先看一下汽车大屏（手机流量慎点！）：https://datav.aliyun.com/share/20acd88491367bf262fcb1e862ee8f1c

必备产品：DataV

我是一个技术男，同样也是个汽车爱好者，上个月买了辆的宝马，却发现路上的“宝马越来越多”(⊙﹏⊙)b ......
我喜欢钻研技术，也喜欢钻研汽车，最近研究了一下数据可视化，发现用datav可以玩出一些花样，这次就分享一下我做汽车数据大屏的经验。

没数据是不行的，首先七拼八凑了一些汽车数据，然后......

清洗数据

我找到的数据是这样的

尺寸	人数
4567mm*1786mm*1454mm	1
5300*1800*1600	1
长 4369mm *宽 1802mm *高1445mm	1
4670mm*1780mm*1435mm	1
4430*1793*1399	1
4671*1815*1478	1
4929mm*1898mm*1655mm	1
4430mm*1793mm*1399mm	1
4714*1810*1442	1
长4484mm *宽1798mm *高 1577mm	1
5090×1926×1900	1

看到这尺寸我就吐了…… 真是什么格式都有。

作为一个前端，用 javascript 简单的把他转化成了一个统一、干净的格式还是很容易的，相同尺寸的人数也统计（加）起来

var car = {};
require("tongji.txt")
.split("\n")
.forEach(function(v){
  var [size, num] = v.split("\t");
  size = size.replace(/^\D*(\d{4})\D*?(\d{4})\D*?(\d{4})\D*$/g, '$1*$2*$3')
  if (!car[size]) car[size] = 0;
  car[size] += num*1; 
});

/*
car = {
  4369*1802*1445: 1,
  4430*1793*1399: 2,
  4484*1798*1577: 1,
  4567*1786*1454: 1,
  4670*1780*1435: 1,
  4671*1815*1478: 1,
  4714*1810*1442: 1,
  4929*1898*1655: 1,
  5090*1926*1900: 1,
  5300*1800*1600: 1,
  //...
}
*/

清洗好的数据，就存入数据库

匹配车型

数据虽然干净了，但我还是有点不放心，通过车辆尺寸真的能找到车型？

找了一个车型库，简单写一个 SQL 测试一下

select 
  concat(`长度(mm)`, '*', `宽度(mm)`, '*', `高度(mm)`) as size, 
  count(distinct 车系) as cnt,
  group_concat(distinct 车系)
 from models 
group by size 
order by cnt desc 
limit 1000

得到的结果都是如下表一样，都是同品牌的相似车型，应该对结果不会有太大影响。
再连接上我的测试数据，结果几乎只是国产、进口的区别。

size	cnt	group_concat(distinct 车系)
4629*1880*1653	2	奥迪Q5,奥迪Q5(进口)
4638*1803*1598	2	英菲尼迪EX,英菲尼迪QX50(进口)
4624*1811*1460	2	宝马3系,宝马3系(进口)
4660*1852*1400	2	英菲尼迪G系,英菲尼迪Q60

为了计算方便，我再把 size 直接转化成了车型 id，这样数据就算准备好了。

DataV 上场

首先选了一个最顺眼的模板（技术男一般喜欢冷色，除非你心里住了一只小绵羊，才会选择“双11”的同款大屏）

我暂时没有什么地理数据，所以人人喜爱的地图，这次就删掉了，如果有人想看地图的操作分享，可以给我留言，我会再做异常关于地图可视化的分享。

先把指标想好，把模块的标题改成想要的指标，不知道想看什么指标，就像我一样，神秘点——数据探索。

中间想要一个车系分布，这么大的区域可以列出很多车了。

添加一个饼图，调整好位置后直接选择到已经建好的数据库，

输入sql

select sum (l.num) as y, 车系 as x
  from stats as l
  left join models as c on c.id = l.car
 group by x order by y desc
 limit 30;

效果不满意，怎么办？再教你一招设计

然后再添加一些组件丰富一下

再增加几个个查询：

/* 总价值 */
select sum(num * price)*10000 as value from stats as l 
left join models as c on c.id = l.car;
/* 车辆总数 */
select sum(num) as value from stats
/* 平均车价 */
select sum(num*price)/sum(num) as value from stats
left join models as car on car.id = stats.car;
/* 排量分布 */
select sum(l.num) as y, `排量(L)` as x
from stats as l 
left join models as c on c.id = l.car 
group by `排量(L)` 
order by x asc
limit 20
/* 60万以内的价格分布 */
select sum(l.num) as y, concat(ceil(price/5)*5,"万") as x
from stats as l 
left join models as c on c.id = l.car 
where price < 60
group by FLOOR(price/5)
order by FLOOR(price/5) asc

这样就完成了中部的开发。

同样的方法给左侧添加数据，上面两个组件并不是我的style。先换掉，注意换掉组件的时候，数据源要重新选择一次。

右边也就以此类推啦，其实不一定要等想好了所有指标才动手。在做这个屏的时候，当数据输出成图表的瞬间，我经常会得到更有意思的想法。这个时候动手改改sql，也许更棒的指标就出来了。

做大屏重要的就是设计和数据：

设计方面：

如果你像我一样，是位个人爱好者，可以多去看看好莱坞大片，提升下数据审美。

如果你在一家有设计资源的企业，那就让他帮你做个视觉定位。一般是中间指标最关键，然后左边一栏指标是一条业务线，右边一栏指标是一条业务线，方便解读。

数据方面：

如果是个人学习，就到网上找点公开数据，或者直接在页面编辑静态数据。

如果是企业，那就按照企业的要求指标计算好，然后从数据读实时来读，DataV 的数据一栏中可以设置多久读一次库。

除此之外，我其实还是个数据分析师，如果你有数据不知道怎么分析，也可以留言给我，我可以帮你用 DataV 深入分析下。记住，汽车数据优先哦！

给DataV留个传送门，还没买的人可以看下，1块钱3个月，一般人我不告诉他。

下期分享：《你留言，我来写》-> -> 再见！