Vizro项目实战:如何为KPI卡片添加导航链接功能
2025-06-27 17:39:05作者:宗隆裙
背景介绍
在数据可视化仪表板开发中,KPI卡片是最常用的组件之一。Vizro作为McKinsey开源的Python可视化框架,提供了kpi_card_reference组件用于展示关键指标。但在实际业务场景中,我们经常需要让这些KPI卡片具备可点击跳转的功能,比如点击销售额KPI跳转到销售明细看板。
技术挑战
原生kpi_card_reference组件目前缺少href属性支持,而常规的Card组件却具备此功能。这种功能差异给开发者带来了不便,特别是在需要构建交互式仪表板时。
解决方案
通过自定义Figure组件实现可点击的KPI卡片,这是Vizro框架推荐的扩展方式。以下是实现步骤:
1. 创建自定义KPI卡片函数
from typing import Optional
import dash_bootstrap_components as dbc
import pandas as pd
from vizro.models.types import capture
@capture("figure")
def custom_kpi_card(
data_frame: pd.DataFrame,
value_column: str,
*,
value_format: str = "{value}",
agg_func: str = "sum",
title: Optional[str] = None,
icon: Optional[str] = None,
href: Optional[str] = None
) -> dbc.Card:
# 实现逻辑...
2. 关键实现点
- 使用
dbc.NavLink包裹卡片内容实现跳转 - 支持相对路径和绝对URL
- 保持与原生KPI卡片一致的参数接口
- 通过
@capture("figure")装饰器确保兼容性
3. 完整示例
def custom_kpi_card(...):
title = title or f"{agg_func} {value_column}".title()
value = data_frame[value_column].agg(agg_func)
header = dbc.CardHeader([
html.H2(title),
html.P(icon, className="material-symbols-outlined") if icon else None,
])
body = dbc.CardBody([value_format.format(value=value)])
card_content = (
dbc.NavLink(
children=body,
href=get_relative_path(href) if href.startswith("/") else href,
target="_top",
)
if href
else body
)
return dbc.Card([header, card_content], class_name="card-kpi")
进阶技巧
- 悬停效果优化:通过CSS添加悬停动画,提升用户体验
- 多级导航:结合Vizro的页面路由系统实现复杂导航
- 状态保持:在跳转时通过URL参数传递当前筛选状态
最佳实践
- 保持自定义组件与原生组件API一致性
- 为可点击元素添加视觉反馈
- 考虑移动端触摸体验
- 对重要KPI卡片添加访问统计
总结
通过自定义Figure组件扩展Vizro功能是框架推荐的做法。本文展示的KPI卡片导航方案不仅解决了当前需求,也为其他组件定制提供了参考模式。在实际项目中,开发者可以根据业务需求进一步扩展,比如添加权限控制、动态URL生成等高级功能。
Vizro的模块化设计使得这类扩展变得简单而优雅,充分体现了框架的灵活性和可扩展性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218