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
Cherry的跨界思维36 分钟前
【AI测试全栈:Vue核心】19、Vue3+ECharts实战:构建AI测试可视化仪表盘全攻略
前端·人工智能·python·echarts·vue3·ai全栈·ai测试全栈
叫我:松哥4 小时前
基于 Flask 的音乐推荐与可视化分析系统,包含用户、创作者、管理员三种角色,集成 ECharts 进行数据可视化,采用混合推荐算法
开发语言·python·信息可视化·flask·echarts·pandas·推荐算法
holidaypenguin4 小时前
【转】跨浏览器 Canvas 图像解码终极方案:让大图渲染也能丝滑不卡顿
前端·canvas
希艾席帝恩5 小时前
数字孪生赋能水利行业转型升级的关键路径
大数据·人工智能·数字孪生·数据可视化·数字化转型
databook16 小时前
数据可视化五大黄金原则:让你的图表“会说话”
python·数据分析·数据可视化
ayingmeizi1631 天前
AI赋能·精准增长,工业金属材料企业的AI CRM全链路解决方案
大数据·人工智能·重构·数据可视化·crm
啊花是条龙2 天前
《产品经理说“Tool 分组要一条会渐变的彩虹轴,还要能 zoom!”——我 3 步把它拆成 1024 个像素》
前端·javascript·echarts
databook3 天前
前注意加工:让你的图表抓住读者的眼球
python·数据分析·数据可视化
普兰店拉马努金4 天前
【Canvas与旗帜】标准比例挪威国旗
canvas·旗帜·挪威
databook5 天前
格式塔原理:数据可视化如何引导观众的注意力
python·数据分析·数据可视化