Plotly.js 3.0.0 版本发布:现代化重构与重大改进
项目简介
Plotly.js 是一个开源的 JavaScript 图表库,它能够创建丰富多样的交互式数据可视化图表。作为 Plotly 生态系统中的核心组件,它支持从基础的柱状图、折线图到复杂的三维图表、地理图表等多种可视化类型。Plotly.js 以其强大的交互功能和美观的默认样式而闻名,广泛应用于数据分析、科学研究和商业智能等领域。
3.0.0 版本概述
Plotly.js 3.0.0 是一个重大版本更新,标志着该项目向现代化JavaScript生态系统的全面转型。这个版本不仅移除了大量过时的API和功能,还引入了构建工具的重大变革,为未来的发展奠定了更坚实的基础。
主要变更内容
1. 移除过时API与功能
3.0.0版本进行了大规模的API清理工作,移除了多个已被标记为废弃的功能:
- 移除了对字符串形式
title属性的支持,以及titlefont、titleposition等过时属性,统一使用新的title对象结构 - 移除了pointcloud和heatmapgl等过时的图表类型
- 移除了
bardir属性,全面使用orientation替代 - 移除了
annotation.ref属性,使用更明确的xref和yref - 移除了错误条的
opacity属性,改用颜色值的alpha通道控制透明度 - 移除了3D图表中过时的
cameraposition属性,统一使用camera
这些变更使得API更加一致和清晰,减少了用户的混淆可能性。
2. 构建工具现代化
Plotly.js 3.0.0版本从webpack迁移到了esbuild构建工具,这一变更带来了多重好处:
- 显著提高了构建速度,加快了开发和测试周期
- 支持现代JavaScript特性,不再局限于ES5标准
- 为未来引入更多现代JavaScript功能铺平了道路
3. 功能改进与优化
- 条形图改进:
offsetgroup现在支持"stacked"和"relative"模式的条形图,提供了更灵活的条形图分组控制 - 性能优化:针对含有大量数据点的scattergl图表进行了性能优化
- Sankey图改进:修复了桑基图中链接循环导致的变形问题
- 3D图表容器:修复了gl3d图表在容器高度设置上的问题
4. 安全与兼容性增强
- CSP兼容性:移除了内联样式,更好地支持内容安全策略(CSP)环境
- 现代浏览器支持:清理了为支持Internet Explorer而保留的代码
- Node.js要求:开发环境现在需要Node v18或更高版本
5. 错误修复与稳定性提升
- 修复了选择对象为空或损坏时的错误处理
- 修复了ternary散点图在包含
ids属性时的渲染问题 - 改进了布局图片的处理逻辑,提升交互体验
- 修复了在Plotly.react函数中处理新domain值的问题
技术影响与建议
Plotly.js 3.0.0版本的发布标志着该项目进入了新的发展阶段。对于现有用户,特别是那些使用了被移除API的项目,需要进行仔细的升级评估和必要的代码修改。
对于新项目,3.0.0版本提供了更现代化、更高效的开发体验。esbuild的引入不仅提高了构建效率,也为未来采用更多现代JavaScript特性打开了大门。
开发团队应注意,此版本已经清理了大量历史包袱,代码库更加精简和现代化,这将有利于长期的维护和发展。同时,对Mapbox图表的弃用提示也表明团队正在逐步调整其地理可视化策略,用户应关注相关替代方案的进展。
总结
Plotly.js 3.0.0是一个面向未来的重要版本,它通过移除过时功能、现代化构建工具和修复关键问题,为数据可视化开发者提供了更强大、更高效的图表库。这一版本不仅提升了性能和稳定性,也为Plotly.js的长期发展奠定了更坚实的基础。对于追求现代化Web可视化的开发者来说,升级到3.0.0版本将带来显著的开发体验提升。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0172
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook098
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239