ScottPlot 5.0.54版本发布:多图布局与图形渲染全面升级
ScottPlot是一个功能强大的.NET绘图库,它提供了简单易用的API来创建高质量的2D图表。该库支持多种平台,包括Windows Forms、WPF、Avalonia等,广泛应用于数据可视化、科学计算和工程分析领域。最新发布的5.0.54版本带来了多项重要改进,特别是在多图布局、图形渲染和轴管理方面有了显著提升。
多图布局系统重大改进
本次更新对Multiplot功能进行了全面重构,提供了更灵活的布局定制API。开发者现在可以通过Multiplot.SharedAxes.ShareY()方法替代原先的Multiplot.ShareY()来实现Y轴共享,这一改变使得轴管理更加清晰和模块化。
新版本引入了IMultiplot.LastRender属性,将状态管理和基于先前渲染的像素查找逻辑集中管理,大大简化了复杂布局的实现。此外,通过新增的Subplots属性,开发者可以更方便地管理子图集合,而Count()方法则取代了原来的Count属性,提供了更一致的API体验。
轴管理增强
轴管理方面新增了IAxis.Collapse()辅助方法,可以禁用刻度生成并将指定轴的大小设置为零,这在创建紧凑型多图布局时特别有用。配合新增的CollapseVertically()方法,开发者可以轻松消除垂直堆叠图之间的空白空间。
对于需要固定尺寸的场景,新增的LockSize()方法可以快速将MinimumSize和MaximumSize设置为相同值,简化了轴尺寸固定的操作流程。
交互式多图布局
特别值得一提的是新增的DraggableRows()布局功能,它简化了用户可调整大小的多图实现。这一功能允许用户通过拖动来调整子图之间的相对大小,极大地提升了交互体验。这一改进源于社区贡献者的需求,展示了ScottPlot对用户反馈的积极响应。
图形渲染优化
WinForms平台的图形渲染得到了显著改进。ScottPlot.Image.GetBitmap()方法的内存管理和释放机制更加完善,减少了内存泄漏的风险。新增的Scaled()和Resized()方法为开发者提供了在内存中调整图像大小的便捷工具。
透明支持方面也有提升,特别是在带有背景图像的窗体上放置绘图时,透明效果更加稳定和可靠。OpenGL控件的内存管理得到优化,特别是在处理散点图时性能更佳,减少了内存占用并提高了渲染效率。
新增图形元素
本次更新丰富了图形元素的种类,新增了多种形状支持,包括圆弧、圆扇形、环形扇形等。这些新形状的加入大大扩展了ScottPlot的表现能力,使开发者能够创建更加丰富多样的数据可视化效果。
渲染性能提升
渲染引擎的改进包括更精确的轴限制变化检测和更合理的图例项方向处理。这些看似微小的改进实际上对用户体验有着显著影响,特别是在动态更新图表或处理复杂布局时,能够提供更流畅的交互体验。
总的来说,ScottPlot 5.0.54版本在多图布局、轴管理和图形渲染方面都带来了重要改进,既增强了功能又提升了性能。这些变化使得ScottPlot在数据可视化领域的竞争力进一步提升,为开发者提供了更强大、更灵活的工具来创建高质量的图表应用。
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00