( 1 )平面线图
生成平面线图:
Java代码
1.JFreeChart chart = ChartFactory. createLineChart(String title, // 图标题
2. String categoryAxisLabel, //x 轴标题
3. String valueAxisLabel, //y 轴标题
4. CategoryDataset dataset, // 数据源
5. PlotOrientation orientation, // 显示方向
6. boolean legend, // 是否显示图例
7. boolean tooltips, // 是否显示 tooltip
8. boolean urls); // 是否指定 url
JFreeChart chart = ChartFactory. createLineChart(String title, // 图标题
String categoryAxisLabel, //x 轴标题
String valueAxisLabel, //y 轴标题
CategoryDataset dataset, // 数据源
PlotOrientation orientation, // 显示方向
boolean legend, // 是否显示图例
boolean tooltips, // 是否显示 tooltip
boolean urls); // 是否指定 url
平面线图除了的 Plot 对象中绘制单元对象是 LineAndShapeRenderer 对象,其他一切组成对象与平面柱状图相同。
获取 Renderer 操作:
Java代码
1.LineAndShapeRenderer renderer=(LineAndShapeRenderer) plot.getRenderer();
LineAndShapeRenderer renderer=(LineAndShapeRenderer) plot.getRenderer();
其他参考平面柱状图。
( 2 ) 3D 线图
对应工厂方法为 createLineChart3D ,参数与 createLineChart 相同。 3D 线图的组成对象除了绘制单元对象是 LineAndShapeRenderer3D 对象,其他一切组成对象与 3D 柱状图相同。
Java代码
1.import org.jfree.chart.ChartFactory;
2.import org.jfree.chart.ChartFrame;
3.import org.jfree.chart.JFreeChart;
4.import org.jfree.chart.plot.PlotOrientation;
5.import org.jfree.data.xy.XYSeries;
6.import org.jfree.data.xy.XYSeriesCollection;
7.
8.public class TestLineChart {
9.
10. public static XYSeriesCollection createDataSet() {
11. XYSeriesCollection seriesCollection = new XYSeriesCollection();
12. XYSeries series1 = new XYSeries("平均收视率");
13. XYSeries series2 = new XYSeries("最高收视率");
14. XYSeries series3 = new XYSeries("最低收视率");
15.
16. series1.add(1, 7.25);
17. series1.add(2, 4.81);
18. series1.add(3, 3.69);
19. series1.add(4, 3.53);
20. series1.add(5, 2.95);
21. series1.add(6, 3.96);
22.
23. series2.add(1, 10.57);
24. series2.add(2, 5.37);
25. series2.add(3, 4.87);
26. series2.add(4, 4.87);
27. series2.add(5, 3.63);
28. series2.add(6, 5.27);
29. series3.add(1, 4.76);
30. series3.add(2, 3.63);
31. series3.add(3, 2.82);
32. series3.add(4, 2.82);
33. series3.add(5, 2.37);
34. series3.add(6, 3.33);
35. seriesCollection.addSeries(series1);
36. seriesCollection.addSeries(series2);
37. seriesCollection.addSeries(series3);
38. return seriesCollection;
39. }
40.
41. public static void createLineChart() {
42. JFreeChart chart = ChartFactory.createXYLineChart("无敌珊宝妹收视率走势图", "集数",
43. "收视率百分点", createDataSet(), PlotOrientation.VERTICAL, true,
44. true, false);
45. ChartFrame frame=new ChartFrame("Test Line Chart",chart);
46. frame.pack();
47. frame.setVisible(true);
48. }
49. public static void main(String[] args) {
50. createLineChart();
51. }
52.}
import org.jfree.chart.ChartFactory;
import org.jfree.chart.ChartFrame;
import org.jfree.chart.JFreeChart;
import org.jfree.chart.plot.PlotOrientation;
import org.jfree.data.xy.XYSeries;
import org.jfree.data.xy.XYSeriesCollection;
public class TestLineChart {
public static XYSeriesCollection createDataSet() {
XYSeriesCollection seriesCollection = new XYSeriesCollection();
XYSeries series1 = new XYSeries("平均收视率");
XYSeries series2 = new XYSeries("最高收视率");
XYSeries series3 = new XYSeries("最低收视率");
series1.add(1, 7.25);
series1.add(2, 4.81);
series1.add(3, 3.69);
series1.add(4, 3.53);
series1.add(5, 2.95);
series1.add(6, 3.96);
series2.add(1, 10.57);
series2.add(2, 5.37);
series2.add(3, 4.87);
series2.add(4, 4.87);
series2.add(5, 3.63);
series2.add(6, 5.27);
series3.add(1, 4.76);
series3.add(2, 3.63);
series3.add(3, 2.82);
series3.add(4, 2.82);
series3.add(5, 2.37);
series3.add(6, 3.33);
seriesCollection.addSeries(series1);
seriesCollection.addSeries(series2);
seriesCollection.addSeries(series3);
return seriesCollection;
}
public static void createLineChart() {
JFreeChart chart = ChartFactory.createXYLineChart("无敌珊宝妹收视率走势图", "集数",
"收视率百分点", createDataSet(), PlotOrientation.VERTICAL, true,
true, false);
ChartFrame frame=new ChartFrame("Test Line Chart",chart);
frame.pack();
frame.setVisible(true);
}
public static void main(String[] args) {
createLineChart();
}
}
效果图
分享到:
相关推荐
TAC顶刊报告:'多智能体分布式自适应一致性控制(含纯一致性与leader-follower一致性)'及其Matlab复现代码.pdf
SVPWM仿真与基于DSP28335的PIL(处理器在环)仿真模型验证算法可行性与实时性的实践研究.pdf
VSG仿真、并网与离网运行仿真、预同期并网控制及虚拟同步机逆变器仿真.pdf
SSA-RF与RF神经网络多元回归预测(Matlab 程序及运行指南).pdf
Simulink微网多逆变器下垂控制仿真模型:固定与可调的下垂系数、SVPWM与算法控制的并联运行.pdf
电磁场与电磁波28
SSA-CNN-LSTM时间序列预测(Matlab)_ 麻雀算法优化卷积长短期记忆网络.pdf
C++知识点汇总.md.zip
T型逆变器仿真(SPWM)Matlab 2021a:LCL滤波器下纯阻性负载的五电平波形仿真.pdf
STM32G431 FOC线性磁链观测器无感FOC驱动资料(非VESC、非ST电机库生成,支持直接零速闭环启动及电位器转速控制)”.pdf
STM32F103 SAE CAN开放协议源码(含半年咨询费+中文注释及原理说明).pdf
Java项目springboot基于springboot的课程设计,包含源码+数据库+毕业论文
Simulink导弹制导系统仿真模型文件使用指南及视频讲解.pdf
内容概要:本文深入介绍了Caffe深度学习框架,涵盖其历史背景和发展、安装配置、卷积神经网络(CNN)的基础理论及其实现。具体内容包括CNN各个层级的工作原理、Caffe中的网络模型定义和训练方法、LeNet与AlexNet的实际运用、迁移学习及模型的性能优化等。通过详细的实战操作演示,文章帮助开发者掌握在Caffe上搭建CNN的方法和技术。 适合人群:从事计算机视觉领域的研究人员和工程师,尤其是想要深入了解卷积神经网络和掌握Caffe框架的人群。 使用场景及目标:本文适合作为学习材料用于理解卷积神经网络的概念和工作机制,指导初学者和有经验的开发者如何利用Caffe实现图像识别、目标检测等任务;并且帮助读者掌握模型训练和性能优化的相关技能。 其他说明:文中提供了大量代码片段与实例讲解,方便读者理解和实践;此外还对比了几款主流深度学习框架的优势,辅助决策选用合适的开发工具。
1、文件说明: Centos8操作系统vim-editorconfig-1.1.1-1.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf vim-editorconfig-1.1.1-1.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm
VMD信号分解算法:VMD功率分解与滚动轴承故障检测.pdf
STM32 IAP固件升级程序源代码(串口环形队列接收模式实现固件升级程序).pdf
VSC直流输电仿真案例:两电平结构换流站与双环控制的应用.pdf
STM32高压无感FOC全功能版本:风机控制与独特处理方式.pdf
STM32单片机指纹密码锁仿真:键盘解锁、指纹识别及多功能安全控制程序.pdf