Plotly.rs 教程: Rust 中的数据可视化之旅
项目介绍
Plotly.rs 是一个基于 Rust 的图形库,它利用了强大的 Plotly.js 引擎来创建交互式的图表和数据可视化作品。这个项目旨在为 Rust 开发者提供一个高效且直观的方式来生成高质量的图表,无论是用于网页应用还是其他需要可视化展示的场景。文档丰富,包括了一个详细的书籍、实例目录以及专门的 API 文档,确保开发者可以轻松上手。
项目快速启动
要开始使用 Plotly.rs,首先你需要在你的 Cargo.toml 文件中添加依赖:
[dependencies]
plotly = "0.10.0"
之后,你可以通过以下简单的示例来体验基本的图绘制功能:
use plotly::{Plot, Scatter};
fn main() {
let mut plot = Plot::new();
let trace = Scatter::new(vec![0, 1, 2], vec![2, 1, 0]);
plot.add_trace(trace);
// 快速查看图表(打开默认浏览器显示互动式图表)
plot.show();
// 或保存为 HTML 文件(默认使用 CDN 加载 Plotly.js)
plot.write_html("example.html");
}
如果想直接将 JavaScript 库嵌入到 HTML 文件中,可以启用 plotly_embed_js 特性,并调整代码以适应静态加载需求。
应用案例和最佳实践
创建交互式图表
为了生成可交互的图表并存储为 HTML 文件,可以采用如下方式:
plot.use_cdn_plotly(); // 或者不使用此行来内嵌 JavaScript 库
plot.write_html("interactive_example.html");
静态图像导出
使用 kaleido 特性来支持导出非交互式的图片文件,例如 PNG 格式:
// 在 Cargo.toml 添加 kaleido 特性
// [dependencies.plotly.features] kaleido = true
let mut plot = Plot::new();
// 添加轨迹等...
plot.write_image("static_plot.png", ImageFormat::PNG, 800, 600);
WebAssembly 环境下的使用
对于 WebAssembly (Wasm) 应用,激活 wasm 特性,并确保基础 HTML 包含 Plotly.js 库。然后,通过 Rust 与 JavaScript 的互操作来展示图表。
典型生态项目
虽然本项目主要是 Plotly.rs 的核心库,但它通常被集成到各种 Rust 前端框架的生态中,如 Yew 或 Seed,或者用于构建数据分析工具链的一部分。开发者可以探索 examples/ 目录找到结合不同技术栈的实战范例,这些例子展示了如何在特定的 Rust/Wasm 项目中有效地利用 Plotly.rs 进行数据可视化。
以上即是 Plotly.rs 的简要教程,涵盖了从安装到快速上手,再到一些进阶使用的步骤。通过这个教程,你应该能够开始利用 Plotly.rs 在你的 Rust 项目中创建出色的数据可视化效果。记得参考其官方文档和仓库中的最新信息,以获取更全面的指导和示例。
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-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
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