Echarts vs G2

先上结论

直接上Echarts,不要犹豫,犹豫就是浪费自己的生命!除非是绘图大佬,比如d3用户!

简单来说前者是面向官网编程,后者是面向源码编程!

都没用过

如果都没有用过,直接上Echarts,不要浪费对比时间!

只用过Echarts

如果用过Echarts,不要浪费自己经验,让你的经验产生更多的价值!

只用过G2

如果还没用过Echarts,对比完会就会发现,Echarts有多好!

都用过

都用过的人,还要继续选择G2,真大佬!

G2 缺点

这些缺点来源于G2实现一个chart性能优化的填坑总结。

1. 文档

首当其冲是官方文档,文档比较鸡肋。

  • 文档介绍概念,缺少详细说明
  • 文档之间相互跳转,但是找不到详情介绍,比如某个函数的参数是什么?很难找到,只能被迫翻源码

2. 可读性

暴露的公共接口名称过于抽象化,只能参考官方示例,然后比葫芦画瓢,短时间内无法自由组合"创造"新功能

3. 语法问题

  • 虽然支持选项式和组合式两种方式,但是选项式的demo少得可怜
  • 组合式很容易误导多种图形渲染只能多次提交渲染,但是等到数据分组很多时候,多次添加mark是性能炸弹,优化方式就是合并提交,但是没有找到如何做

4. 性能相关优化功能缺失

  • 分层渲染,动静分离,提升渲染性能
  • 增量渲染,大数据量分批渲染,减少阻塞时间

G2 优点

首先能接受上边的缺点,还要选它,剩下的全是优点😁

相关推荐
十三画者6 小时前
【文献分享】abCRISPR:基于深度学习的脱碱基gRNA理性设计框架
人工智能·深度学习·数据挖掘·数据分析·数据可视化
蚂蚁集团数据体验技术6 小时前
推荐免费工具,AntV 开源社区出品数据可视化产品 Sive
github·agent·数据可视化
张人玉12 小时前
茶树 NeRF(Neural Radiance Fields,神经辐射场)三维重建与数据分析可视化系统——基于神经辐射场的茶树三维重建方法实现可视化大屏
python·数据挖掘·数据分析·echarts·three.js
一晌小贪欢13 小时前
Python办公16:PDF 强力缝合——将几十个 PDF 合并为单个文档并添加页码
开发语言·python·excel·数据可视化·python办公
躺柒13 小时前
读数据可视化14空间标量场(下)
信息可视化·数据挖掘·数据分析·数据可视化·空间分析
躺柒13 小时前
读数据可视化15大规模多变量空间数据(上)
信息可视化·可视化·数据可视化·空间计算·空间
paopaokaka_luck1 天前
基于springboot3+vue3的车间生产管理系统(Echarts图形化分析、BI报表)
java·前端·spring boot·学习·echarts
CoovallyAIHub1 天前
客户问交期、报价、配置?销售最值钱的时间不该花在翻资料上,这中间差了一张客户信息拼图
agent·数据可视化
一晌小贪欢1 天前
Python办公14:批量解压文件夹内的所有 ZIP/RAR 并自动分类
开发语言·python·excel·数据可视化·python办公
paopaokaka_luck1 天前
基于springboot3+vue3+uniapp的剧本杀预约小程序(AI角色对话、协同过滤算法、地图Api、Echarts图形化分析)
java·前端·spring boot·学习·echarts