Apache ECharts GL 中曲面图数据排序问题解析
2025-05-01 21:39:50作者:温艾琴Wonderful
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。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322