在AntV G6中实现动态布局时固定已有节点位置的技巧
背景介绍
在使用AntV G6进行图可视化时,我们经常会遇到需要动态添加节点的情况。特别是在使用力导向布局(force2)时,如何在添加新节点时保持已有节点的位置不变,同时让新节点能够自动布局,这是一个常见的需求场景。
问题分析
当图数据发生变化时,特别是新增节点和边时,默认情况下force2布局会重新计算所有节点的位置。这会导致原本已经布局好的节点位置发生改变,影响用户体验。我们需要找到一种方法,能够:
- 保持已有节点的位置固定不变
- 允许新添加的节点自动进行力导向布局
- 确保整体布局的美观性和合理性
解决方案
AntV G6的force2布局提供了灵活的配置选项,我们可以利用onLayoutEnd回调函数来实现这一需求。具体实现方法如下:
{
layout: {
type: 'force2',
onLayoutEnd: (nodes) => {
nodes.forEach(node => {
// 固定已有节点的位置
node.fx = node.x;
node.fy = node.y;
})
}
}
}
实现原理
这个解决方案的核心在于利用了力导向布局的两个关键特性:
-
fx/fy属性:在力导向布局中,当节点设置了fx(固定x坐标)和fy(固定y坐标)属性时,该节点将被固定在指定位置,不再参与力导向计算。
-
onLayoutEnd回调:这是布局计算完成后触发的回调函数,我们可以在这里获取到所有节点的最新位置信息,并通过设置fx/fy来固定它们的位置。
进阶技巧
除了基本的固定位置功能,我们还可以结合其他布局参数进行更精细的控制:
-
节点力控制:通过
nodeStrength参数可以调整节点间的引力/斥力强度,对于固定节点可以设置为0。 -
边力控制:使用
edgeStrength可以调整边的拉力强度,保持固定节点与新节点的合理连接。 -
冷却系数:调整
alphaDecay和alphaMin参数可以控制布局收敛速度。
注意事项
-
当需要重新布局时,记得清除节点的fx/fy属性,否则节点将始终保持固定位置。
-
对于大规模图数据,固定过多节点可能会影响布局效果,建议分批处理。
-
可以结合
preset布局预先计算部分节点的位置,再使用力导向布局进行微调。
总结
通过合理利用AntV G6的布局回调机制和力导向布局参数,我们可以实现动态添加节点时保持已有布局稳定的效果。这种技术在需要增量更新图数据的场景中非常有用,如社交网络分析、知识图谱构建等应用场景。
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