Vizro项目中实现初始过滤与图表交互过滤的协同工作
2025-06-27 18:26:54作者:傅爽业Veleda
在数据可视化仪表盘开发中,初始数据过滤与交互式过滤的协同工作是一个常见需求。本文将以Vizro项目为例,深入探讨如何实现AgGrid表格的初始"Total"过滤与图表点击交互过滤的无缝结合。
问题背景分析
在开发数据仪表盘时,我们经常遇到这样的场景:需要表格在初始加载时显示汇总数据(如"Total"行),同时允许用户通过点击图表来查看特定分类的详细数据。这种需求在业务分析场景中尤为常见,比如销售数据按区域汇总后,又需要查看特定区域的明细。
技术难点解析
原始方案直接使用AgGrid的filterModel属性设置初始过滤条件,同时通过filter_interaction实现图表点击过滤。这种方法存在一个关键问题:两种过滤机制会相互覆盖而不是协同工作。具体表现为:
- 初始加载时filterModel强制显示"Total"数据
- 图表点击触发filter_interaction后,客户端filterModel仍然保持"Total"条件
- 最终导致无数据显示,因为数据无法同时满足两个矛盾条件
解决方案实现
核心思路
采用自定义action替代内置filter_interaction,直接操作AgGrid的filterModel属性。这种方法可以:
- 保留初始过滤条件
- 在用户交互时动态更新过滤条件
- 避免过滤条件的冲突
具体实现步骤
- 创建自定义action函数:
from vizro.models.types import capture
@capture("action")
def overwrite_filter_model(circunscripcion_click_data):
extracted_value = circunscripcion_click_data["points"][0]["customdata"][0]
return {"Circunscripción": {"type": "equals", "filter": extracted_value}}
- 配置Graph组件:
graph_circunscripcion = vm.Graph(
id="fig_bar",
figure=fig_bar,
actions=[
vm.Action(
function=overwrite_filter_model(),
inputs=["fig_bar.clickData"],
outputs=["underlying_mi_tabla_aggrid.filterModel"],
)
]
)
- 设置AgGrid组件:
tabla_aggrid = vm.AgGrid(
id="mi_tabla_aggrid",
figure=dash_ag_grid(
id="underlying_mi_tabla_aggrid",
data_frame=df_table,
columnDefs=columnDefs,
filterModel={"Circunscripción": {"type": "equals", "filter": "Total"}}
)
)
关键点说明
- 组件ID设置:必须为AgGrid的底层组件设置独立ID(underlying_mi_tabla_aggrid),这是action能够正确操作filterModel的关键
- 数据流设计:自定义action明确指定了输入(图表点击数据)和输出(表格过滤模型)的对应关系
- 类型提示处理:在实际应用中建议添加Optional类型提示以避免静态分析工具报错
方案优势分析
相比原始方案,这种实现方式具有以下优势:
- 过滤条件统一管理:所有过滤操作都通过filterModel属性完成,避免多套过滤系统冲突
- 交互响应明确:用户点击图表后,表格会立即显示对应分类的全部数据
- 代码可维护性强:自定义action逻辑清晰,易于扩展和修改
实际应用建议
在实际项目开发中,可以进一步优化此方案:
- 添加重置按钮,方便用户返回"Total"视图
- 考虑添加多条件过滤支持,如同时按时间和区域过滤
- 对自定义action添加异常处理,增强鲁棒性
- 可以封装成可复用组件,提高开发效率
这种初始过滤与交互过滤协同工作的模式,可以广泛应用于各种业务分析场景,为数据可视化仪表盘提供更流畅的用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160