VisActor/VChart 1.13.11版本发布:增强图表交互与数据可视化能力
VisActor/VChart是一个功能强大的数据可视化图表库,它提供了丰富的图表类型和灵活的配置选项,帮助开发者快速构建专业级的数据可视化应用。该库支持多种图表类型,包括柱状图、折线图、饼图等,并提供了丰富的交互功能如工具提示、数据缩放等。
新增功能亮点
直方图新增barGap配置项
在1.13.11版本中,VChart为直方图(histogram)新增了barGap配置选项。这个功能允许开发者控制直方图中各柱形之间的间距比例,使得图表展示更加灵活。对于需要精确控制柱形间距的数据可视化场景,这一功能尤为重要。
主题支持工具提示和十字准线触发方式
新版本增强了主题配置能力,现在开发者可以直接在主题中定义tooltip.trigger和crosshair.trigger的触发方式。这一改进使得全局样式管理更加便捷,开发者可以统一配置所有图表的交互触发行为,而不需要为每个图表单独设置。
重要问题修复
数据缩放域值修复
修复了当带尺寸的标签为数字样式的字符串时,数据缩放(DataZoom)的域值计算问题。这个问题可能导致数据缩放的范围显示不正确,影响用户对数据范围的精确控制。
工具提示标题顺序优化
修复了当维度工具提示没有标题时,标记工具提示中标题显示顺序的问题。现在无论是否有维度标题,工具提示中的标题顺序都能保持一致,提升了用户体验的一致性。
文本弹出提示功能修复
修复了当设置poptip: true选项时,未能正确加载poptipForText插件的问题。这一修复确保了文本弹出提示功能能够正常工作,增强了图表的交互能力。
React组件工具提示更新机制
针对React-VChart组件,修复了当使用children方式渲染自定义工具提示时的更新问题。现在React组件能够正确响应状态变化并更新工具提示内容,这对于构建动态数据可视化应用非常重要。
技术实现细节
自定义工具提示的React兼容性
新版本特别关注了自定义工具提示在不同React版本(17和18)中的渲染兼容性。通过优化内部实现,确保了自定义渲染的工具提示在各种React环境下都能正常工作,这对使用不同React版本的项目尤为重要。
类型定义修正
修正了代码中vchartConstrouctor到vchartConstructor的拼写错误,同时保持了向后兼容性。这种细节的改进虽然不影响功能,但体现了项目对代码质量的持续追求。
总结
VisActor/VChart 1.13.11版本在保持稳定性的基础上,增强了图表的交互能力和配置灵活性。新增的直方图间距控制和主题化交互配置,为开发者提供了更多定制化选择。同时,对工具提示、数据缩放等核心功能的修复,进一步提升了产品的可靠性和用户体验。这些改进使得VChart在数据可视化领域的竞争力得到持续增强。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
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!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









