ScottPlot中实现交互式柱状图高亮效果
ScottPlot是一个功能强大的.NET绘图库,它提供了丰富的图表类型和交互功能。本文将介绍如何在ScottPlot 4.1版本中实现柱状图的交互式高亮效果,即当用户点击某个柱子时,该柱子会改变颜色以示选中。
实现原理
ScottPlot的柱状图由多个Bar对象组成,每个Bar对象都有自己的填充颜色属性。我们可以通过监听鼠标点击事件,判断点击位置是否落在某个柱子的范围内,然后修改该柱子的FillColor属性来实现高亮效果。
完整实现代码
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
// 创建示例数据
double[] values = { 5, 10, 7, 13 };
// 添加柱状图
var barPlot = formsPlot1.Plot.Add.Bars(values);
// 设置底部边距为0以获得更好的视觉效果
formsPlot1.Plot.Axes.Margins(bottom: 0);
// 鼠标点击事件处理
formsPlot1.MouseDown += (s, e) =>
{
// 获取鼠标点击位置
Pixel mousePixel = new(e.X, e.Y);
Coordinates mouseLocation = barPlot.Axes.GetCoordinates(mousePixel);
// 遍历所有柱子
foreach (var bar in barPlot.Bars)
{
// 检查点击是否在当前柱子范围内
if (bar.Rect.Contains(mouseLocation))
{
// 修改被点击柱子的颜色
bar.FillColor = Generate.RandomColor();
// 刷新图表显示
formsPlot1.Refresh();
return;
}
}
};
}
}
关键点解析
-
坐标转换:将鼠标的屏幕坐标(Pixel)转换为图表坐标(Coordinates),这是判断点击位置是否在柱子范围内的关键步骤。
-
矩形区域检测:每个Bar对象都有一个Rect属性,表示该柱子在图表坐标系中的矩形区域。通过Contains方法可以判断点击位置是否在该区域内。
-
颜色修改:直接修改被点击柱子的FillColor属性即可改变其显示颜色。示例中使用RandomColor()生成随机颜色,实际应用中可以根据需求设置固定颜色。
-
刷新显示:修改属性后需要调用Refresh()方法使更改立即生效。
扩展应用
-
多系列柱状图:对于分组柱状图或堆叠柱状图,同样可以通过遍历所有Bar对象来实现高亮效果。
-
高亮样式:除了修改颜色,还可以考虑修改边框宽度、透明度等属性来增强视觉效果。
-
状态保持:可以添加逻辑记录当前选中的柱子,实现取消选中或切换选中状态的功能。
-
交互反馈:结合Tooltip显示被点击柱子的详细信息,提升用户体验。
注意事项
-
确保在修改任何图表属性后调用Refresh()方法,否则更改不会立即显示。
-
对于大量数据的柱状图,频繁的颜色修改和刷新可能会影响性能,建议进行优化。
-
坐标转换需要考虑图表的各种缩放和平移情况,确保位置检测的准确性。
通过上述方法,开发者可以轻松地为ScottPlot柱状图添加交互式高亮功能,大大增强图表的交互性和用户体验。
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