Ant Design Charts 环形图统计信息动态展示实现方案
2025-07-05 03:27:39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
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
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
342
146