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 18:45:30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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-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。00
项目优选
收起
deepin linux kernel
C
24
7
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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
376
3.26 K
暂无简介
Dart
619
140
🔥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
62
19
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
479
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++
647
261
🎉 (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
1.09 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
790
76