Vico图表库中获取标记点数据的正确方式
2025-07-01 10:50:28作者:申梦珏Efrain
在使用Vico图表库(v2.0.0-alpha.28版本)开发Android应用时,开发者经常需要实现点击图表数据点后显示标记(Marker)的功能。本文将详细介绍如何正确获取标记点的数据信息。
常见误区与问题分析
许多开发者尝试通过context.chartValues.model.extraStore来获取标记点的数据,但往往会遇到返回null的情况。这是因为对Vico图表库中ExtraStore机制的理解存在偏差。
ExtraStore中的Key是通过实例比较的,这意味着每次创建新的Key实例时,即使内容相同,系统也会视为不同的Key。因此直接在标记格式化器中创建Key实例进行查询是无效的。
正确获取标记点数据的方法
Vico图表库实际上已经为开发者提供了更直接的获取标记点数据的途径。在标记格式化器(CartesianMarkerValueFormatter)中,系统会通过targets参数直接提供被标记的数据点信息。
val labelFormatter: CartesianMarkerValueFormatter =
CartesianMarkerValueFormatter { context, targets ->
// 直接从targets参数获取标记点数据
val markedEntry = targets.firstOrNull()?.entry
markedEntry?.yourDataField?.toString() ?: ""
}
技术实现要点
-
targets参数:包含了所有被标记的数据点信息,是一个集合,因为可能同时标记多个点
-
entry对象:每个target中的entry对象包含了该数据点的完整信息
-
空安全处理:使用firstOrNull和空安全操作符(?.)来避免空指针异常
最佳实践建议
-
如果确实需要使用ExtraStore,应该在图表数据模型创建时就定义好Key实例并保存引用
-
对于简单的标记点数据显示,优先使用targets参数提供的信息
-
考虑为复杂数据场景创建自定义的Entry实现类,包含所需的业务字段
通过理解Vico图表库的设计原理和正确使用其API,开发者可以轻松实现各种图表交互功能,包括标记点的数据显示和自定义格式化。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
403
3.14 K
Ascend Extension for PyTorch
Python
224
250
暂无简介
Dart
672
159
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++
663
319
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
1.21 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219