程序猿HTML5與原生javascript開發(fā)高級拖拽照片墻

擊查看照片墻動圖特效

如何提高javascript邏輯思維？如何開發(fā)特效？

javascript課題：高級原生javascript拖拽照片墻

知識點：HTML/CSS布局，兼容性處理

原生javascript DOM操作，鼠標拖拽功能，

碰撞檢測，勾股定理計算最小距離，原生javascript運動框架封裝，

面向過程函數(shù)式封裝思維。2017就業(yè)形勢分析等

PS：這個特效對于布局的要求并不高，大部分學習web前端的朋友都可以做出來，但是對

于javascript的要求不低，特別是對于邏輯思維，以及一些兼容性的處理，還有js的碰撞檢測，

算法，在這個案例里我們用的都是原生 javascript代碼，原生JS一定是我們面試中必須要學的

東西，而不是能用jquery湊數(shù)的。

前端學習群47059+3776，歡迎初學和進階中的伙伴，每日分享干貨！

以下附上HTML/JAVASCRIPT源碼：

點擊查看源碼動圖

頭條號里有許多web前端學習視頻，企業(yè)常用特效/案例/項目，敬請關注！

文末調查，你覺得前端工作難找嗎？

. 前言

在日常工作中，為了更直觀的發(fā)現(xiàn)數(shù)據中隱藏的規(guī)律，察覺到變量之間的互動關系，人們常常借助可視化幫助我們更好的給他人解釋現(xiàn)象，做到一圖勝千文的說明效果。

在Python中，常見的數(shù)據可視化庫有:

matplotlib 是最常見的2維庫，可以算作可視化的必備技能庫，由于matplotlib是比較底層的庫，api很多，代碼學起來不太容易。
seaborn 是建構于matplotlib基礎上，能滿足絕大多數(shù)可視化需求。更特殊的需求還是需要學習matplotlib。

上述兩個庫都是靜態(tài)的可視化庫，大多數(shù)做過前端Web開發(fā)的同學都用到過Echarts.js庫，它是一款前端可視化的JS庫、功能非常之強大。在使用之前，需要導入js庫到項目中。對于平時用Python較多的同學而言，如果每次實現(xiàn)可視化功能(特別是一些小需求)，都需要引用js庫顯然不太方便，于是就在想有沒有Python與Echarts結合的輪子。答案是肯定的，在Github中就有一個國人開發(fā)的一個Echarts與Python結合的輪子：Pyecharts，它不僅很好的兼容了web項目，而且可以做到可視化的動態(tài)效果。

2. Pyecharts介紹

Pyecharts 是一個用于生成 Echarts 圖表的類庫。常規(guī)的Echarts 是由百度開源的一個數(shù)據可視化 JS 庫，主要用于數(shù)據可視化。簡單來說，Pyecharts是一款將python與echarts結合的強大的數(shù)據可視化工具。

使用 Pyecharts 可以生成獨立的網頁，也可以在 flask , Django 中集成使用。

項目介紹：

http://pyecharts.herokuapp.com/

項目源碼：

https://github.com/pyecharts/pyecharts

從項目文檔介紹可知， pyecharts目前分為兩個大的系列版本：0.5.x 和v1.x.x。

V0.5.x

支持 Python2.7，3.4+

0.5.x 版本將不再進行維護，文檔位于 05x-docs.pyecharts.org。

V1

僅支持 Python3.6+

新版本系列將從 v1.0.0 開始，文檔位于 pyecharts.org；示例位于 gallery.pyecharts.org

PS: v0.5.x 和 V1 間不兼容，V1 是一個全新的版本。

3. Pyecharts支持30+種可視化圖表

得益于Echarts 項目，目前Pyecharts支持 30+ 種常見圖表，如下所示：

Bar（柱狀圖/條形圖）
Bar3D（3D 柱狀圖）
Boxplot（箱形圖）
EffectScatter（散點圖）
Funnel（漏斗圖）
Gauge（儀表盤）
Geo（地理坐標系）
Graph（關系圖）
HeatMap（熱力圖）
Kline（K線圖）
Line（折線/面積圖）
Line3D（3D 折線圖）
Liquid（水球圖）
Map（地圖）
Parallel（平行坐標系）
Pie（餅圖）
Polar（極坐標系）
Radar（雷達圖）
Sankey（桑基圖）
Scatter（散點圖）
Scatter3D（3D 散點圖）
ThemeRiver（主題河流圖）
WordCloud（詞云圖）

4. Pyecharts安裝

1、pip 安裝

# 安裝 v1 以上版本
$ pip install pyecharts -U

# 如果需要安裝 0.5.11 版本的開發(fā)者，可以使用
# pip install pyecharts==0.5.11

2、源碼安裝

# v1 以上版本
$ git clone https://github.com/pyecharts/pyecharts.git
# 如果需要安裝 0.5.11 版本，請使用 git clone https://github.com/pyecharts/pyecharts.git -b v05x
$ cd pyecharts
$ pip install -r requirements.txt
$ python setup.py install

在使用pip安裝庫時，由于墻的原因，下載時可能會出現(xiàn)斷線和速度過慢的問題導致下載失敗，所以建議通過豆瓣源或清華鏡像來進行下載：

# 豆瓣源下載
pip install -i https://pypi.douban.com/simple pyecharts

# 清華鏡像源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

PS: 這里要專門說明一下，自從 0.3.2 開始，為了縮減項目本身的體積以及維持 pyecharts 項目的輕量化運行，pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表（Geo、Map），可自行安裝對應的地圖文件包。

# 通過pip命令進行安裝
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg

5. Pyecharts官方示例實戰(zhàn)

現(xiàn)在我們來開始正式使用pycharts，這里我們先直接使用官方的數(shù)據，感受一下可視化展示效果。

from pyecharts.charts import Bar
from pyecharts import options as opts

# V1 版本開始支持鏈式調用
bar = (
Bar
.add_xaxis(["襯衫", "毛衣", "領帶", "褲子", "風衣", "高跟鞋", "襪子"])
.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
.set_global_opts(title_opts=opts.TitleOpts(title="某商場銷售情況"))
)
bar.render_notebook

在這里順便安利一下jupyter，pyecharts在v0.1.9.2版本開始，在jupyter上可以直接調用實例（例如上方直接調用bar.render_notebook()）就可以將圖表直接展示出來，非常方便。

如果腳本在非jupyter環(huán)境運行，圖表渲染方法需改為:

bar.render

默認情況下，pycharts生成圖表為HTML格式，也支持生成png圖片格式，如下：

from snapshot_selenium import snapshot as driver

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot


def bar_chart -> Bar:
c = (
Bar
.add_xaxis(["襯衫", "毛衣", "領帶", "褲子", "風衣", "高跟鞋", "襪子"])
.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
.reversal_axis
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-測試渲染圖片"))
)
return c

# 需要安裝 snapshot-selenium 或者 snapshot-phantomjs
make_snapshot(driver, bar_chart.render, "bar.png")

6. Pyecharts幾種高頻使用的可視化圖表

在上面官方示例中的柱狀圖表我們已經能感受到pycharts可視化功能的強大，最后再介始幾種日常工作中常用的可視化圖表及對應示例。

6.1 Pie餅狀圖

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker

pie = (
Pie
.add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
.set_global_opts(title_opts=opts.TitleOpts(title="Pie-設置顏色"))
.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}"))
)

pie.render_notebook

6.2 儀表盤

from pyecharts import options as opts
from pyecharts.charts import Gauge

g = (
Gauge
.add("", [("完成率", 66.6)])
.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"))

)
g.render_notebook

6.3 折線圖

import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker

c = (
Line
.add_xaxis(Faker.choose)
.add_yaxis("商家A", Faker.values, is_smooth=True)
.add_yaxis("商家B", Faker.values, is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="Line-smooth"))

)
c.render_notebook

6.4 K線圖

from pyecharts import options as opts
from pyecharts.charts import Kline

data = [
[2320.26, 2320.26, 2287.3, 2362.94],
[2300, 2291.3, 2288.26, 2308.38],
[2295.35, 2346.5, 2295.35, 2345.92],
[2347.22, 2358.98, 2337.35, 2363.8],
[2360.75, 2382.48, 2347.89, 2383.76],
[2383.43, 2385.42, 2371.23, 2391.82],
[2377.41, 2419.02, 2369.57, 2421.15],
[2425.92, 2428.15, 2417.58, 2440.38],
[2411, 2433.13, 2403.3, 2437.42],
[2432.68, 2334.48, 2427.7, 2441.73],
[2430.69, 2418.53, 2394.22, 2433.89],
[2416.62, 2432.4, 2414.4, 2443.03],
[2441.91, 2421.56, 2418.43, 2444.8],
[2420.26, 2382.91, 2373.53, 2427.07],
[2383.49, 2397.18, 2370.61, 2397.94],
[2378.82, 2325.95, 2309.17, 2378.82],
[2322.94, 2314.16, 2308.76, 2330.88],
[2320.62, 2325.82, 2315.01, 2338.78],
[2313.74, 2293.34, 2289.89, 2340.71],
[2297.77, 2313.22, 2292.03, 2324.63],
[2322.32, 2365.59, 2308.92, 2366.16],
[2364.54, 2359.51, 2330.86, 2369.65],
[2332.08, 2273.4, 2259.25, 2333.54],
[2274.81, 2326.31, 2270.1, 2328.14],
[2333.61, 2347.18, 2321.6, 2351.44],
[2340.44, 2324.29, 2304.27, 2352.02],
[2326.42, 2318.61, 2314.59, 2333.67],
[2314.68, 2310.59, 2296.58, 2320.96],
[2309.16, 2286.6, 2264.83, 2333.29],
[2282.17, 2263.97, 2253.25, 2286.33],
[2255.77, 2270.28, 2253.31, 2276.22],
]


k = (
Kline
.add_xaxis(["2017/7/{}".format(i + 1) for i in range(31)])
.add_yaxis("k線圖", data)
.set_global_opts(
yaxis_opts=opts.AxisOpts(is_scale=True),
xaxis_opts=opts.AxisOpts(is_scale=True),
title_opts=opts.TitleOpts(title="K線圖-基本示例"),
)

)
k.render_notebook

6.5 地圖Map

from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker

map = (
Map
.add("中國地圖", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
.set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"))
)
map.render_notebook

6.6 詞云圖

import pyecharts.options as opts
from pyecharts.charts import WordCloud


data = [
("生活資源", "999"),
("供熱管理", "888"),
("供氣質量", "777"),
("生活用水管理", "688"),
("一次供水問題", "588"),
("交通運輸", "516"),
("城市交通", "515"),
("環(huán)境保護", "483"),
("房地產管理", "462"),
("城鄉(xiāng)建設", "449"),
("社會保障與福利", "429"),
("社會保障", "407"),
("文體與教育管理", "406"),
("公共安全", "406"),
("公交運輸管理", "386"),
("出租車運營管理", "385"),
("供熱管理", "375"),
("市容環(huán)衛(wèi)", "355"),
("自然資源管理", "355"),
("粉塵污染", "335"),
("噪聲污染", "324"),
("土地資源管理", "304"),
("物業(yè)服務與管理", "304"),
("醫(yī)療衛(wèi)生", "284"),
("粉煤灰污染", "284"),
("占道", "284"),
("供熱發(fā)展", "254"),
("農村土地規(guī)劃管理", "254"),
("生活噪音", "253"),
("供熱單位影響", "253"),
("城市供電", "223"),
("房屋質量與安全", "223"),
("大氣污染", "223"),
("房屋安全", "223"),
("文化活動", "223"),
("拆遷管理", "223"),
("公共設施", "223"),
("供氣質量", "223"),
("供電管理", "223"),
("燃氣管理", "152"),
("教育管理", "152"),
("醫(yī)療糾紛", "152"),
("執(zhí)法監(jiān)督", "152"),
("設備安全", "152"),
("政務建設", "152"),
("縣區(qū)、開發(fā)區(qū)", "152"),
("宏觀經濟", "152"),
("教育管理", "112"),
("社會保障", "112"),
("生活用水管理", "112"),
("物業(yè)服務與管理", "112"),
("分類列表", "112"),
("農業(yè)生產", "112"),
("二次供水問題", "112"),
("城市公共設施", "92"),
("拆遷政策咨詢", "92"),
("物業(yè)服務", "92"),
("物業(yè)管理", "92"),
("社會保障保險管理", "92"),
("低保管理", "92"),
("文娛市場管理", "72"),
("城市交通秩序管理", "72"),
("執(zhí)法爭議", "72"),
("商業(yè)煙塵污染", "72"),
("占道堆放", "71"),
("地上設施", "71"),
("水質", "71"),
("無水", "71"),
("供熱單位影響", "71"),
("人行道管理", "71"),
("主網原因", "71"),
("集中供熱", "71"),
("客運管理", "71"),
("國有公交（大巴）管理", "71"),
("工業(yè)粉塵污染", "71"),
("治安案件", "71"),
("壓力容器安全", "71"),
("身份證管理", "71"),
("群眾健身", "41"),
("工業(yè)排放污染", "41"),
("破壞森林資源", "41"),
("市場收費", "41"),
("生產資金", "41"),
("生產噪聲", "41"),
("農村低保", "41"),
("勞動爭議", "41"),
("勞動合同爭議", "41"),
("勞動報酬與福利", "41"),
("醫(yī)療事故", "21"),
("停供", "21"),
("基礎教育", "21"),
("職業(yè)教育", "21"),
("物業(yè)資質管理", "21"),
("拆遷補償", "21"),
("設施維護", "21"),
("市場外溢", "11"),
("占道經營", "11"),
("樹木管理", "11"),
("農村基礎設施", "11"),
("無水", "11"),
("供氣質量", "11"),
("停氣", "11"),
("燃氣管理", "11"),
("市容環(huán)衛(wèi)", "11"),
("新聞傳媒", "11"),
("人才招聘", "11"),
("市場環(huán)境", "11"),
("行政事業(yè)收費", "11"),
("食品安全與衛(wèi)生", "11"),
("城市交通", "11"),
("房地產開發(fā)", "11"),
("房屋配套問題", "11"),
("物業(yè)服務", "11"),
("物業(yè)管理", "11"),
("占道", "11"),
("園林綠化", "11"),
("戶籍管理及身份證", "11"),
("公交運輸管理", "11"),
("公路（水路）交通", "11"),
("房屋與圖紙不符", "11"),
("有線電視", "11"),
("社會治安", "11"),
("林業(yè)資源", "11"),
("其他行政事業(yè)收費", "11"),
("經營性收費", "11"),
("食品安全與衛(wèi)生", "11"),
("體育活動", "11"),
("有線電視安裝及調試維護", "11"),
("低保管理", "11"),
("勞動爭議", "11"),
("社會福利及事務", "11"),
("一次供水問題", "11"),
]


c=(
WordCloud
.add(series_name="熱點分析", data_pair=data, word_size_range=[6, 66])
.set_global_opts(
title_opts=opts.TitleOpts(
title="熱點分析", title_textstyle_opts=opts.TextStyleOpts(font_size=23)
),
tooltip_opts=opts.TooltipOpts(is_show=True),
)

)
c.render_notebook

上述示例僅供參考，讀者們結合日常工作應用，學會舉一反三才是關健，更多Pychart示例介紹可見：代碼示例

我們開門見山：編寫優(yōu)秀的 CSS 代碼是件十分痛苦的事情。很多開發(fā)人員都不想做 CSS 開發(fā)。你讓我干什么都行，但是 CSS 還是算了吧。

前端560集視頻學習資料需要的私信小編“資料”領取

在我創(chuàng)建應用的時候，從來都無法從 CSS 中享受到樂趣。但是你也躲不過去，是不是？我是說，我們全神貫注于用戶體驗，但是如今設計也是不容忽視的部分。

項目剛開始的時候，一切都很美好。你有一些 CSS 選擇器，諸如 .title、input、#app 等等，非常簡單。但是隨著應用逐漸變大，CSS 也越來越糟。你對 CSS 選擇器感到困惑。你會發(fā)現(xiàn)自己寫了一些 div#app .list li.item a 之類的東西。然后你一遍又一遍地寫相同的代碼。最后你把所有代碼都扔到文件末尾，因為你根本不在乎，CSS 爛透了。結果你得到了 500 行根本無法維護的 CSS 代碼。

我本人經常和 CSS 苦苦糾纏。

今天目的是：讓你寫出更好的 CSS。我想讓你回顧一下舊項目，然后想一想：天啊，我怎么會寫這樣的東西？但是，你可能會想：好，你說的很對，但是 CSS 框架呢？CSS 框架就是為了幫助我們寫出更好的 CSS 代碼，不是嗎？

當然，但是 CSS 框架也有一些缺點：

它經常會使用平淡無奇的設計。
CSS 框架使得定制很困難，更不用說超越框架了。
在使用之前，你必須先學習如何使用它們。

既然你關注了這篇文章，那么你一定有自己的原因，對不對？好了，廢話不多說，讓我們開始學習如何寫出更好地 CSS 代碼。

注意：這篇文章不是關于如何設計漂亮的應用。本文是關于如何寫出便于維護的 CSS 代碼以及如何組織代碼。

1. SCSS

將在下面例子中使用 SCSS。SCSS 是一個 CSS 的預處理器。從根本上來說，它是一個 CSS 的超集：它增加了一些很酷的功能，例如變量，嵌套，導入和混入（mixins）等。

下面介紹一些我們即將使用的功能。

變量

你可以在 SCSS 中使用變量。主要的好處在于可重用性。我們假設你的應用有一組顏色。主色是藍色。

那么你處處都用到了藍色：按鈕的 background-color（背景色），標題和鏈接的 color（顏色）。藍色無處不在。

突然有一天，你不喜歡藍色，開始喜歡綠色。

如果沒有變量：你需要修改所有包含藍色設置的代碼。
如果使用了變量：你只需要修改這個變量。

// Declare a variable$primary-color: #0099ff; // References a variableh1 { color: $primary-color;}

嵌套

你可以在 SCSS 中使用嵌套。那么如下代碼：

h1 { 
 font-size: 5rem; 
 color: blue;
} 
h1 span { 
 color: green;
}

可以寫成：

h1 { 
 font-size: 5rem; 
 color: blue; 
 span { 
 color: green; 
 }
}

可讀性更好了，是不是？你可以利用嵌套在更短時間內寫出復雜的選擇器。

分塊與導入

從可維護性和可讀性的角度來說，你無法將所有代碼都保存在一個大文件中。在實驗或構建小型應用時，這種做法尚且可行，但是到了專業(yè)的級別……想都不要想。很幸運的是，有了 SCSS 后，我們依然可以繼續(xù)沿用這種做法。

你可以通過使用前下劃線給文件命名，來創(chuàng)建分塊的文件：_animations.scss，_ base.scss，_variables.scss 等。

至于導入，你可以使用 @import 指令。例如，你可以這么做：

// _animations.scss
@keyframes appear { 
 0% {opacity: 0;} 
 100% {opacity: 1;}
}
// header.scss
@import "animations";
h1 { 
 animation: appear 0.5s ease-out;
}

哈哈！你可能想，你在這里犯了一個錯誤！應該是 _animations.scss，而不是 animations;)

非也。如果你使用這種命名方式，聰明的 SCSS 知道你指的是分塊文件。

關于變量、嵌套、分塊和導入，我們需要了解的就這么多。SCSS 還有很多其他功能：比如混入、繼承和其他指令（@for，@if，等等），在此不做一一介紹了。

前端560集視頻學習資料+教程限時免費分享

需要的轉發(fā)文章+私信小編“資料”領取

在線咨詢

上一篇：JSP第一篇：JSP介紹、工作原理、生命周期、語法、指令(修訂版)
下一篇：一篇文章帶你了解CSS 文本樣式

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯(lián)系。

整合營銷服務商