Ant Design Charts 环形图统计信息动态展示实现方案
2025-07-05 14:57:52作者:史锋燃Gardner
环形图统计信息展示概述
在数据可视化领域,环形图(Donut Chart)是一种常见且有效的图表类型,它通过环形区域展示各部分数据在整体中的占比关系。Ant Design Charts作为一款优秀的数据可视化库,提供了丰富的环形图配置选项。
版本差异与实现方案
在Ant Design Charts的1.x版本中,环形图内置了统计信息动态展示功能,可以通过简单配置实现中心区域的统计信息显示。而在2.x版本中,这一功能需要通过自定义方式实现。
核心实现思路
实现环形图中心统计信息动态展示的核心思路是:
- 使用统计函数计算总和等统计量
- 通过自定义annotation方式在图表中心区域添加统计信息
- 配置适当的动画效果使统计信息动态变化
具体实现步骤
1. 数据准备
首先需要准备饼图/环形图所需的数据格式,通常是一个包含value和label属性的对象数组:
const data = [
{ type: '分类一', value: 27 },
{ type: '分类二', value: 25 },
{ type: '分类三', value: 18 },
{ type: '分类四', value: 15 },
{ type: '分类五', value: 10 },
{ type: '其他', value: 5 }
];
2. 计算统计信息
使用reduce函数计算数据总和:
const total = data.reduce((sum, item) => sum + item.value, 0);
3. 配置环形图
配置基本的环形图属性,包括内半径和外半径:
const config = {
data,
angleField: 'value',
colorField: 'type',
radius: 1,
innerRadius: 0.6,
// 其他配置...
};
4. 添加统计信息注解
通过annotations配置在图表中心添加统计信息:
annotations: [
{
type: 'text',
position: ['50%', '50%'],
content: '总计',
style: {
fontSize: 14,
textAlign: 'center',
},
offsetY: -20,
},
{
type: 'text',
position: ['50%', '50%'],
content: `${total}`,
style: {
fontSize: 20,
fontWeight: 'bold',
textAlign: 'center',
},
}
]
5. 添加动画效果
为了增强用户体验,可以为统计信息添加动画效果:
animation: {
appear: {
animation: 'wave-in',
duration: 3000,
}
}
进阶优化方案
1. 响应式更新
当数据发生变化时,需要重新计算统计信息并更新图表:
// 数据更新时
const newTotal = newData.reduce((sum, item) => sum + item.value, 0);
chart.update({
...config,
annotations: [
// 更新统计信息
]
});
2. 样式自定义
可以通过style属性自定义统计信息的样式,包括字体、颜色、大小等,使其与整体设计风格保持一致。
3. 多统计信息展示
在中心区域可以展示多个统计信息,如平均值、最大值等:
const average = total / data.length;
const max = Math.max(...data.map(item => item.value));
// 在annotations中添加更多统计信息
注意事项
- 确保环形图的内半径足够大,为统计信息留出足够的展示空间
- 统计信息的字体大小应根据环形图的大小进行适当调整
- 在多语言环境下,需要处理统计信息的国际化问题
- 对于大数据集,考虑性能优化,避免频繁计算
通过以上方案,可以在Ant Design Charts 2.x中实现与1.x版本类似的环形图统计信息动态展示效果,同时获得2.x版本带来的性能提升和新特性支持。
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-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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