ancho = 450
alto = 450
margen = ({arr: 25, der: 25, abj: 50, izq: 50})
color_especies = ({ "setosa": "#b00000", "versicolor": "#00b000", "virginica": "#0000b0"})
function procesar_datos(fila) {
fila.area = fila.Petal_Width * fila.Petal_Width / 2;
fila.color = color_especies[fila.Species];
return fila;
}
datos_iris = d3.csv("https://raw.githubusercontent.com/holtzy/D3-graph-gallery/master/DATA/iris.csv",procesar_datos)
import {select} from "@jashkenas/inputs"
{
// 1. Creación de un área de dibujo (ancho x alto pixeles).
// Si lo consideran necesario, pueden modificar el tamaño del canvas.
// También es posible que necesiten más de una celda para resolverlo.
const svg = d3.create("svg")
.attr("width",ancho)
.attr("height",alto);
// Un cuadro de texto.
svg.append("g")
.call(eje_x);
svg.append("g")
.call(eje_y);
svg.append('g')
.selectAll("dot")
.data(datos_iris.filter(filtro))
.enter()
.append("circle")
.attr("cx", function (d) { return x(d[campo_x]); } )
.attr("cy", function (d) { return y(d[campo_y]); } )
.attr("r", 3 )
.style("fill", function (d) { return d.color; });
//Leyenda
const escala = d3.scaleOrdinal()
.domain("setosa", "versicolor", "virginica")
.range([color_especies["setosa"],
color_especies["versicolor"],
color_especies["virginica"], "#FFFFFF", "#FFFFFF"]);
const leyenda = d3Legend
.legendColor()
.shape("path", d3.symbol().type(d3.symbolCircle).size(25)())
.shapePadding(15)
.labelOffset(5)
.scale(escala)
.labels(["Setosa", "Versicolor", "Virgínica", "", ""]);
svg.append("g")
.attr("class", "legend_auto")
.style('font-size', 12)
.style('font-family', 'sans-serif')
.attr("transform", `translate(${ancho - margen.der-60}, ${margen.arr+270})`)
.call(leyenda)
svg.append("text")
.attr("class", "x label")
.attr("text-anchor", "end")
.attr("x", margen.izq+ancho/2)
.attr("y", alto - 10)
.text(campo_x);
svg.append("text")
.attr("class", "y label")
.attr("text-anchor", "end")
.attr("y", 5)
.attr("x", - alto/2 + margen.abj)
.attr("dy", ".75em")
.attr("transform", "rotate(-90)")
.text(campo_y);
return svg.node();
}
One platform to build and deploy the best data apps
Experiment and prototype by building visualizations in live JavaScript notebooks. Collaborate with your team and decide which concepts to build out.
Use Observable Framework to build data apps locally. Use data loaders to build in any language or library, including Python, SQL, and R.
Seamlessly deploy to Observable. Test before you ship, use automatic deploy-on-commit, and ensure your projects are always up-to-date.