ECharts旭日图实现同时高亮祖先与后代节点的技术方案
2025-04-30 14:08:29作者:胡唯隽
在数据可视化领域,ECharts作为一款优秀的开源可视化库,其旭日图(Sunburst)常用于展示层次结构数据。近期社区提出了一个关于节点交互的重要需求:当用户悬停在某个节点时,需要同时高亮显示该节点的所有祖先节点和后代节点。
技术背景
旭日图通过环形切割的方式展示层级数据,传统的交互高亮模式通常只支持单一方向:
- 仅高亮当前节点('self'模式)
- 仅高亮祖先链('ancestor'模式)
- 仅高亮后代树('descendant'模式)
但在实际业务场景中,用户往往需要同时看到完整的关联路径,这对分析数据层级关系具有重要意义。
实现方案分析
目前ECharts的树图(Tree)系列已支持'relative'模式,可以同时高亮祖先和后代节点。该功能的实现原理是:
- 通过树形数据结构遍历算法定位目标节点
- 向上递归查找所有父节点
- 向下深度优先搜索所有子节点
- 对找到的节点集合应用高亮样式
对于旭日图,虽然当前版本尚未原生支持此功能,但开发者可以通过以下两种方式实现:
方案一:基于事件的手动实现
利用ECharts的鼠标事件系统,开发者可以自行实现完整的高亮逻辑:
myChart.on('mouseover', function(params) {
// 获取当前节点数据
const node = params.data;
// 自定义查找祖先和后代节点的逻辑
const highlightNodes = [
...findAncestors(node),
node,
...findDescendants(node)
];
// 批量更新节点样式
myChart.dispatchAction({
type: 'highlight',
dataIndex: highlightNodes.map(n => n.dataIndex)
});
});
方案二:扩展源码实现
熟悉ECharts源码的开发者可以直接修改Sunburst系列的核心代码,参考Tree系列的实现方式:
- 在SunburstPiece.ts中扩展高亮逻辑
- 添加'relative'模式的处理分支
- 实现节点遍历算法
- 维护正确的z-index层级关系
最佳实践建议
对于不同场景的开发者,我们推荐:
- 普通用户:等待官方版本更新(该功能已被标记为easy级别,预计很快会合并)
- 中级开发者:采用事件方案临时实现,注意设置emphasis.focus='none'避免冲突
- 高级开发者:可以基于TreeView.ts的现有代码进行移植开发
技术展望
随着层次数据可视化需求的增加,未来ECharts可能会:
- 统一各系列的高亮交互API
- 提供更灵活的关系高亮配置项
- 优化大规模节点高亮的性能表现
- 支持多维度的高亮组合策略
该功能的实现将显著提升旭日图在复杂业务场景下的表现力,特别是在供应链分析、组织架构展示等需要同时观察上下级关系的场景中具有重要价值。
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
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
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
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
492
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
343
146