Java程式設計開發之資料圖表分析模型

PivotalCloud發表於2021-03-01
Java程式設計模型

6P6qIJ.jpg

資料統計分析

多曲線圖表分析實現

基本需求分析

假設在怪獸出沒的年歲，加上年關在即，需要統計分析各個道路卡口車流量出入統計，主要從車流量和車牌地角度出發。如圖所示的業務需求：

道路卡口-車流量分析：

道路卡口-車流量分析

道路卡口-車牌地分析：
道路卡口-車牌地分析

  1. 主要從車流量和車牌地2個緯度去分析與統計對應的流量資料
  2. 橫向與縱向分析：X軸和Y軸各自有3條曲線[總數=進關數+出關數]
  3. 不同的時間緯度：按天統計[預設當天以及最近30天]和按月統計
  4. 不同道路卡口統計：不同卡口以及卡口組統計資料

業務需求分析

道路卡口-車流量分析

道路卡口-車流量分析

  1. 統計時間維度：按天統計[最近30天和當前某天的統計資料]和按月統計
  2. 橫向對比分析：以採集時間為X軸，展示某一天的整點和半小時時刻的車輛進關與出關數量，以及車流量總數
  3. 縱向對比分析：以車流量為Y軸，展示某一天的整點和半小時時刻的車輛進關與出關數量，以及車流量總數
  4. 圖表資料指標：車流量總數, 進關暑數量以及出關數量
道路卡口-車牌地分析

道路卡口-車牌地分析

  1. 統計時間維度：按天統計[最近30天和當前某天的統計資料]和按月統計
  2. 橫向對比分析：以車牌歸屬地為X軸，展示對應所屬地區的相關車輛進關與出關數量，以及車流量總數
  3. 縱向對比分析：以車流量為Y軸，展示對應所屬地區的相關車輛進關與出關數量，以及車流量總數
  4. 圖表資料指標：車流量總數, 進關暑數量以及出關數量
  5. 資料排序：按照風險等級排序，對應的車牌流量分析

編碼邏輯分析與實現

  1. 定義圖表分析資料模型[Analysis Model]
// 定義資料模型
Map<String, Object> dataModel =Maps.newConcurrentMap();
// 定義X與Y軸資料模型
Map<String, Object> dataMap = Maps.newConcurrentMap();
// 車流量總數
dataModel.put("total", dataMap);
// 進關總數
dataModel.put("enter", dataMap);
// 出關總數
dataModel.put("leave", dataMap);
  1. 確定X軸與Y軸座標系資料：
// 定義X與Y軸資料模型
Map<String, Object> dataMap = Maps.newConcurrentMap();
// 定義X軸資料模型
List<String> xList = Lists.newLinkedList();
// 定義Y軸資料模型
List<Object> yList = Lists.newLinkedList();
// 定義指標資料模型
BigDecimal count = BigDecimal.ZERO;
// .... ToDO 業務程式碼實現
dataMap.put("xAxis",xlist);
dataMap.put("yAxis",yList);
dataMap.put("count",count.intValue());

[⚠️注意事項]
1.上述模型屬於複合型資料分析列表資料模型
2.簡單資料模型分析，一般只用：

// 定義X與Y軸資料模型
Map<String, Object> dataMap = Maps.newConcurrentMap();
// 定義X軸資料模型
List<String> xList = Lists.newLinkedList();
// 定義Y軸資料模型
List<Object> yList = Lists.newLinkedList();
// .... ToDO 業務程式碼實現
dataMap.put("xAxis",xlist);
dataMap.put("yAxis",yList);

餅狀圖表分析實現

假設在怪獸出沒的年歲，加上年關在即，需要統計分析各個道路卡口車流量出入的佔比，主要從風險等級和風險區角度出發。如圖所示的業務需求：

風險等級分析
風險等級分析

  1. 主要從風險等級[高,中,低]統計分析資料的佔比
  2. 統計時間維度:按照天統計[當天]，按照周統計[最近七天]以及按照月統計[最近30天的資料]

風險區域比例
風險區域比例

  1. 主要從風險區域維度統計車牌歸屬地分析資料的佔比
  2. 統計時間維度:按照天統計[當天]，按照周統計[最近七天]以及按照月統計[最近30天的資料]

版權宣告：本文為博主原創文章，遵循相關版權協議，如若轉載或者分享請附上原文出處連結和連結來源。

相關文章