Apache ECharts GL 中曲面图数据排序问题解析
2025-05-01 23:58:42作者:温艾琴Wonderful
echarts
Apache ECharts is a powerful, interactive charting and data visualization library for browser
在使用 Apache ECharts GL 绘制 3D 曲面图时,数据点的排列顺序是一个容易被忽视但至关重要的细节。本文将通过一个典型示例,深入分析曲面图数据排序的正确方式及其原理。
问题现象
当开发者尝试绘制一个平行于 Y/Z 轴的矩形平面时,可能会遇到曲面显示异常的情况。例如,使用以下数据点序列:
[
[0, 3, -8],[0, 3, -7], [0, 3, -6], [0, 3, -5], [0, 3, -4], [0, 3, -3], [0, 3, -2], [0, 3, -1],
[15, 3, -8],[15, 3, -7],[15, 3, -6], [15, 3, -5], [15, 3, -4], [15, 3, -3], [15, 3, -2], [15, 3, -1]
]
会导致曲面显示不完整或出现异常连接。而当删除每行的第一个数据点后,曲面却能正确显示。
根本原因
ECharts GL 的曲面图数据点需要遵循特定的排序规则:
- X 轴优先变化原则:数据点必须按照 X 值优先变化的顺序排列
- 网格结构要求:曲面图实际上是由多个四边形面片组成的网格,数据点需要形成规则的网格结构
对于平行于 Y/Z 轴的平面,正确的数据排列应该是:
[
[0, 3, -8], [15, 3, -8],
[0, 3, -7], [15, 3, -7],
[0, 3, -6], [15, 3, -6],
// 其余数据点...
]
这种排列方式确保了:
- 每个四边形由相邻的四个点构成
- 网格结构清晰明确
- 曲面能够被正确三角化
解决方案
要正确绘制平行于 Y/Z 轴的平面,开发者应该:
- 将数据点按照 Z 值分组
- 在每个 Z 值下,排列所有 X 值
- 保持 Y 值不变(对于平面)
示例代码结构:
data: (function() {
const data = [];
for (let z = -8; z <= -1; z++) {
data.push([0, 3, z], [15, 3, z]);
}
return data;
})()
最佳实践
- 可视化调试:先使用少量数据点测试曲面结构
- 数据生成函数:对于规则曲面,使用函数生成数据点
- 网格验证:确保数据点形成规则的四边形网格
- 正交投影:对于技术绘图,使用正交投影避免透视变形
总结
ECharts GL 的曲面图功能强大,但需要开发者理解其底层网格生成原理。正确的数据排序是确保曲面正确显示的关键。通过遵循 X 轴优先变化的原则和构建规则的网格结构,开发者可以轻松绘制各种复杂的 3D 曲面。
echarts
Apache ECharts is a powerful, interactive charting and data visualization library for browser
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0172
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook098
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239
项目优选
收起
暂无描述
Dockerfile
750
4.87 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
841
1.84 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
642
1.28 K
Ascend Extension for PyTorch
Python
689
834
openEuler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。
C
451
419
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++
1.02 K
1.04 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.59 K
172
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
956
561
昇腾LLM分布式训练框架
Python
173
214
暂无简介
Dart
998
259