java+highchart实现分类下钻柱形图(续)

本文是上篇java+highchart实现分类下钻柱形图的续集.
本篇重点阐述方式二的实现. 最为上篇中的方式一的补充和优化.

如前篇所述, 方式一, (1)查询数据库次数太多, 而且(2)不利于数据处理成前台要求的格式,毕竟数据库获取到的数据是这种List<Object[]>形式, 需要手动遍历封装, 非常繁琐. 另外, (3)存在硬编码的问题.

我们知道, 如果给你一个封装好的Javabean要比给你零散的数组或者集合要好很多, 尤其是这种有层次的树形数据结构.

针对上述问题, 笔者考虑加入中间环节: 将数据库获取的数据封装成Javabean, 流程变为: 数据库(或者其他数据源)->封装成Javabean->再其基础上再解析成highchart(或者其他可视化框架)要求的格式->响应... 而不是方式一的, 获取数据源->解析->....

缘起于此, 想到干脆写一个小插件, 专门用来将数据源封装成一个Javabean.

插件: 封装数据集

实现了前端数据格式和后台数据库的解耦.

不论数据源, 只要查询出的数据格式符合本插件要求的样式.
前台不论需要什么格式数据, 只需要在本插件封装好的Javabean基础上操作即可. 操作一个Javabean要轻松太多.

插件名称: pcddatahelper.jar, 已经上传至GitHub.

插件下载地址:https://github.com/Nisus-Liu/pcddatahelper

关于插件的使用, README.md, demo案例以及javadoc, 已经很详细的说明.

多说一句, 为什么取名: pcddatahelper.

pcd: province, city, district.

笔者将所有形如省>市>区具有层次关系的树形数据集统称为pcd data(很形象和简洁, 再加有创意有米有O(∩_∩)O哈哈~).

解析成highchart数据格式

这里没有太大难度, 就是递归的时候要费点脑力. 这样可以实现智能的向下钻取. 不论多少层, 只要服务器扛得住.
Service层代码:

主要方法

    public Map<String, Object> getData4DrillDownChart3() {
        //获取数据源,解析成PCDEntity
        List<Object[]> dataframe = areaDao.findByGroupLowestLevel();
        //自定义聚合计算器,用来生成百分比
        PCDDataHelper helper = new PCDDataHelper(new Aggregator() {
            @Override
            public void aggregate(PCDEntity[] pcdEntities) {
                double sum = pcdEntities[0].getParent().getValue().doubleValue();
                for (PCDEntity pcdEntity : pcdEntities) {
                    //计算份额,并更新statValue字段
                    pcdEntity.setStatValue(pcdEntity.getValue().doubleValue() / sum * 100);
                }
            }
        });
        wtgroup.pojo.PCDEntity root = helper.buildPCDEntity(dataframe, new int[]{0, 1, 2}, new int[]{0, 1, 2}, 3);
        root = helper.statPCDEntity(root);
        System.out.println(root);

        //处理数据,满足highchart格式要求
        return parsePCDEntity4Highchart(root);


    }

辅助方法

(1)针对highchart要求解析

    private Map<String, Object> parsePCDEntity4Highchart(PCDEntity root) {
        Series series = new Series();
        //定义一个Series类的集合,用来存储drilldown:series
        List<Series> drilldownSeries = new ArrayList<Series>();

        series.setName("分区分布");
        series.setId("subArea");
        //递归钻取数据
        drilldown(root, series, drilldownSeries);

        // 将series和drilldownSeries返回给action
        HashMap<String, Object> drilldownData = new HashMap<>();
        drilldownData.put("series", series);
        drilldownData.put("drilldownSeries", drilldownSeries);
        return drilldownData;

    }

(2)递归

    //向下递归解析数据
    private void drilldown(PCDEntity pcdEntity, Series series, List<Series> drilldownSeries) {
        if (pcdEntity.isLeaf()) {
            return;
        }
        Series sery = new Series();
        sery.setName(pcdEntity.getName());
        sery.setId(String.valueOf(pcdEntity.getId()));

        List<Series.Point> data = new ArrayList<>();
        for (PCDEntity e : pcdEntity.getChildren()) {
            Series.Point point = new Series.Point();
            point.setName(e.getName());
            point.setY(e.getStatValue().doubleValue());
            point.setDrilldown(String.valueOf(e.getId()));
            data.add(point);
            drilldown(e, series, drilldownSeries);
        }

        sery.setData(data);
        //区分根节点和非根节点
        //根节点时,sery添加至series,非根节点时添加至drilldownSeries
        if (!pcdEntity.isRoot()) {
            drilldownSeries.add(sery);
        } else {
            series.setData(data);
        }

        return;
    }

效果

省级分布

第一层

市级分布

第二层

区级分布

第三层

Thanks for reading~

最后编辑于：2018.01.14 04:14:33