Apache ECharts 图例垂直布局实现方案
2025-05-01 06:14:26作者:翟江哲Frasier
背景介绍
Apache ECharts 作为一款优秀的可视化图表库,其图例(legend)组件默认采用水平布局方式。但在实际业务场景中,开发者有时需要实现图例项垂直排列的效果,特别是当图例项较多或需要特殊展示形式时。
问题分析
用户最初提出希望实现图例项中图标和文本垂直排列的布局方式,类似以下效果:
- 图标在上
- 文本在下
- 整体垂直排列
用户尝试使用 padding 和 textPadding 属性进行调整,但在 ECharts 5.x 版本中这些方法未能奏效。
解决方案
经过探索,发现可以通过配置 textStyle 的 rich 属性来实现这一效果。rich 属性允许对文本进行富文本样式配置,通过合理设置可以实现文本与图标的垂直布局。
实现代码示例
option = {
legend: {
data: ['图例项1', '图例项2', '图例项3'],
textStyle: {
rich: {
// 这里可以添加富文本样式配置
}
}
},
// 其他图表配置...
};
技术原理
ECharts 的 rich 属性实际上提供了一种类似 HTML 的富文本布局能力。通过定义不同的样式块,开发者可以:
- 控制文本与图标的相对位置
- 设置不同的垂直对齐方式
- 调整间距和边距
- 实现复杂的图文混排效果
进阶技巧
对于更复杂的垂直布局需求,还可以结合以下属性进行微调:
itemGap: 控制图例项之间的间距itemWidth/itemHeight: 设置图例项的宽度和高度symbolKeepAspect: 保持图标比例padding: 整体内边距设置
注意事项
- 不同 ECharts 版本可能对布局属性的支持有所不同
- 垂直布局可能会影响图例的整体宽度计算
- 在响应式设计中需要考虑不同屏幕尺寸下的显示效果
- 过多的图例项垂直排列可能导致图表区域被压缩
总结
通过合理使用 ECharts 提供的富文本配置功能,开发者可以灵活实现各种图例布局需求,包括垂直排列等特殊效果。这种方法不仅适用于简单的垂直布局,还可以扩展到更复杂的图文混排场景,为数据可视化提供更多创意空间。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
Spark-Formalizer-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
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
项目优选
收起
deepin linux kernel
C
24
7
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
369
3.13 K
Ascend Extension for PyTorch
Python
162
182
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
252
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
仓颉编译器源码及 cjdb 调试工具。
C++
125
853
React Native鸿蒙化仓库
JavaScript
240
313
🎉 (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
1.09 K
617
暂无简介
Dart
613
138
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++
644
255