分析，也可以留言给我，我可以帮你用 DataV深入分析下。记住，汽车数据优先哦！

给DataV留个传送门，还没买的人可以看下，1块钱3个月，一般人我不告诉他。

本文为ImapBox原创文章，未经允许不得转载，如需转载请联系market#csdn.net(#换成@)