ScottPlot中实现左右Y轴同步对齐的方法
2025-06-05 17:30:48作者:明树来
概述
在使用ScottPlot进行数据可视化时,经常会遇到需要同时显示两个不同量纲但需要保持特定位置对齐的Y轴数据。本文将详细介绍如何在ScottPlot中实现左右Y轴在指定值(如零点)位置对齐的技术方案。
问题背景
当图表中包含左右两个Y轴时,默认情况下这两个轴是独立缩放和定位的。但在某些应用场景中,我们需要确保两个Y轴在特定数值位置(如零点)保持对齐,即使它们的量程和缩放比例不同。这种需求常见于需要对比两个相关但不同量纲的数据序列时。
解决方案
ScottPlot提供了AxisRules机制,允许开发者自定义坐标轴规则。我们可以通过创建一个自定义的IAxisRule实现来实现左右Y轴在指定值位置对齐的功能。
自定义轴规则实现
namespace ScottPlot.AxisRules;
public class SameValueRightLeftAxesY(IYAxis leftAxis, IYAxis rightAxis, double ySameValue) : IAxisRule
{
public readonly IYAxis YLeftAxis = leftAxis;
public readonly IYAxis YRightAxis = rightAxis;
readonly double YValue = ySameValue;
public void Apply(RenderPack rp, bool beforeLayout)
{
double proportionalValueRight = (YValue - YRightAxis.Min) / YRightAxis.Range.Span;
double newMinLeft = YValue - YLeftAxis.Range.Span * proportionalValueRight;
double newMaxLeft = newMinLeft + YLeftAxis.Range.Span;
YLeftAxis.Min = newMinLeft;
YLeftAxis.Max = newMaxLeft;
}
}
实现原理
- 比例计算:首先计算指定值在右Y轴当前范围内的相对位置比例
- 左轴调整:根据这个比例调整左轴的范围,确保指定值在左轴上的相对位置与右轴相同
- 保持范围:在调整过程中保持左轴的量程(范围大小)不变,只改变其最小最大值
使用方法
var rule = new SameValueRightLeftAxesY(
leftAxis: plot.Plot.Axes.Left,
rightAxis: plot.Plot.Axes.Right,
ySameValue: 0);
plot.Plot.Axes.Rules.Clear();
plot.Plot.Axes.Rules.Add(rule);
应用场景
这种技术特别适用于以下场景:
- 金融数据对比:如将股价(左轴)与成交量(右轴)对比时,确保零线对齐
- 科学实验数据:当需要对比两个不同单位的测量数据但希望保持基准线一致时
- 工程应用:在显示不同传感器的数据时保持参考线对齐
注意事项
- 该规则会动态调整左轴的范围,因此左轴的范围可能会在用户交互时发生变化
- 如果右轴的范围不包含指定的对齐值,计算结果可能会出现异常
- 对于需要保持多个对齐点的情况,需要扩展当前的实现逻辑
总结
通过自定义IAxisRule实现,我们可以灵活地控制ScottPlot中坐标轴的行为,满足各种特殊的可视化需求。本文介绍的左右Y轴对齐技术不仅适用于零点对齐,稍作修改即可支持任意数值位置的对齐需求,为数据可视化提供了更大的灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
424
3.26 K
Ascend Extension for PyTorch
Python
231
264
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++
689
334
暂无简介
Dart
686
161
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869