Apache ECharts中实现点击触发节点高亮的解决方案
2025-04-29 08:59:43作者:裘晴惠Vivianne
背景介绍
Apache ECharts作为一款优秀的可视化图表库,其graph图(关系图)组件常用于展示复杂网络关系。在实际开发中,开发者经常需要实现节点高亮功能,以突出显示当前选中节点及其关联节点和边线。
默认高亮机制分析
ECharts默认提供了节点高亮功能,通过配置focusNodeAdjacency和emphasis可以实现相邻节点高亮效果。典型配置如下:
option = {
series: [{
type: 'graph',
focusNodeAdjacency: true,
emphasis: {
focus: 'adjacency'
}
}]
}
但这种实现存在一个限制:高亮效果只能通过鼠标悬停(hover)触发,无法响应点击(click)事件。这在某些交互场景下可能不符合需求,特别是当需要保持高亮状态直到下一次点击时。
自定义点击高亮实现方案
核心思路
要实现点击触发的高亮效果,需要放弃默认的emphasis配置,改为手动处理点击事件并动态修改图表数据项的透明度。基本思路包括:
- 监听图表的click事件
- 获取被点击节点的ID
- 找出所有关联节点和边线
- 更新节点和边线的透明度
- 应用更新到图表
具体实现代码
chart.on('click', params => {
if (params.dataType === 'node') {
const targetId = params.data.id;
const related = new Set([targetId]);
const relatedLinks = new Set();
// 标记关联元素
links.forEach(link => {
if (link.source === targetId || link.target === targetId) {
related.add(link.source);
related.add(link.target);
relatedLinks.add(`${link.source}-${link.target}`);
}
});
// 更新节点透明度
const newNodes = nodes.map(n => ({
...n,
itemStyle: {
opacity: related.has(n.id) ? 1 : 0.1
}
}));
// 更新连线透明度
const newLinks = links.map(link => ({
...link,
lineStyle: {
opacity: relatedLinks.has(`${link.source}-${link.target}`) ||
relatedLinks.has(`${link.target}-${link.source}`) ? 1 : 0.1
}
}));
// 应用更新并保留布局
chart.setOption({
series: [{
data: newNodes,
links: newLinks,
force: {
initLayout: null // 保留现有位置
}
}]
}, { notMerge: false });
}
});
关键点说明
- 关联节点查找:通过遍历所有边线,找出与点击节点直接相连的所有节点和边线
- 透明度控制:通过设置itemStyle和lineStyle的opacity属性,控制相关元素的显示/淡化
- 布局保持:设置force.initLayout为null,确保力导向图的布局不会因数据更新而重置
- 性能优化:使用Set数据结构存储关联元素,提高查找效率
扩展思考
这种实现方式虽然解决了点击触发的问题,但也带来了一些额外的考虑:
- 状态管理:需要维护原始数据和当前高亮状态
- 交互一致性:可能需要同时支持hover和click两种触发方式
- 动画效果:可以添加transition动画使透明度变化更平滑
- 多选功能:扩展实现支持同时高亮多个节点及其关联网络
最佳实践建议
- 对于简单场景,优先考虑使用ECharts默认的高亮机制
- 当需要更复杂的交互逻辑时,再考虑这种自定义实现
- 注意性能优化,特别是处理大型网络图时
- 考虑添加取消高亮的机制,如点击空白区域恢复默认状态
通过这种自定义实现方式,开发者可以灵活控制ECharts图表的交互行为,满足各种业务场景下的特殊需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
279
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.74 K