Evidence项目中的Dropdown组件新增降序排序功能解析
2025-06-09 10:24:23作者:钟日瑜
背景介绍
Evidence是一个开源的数据可视化项目,其核心组件库提供了丰富的UI元素来帮助开发者构建数据驱动的应用程序。Dropdown(下拉选择)组件作为用户交互的重要元素,在数据展示和筛选场景中被广泛使用。
功能需求分析
在项目迭代过程中,用户反馈了一个实际需求:Dropdown组件当前仅支持按字母顺序升序排列选项,但某些业务场景下需要支持降序排列,特别是处理日期类型数据时,用户往往希望最新日期能优先显示。
技术实现方案
Evidence团队在最新版本中对该功能进行了增强,采用了与SQL语法一致的排序方式来实现更灵活的排序控制:
- 原有排序机制:早期版本中Dropdown组件仅支持简单的字母顺序升序排列
- 新排序语法:现在支持通过
order属性指定排序方式,格式为"列名 排序方向"- 升序示例:
order="create_time asc" - 降序示例:
order="create_time desc"
- 升序示例:
技术细节解析
这种实现方式具有以下技术优势:
- 一致性:与SQL语法保持一致,降低开发者学习成本
- 扩展性:为未来支持多列排序预留了设计空间
- 灵活性:可以应用于各种数据类型,包括字符串、数字和日期等
应用场景示例
- 时间序列数据:展示最新日志或事件时,使用
order="timestamp desc"让最近记录优先显示 - 数值型指标:展示销售数据时,使用
order="revenue desc"将最高销售额排在前面 - 字母倒序:特殊业务场景下需要Z-A排列时,使用
order="name desc"
最佳实践建议
- 对于性能敏感的场景,建议在数据源层面先进行排序
- 复杂排序需求可考虑结合其他查询参数使用
- 移动端使用时注意测试大数据量下的性能表现
总结
Evidence项目通过增强Dropdown组件的排序功能,为开发者提供了更强大的数据展示控制能力。这种基于SQL语法的设计既保持了简洁性,又提供了足够的灵活性,是UI组件与数据操作紧密结合的优秀实践。
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
184
196
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++
648
265
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
275
97
暂无简介
Dart
623
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
380
3.43 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