Mini-Graph Card 图表右侧Y轴显示配置指南
2025-06-24 14:49:25作者:宣利权Counsellor
Mini-Graph Card 是Home Assistant中一款功能强大的迷你图表卡片组件,它能够以紧凑的形式展示各种传感器数据的变化趋势。在实际使用中,有时我们需要将Y轴数值显示在图表右侧,以便更直观地观察数据变化。本文将详细介绍如何实现这一功能。
核心配置参数
要实现Y轴数值在图表右侧显示,需要组合使用两个关键配置参数:
- y_axis: secondary - 将实体数据绑定到辅助Y轴
- labels_secondary: true - 显示辅助Y轴的标签
完整配置示例
type: custom:mini-graph-card
entities:
- entity: sensor.outdoor_temperature
name: 室外温度
show_state: true
color: orange
y_axis: secondary
- entity: sensor.indoor_temperature
name: 室内温度
show_state: true
color: skyblue
y_axis: secondary
name: 温度监测
hours_to_show: 48
points_per_hour: 4
show:
labels: true
labels_secondary: true
show_points: true
extrema: true
legend: true
date_format: "%a, %d %b"
hour_format: 24
grid: true
decimals: 1
line_width: 2
配置详解
-
实体级别配置:
- 为每个需要显示在右侧Y轴的实体添加
y_axis: secondary参数 - 可以同时配置多个实体使用辅助Y轴
- 为每个需要显示在右侧Y轴的实体添加
-
显示选项配置:
labels_secondary: true启用辅助Y轴标签显示- 建议同时保留
labels: true以显示主要Y轴标签(左侧)
-
视觉效果优化:
- 使用不同颜色区分多条曲线
- 设置
show_points: true可增强数据点可见性 - 调整
line_width可改变曲线粗细
应用场景
这种右侧Y轴显示方式特别适合以下场景:
- 监控多个相关但数值范围不同的传感器(如室内外温度)
- 需要直观对比当前值与历史趋势
- 在有限空间内展示更多信息
- 符合从左到右的阅读习惯
注意事项
- 当使用辅助Y轴时,建议为不同实体设置不同颜色以便区分
- 可以调整
decimals参数控制数值显示的小数位数 hours_to_show和points_per_hour参数会影响图表的数据密度和清晰度
通过以上配置,用户可以轻松实现Mini-Graph Card图表右侧Y轴数值显示,从而获得更直观的数据可视化体验。
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
425
3.26 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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
🎉 (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
🔥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
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
19
30