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 06:22:32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
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
671
155
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++
661
309
Ascend Extension for PyTorch
Python
221
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
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
392
3.86 K
React Native鸿蒙化仓库
JavaScript
260
322