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。
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