Apache ECharts 中多堆叠名称功能的探索与实践
2025-04-30 06:18:56作者:尤辰城Agatha
echarts
Apache ECharts is a powerful, interactive charting and data visualization library for browser
背景介绍
Apache ECharts 作为一款优秀的开源可视化库,在数据可视化领域有着广泛的应用。其中堆叠(stack)功能是展示数据累积关系的重要特性,它允许将多个系列的数据在同一个维度上进行叠加显示。然而,现有的堆叠功能在某些复杂场景下存在局限性。
现有堆叠功能的局限性
当前 ECharts 的堆叠功能通过 series-line.stack 和 series-bar.stack 属性实现,其中 stack 是一个字符串值,相同 stack 名称的系列会被堆叠在一起。这种设计在简单场景下工作良好,但在处理复杂数据关系时显得不够灵活。
以一个典型的三系列场景为例:
- 系列 A(基础数据)
- 系列 B(需要在 A 上堆叠)
- 系列 C(也需要在 A 上堆叠)
现有方案只能将所有三个系列堆叠在一起(A、B、C 都使用相同的 stack 名称),无法实现 B 和 C 都堆叠在 A 上但彼此不堆叠的效果。这在某些业务场景下会导致数据展示不准确或产生误导。
技术挑战与解决方案探索
现有方案的局限性
- 数据展示不准确:当需要多个系列都基于同一个基础系列堆叠时,现有方案会导致这些系列之间也产生堆叠关系
- 交互问题:工具提示会显示所有堆叠系列的数据,包括重复的基础系列
- 灵活性不足:无法精细控制哪些系列应该堆叠在一起,哪些应该保持独立
临时解决方案分析
在实际应用中,开发者提出了一个临时解决方案:
- 复制基础系列(如系列 A),创建多个副本
- 将不同系列分别与不同的基础系列副本堆叠
- 通过自定义工具提示隐藏重复的基础系列数据
虽然这种方法可以部分解决问题,但它带来了新的挑战:
- 增加了数据处理的复杂性
- 可能导致性能问题,特别是在大数据量场景下
- 需要额外的代码来处理工具提示等交互功能
理想的技术方案
从技术实现角度,最理想的解决方案是扩展 stack 属性的功能,使其支持数组形式的堆叠名称。具体设计如下:
// 传统单堆叠名称方式
seriesA.stack = "a"
seriesB.stack = "a"
seriesC.stack = "a"
// 新的多堆叠名称方案
seriesA.stack = ["ab", "ac"] // A 同时属于 ab 和 ac 两个堆叠组
seriesB.stack = "ab" // B 只属于 ab 堆叠组
seriesC.stack = "ac" // C 只属于 ac 堆叠组
这种设计可以实现:
- 系列 B 堆叠在系列 A 上(通过 ab 堆叠组)
- 系列 C 堆叠在系列 A 上(通过 ac 堆叠组)
- 系列 B 和 C 之间不产生堆叠关系
实际应用案例分析
以一个光伏发电系统监控场景为例,需要展示以下数据:
- 发电量(produced)
- 充电量(charged)
- 放电量(discharged)
- 直接消耗量(directlyConsumed)
- 总消耗量(consumed)
理想的可视化效果应该是:
- 充电量和直接消耗量堆叠在发电量上
- 放电量和直接消耗量堆叠在总消耗量上
- 但充电量和放电量之间不应产生堆叠关系
使用多堆叠名称方案可以完美实现这一需求,而现有方案则无法准确表达这种复杂的数据关系。
实现建议与未来展望
对于 ECharts 核心开发团队,建议考虑以下实现路径:
- API 设计:保持向后兼容,stack 属性同时支持字符串和数组形式
- 渲染逻辑:扩展渲染引擎,支持系列参与多个堆叠组
- 交互处理:确保工具提示等交互功能正确处理多堆叠关系
- 性能优化:评估多堆叠对渲染性能的影响,必要时进行优化
对于开发者社区,在等待官方支持的同时可以:
- 使用现有的临时解决方案处理简单场景
- 对于复杂场景,考虑使用多个关联的图表(connected charts)来分解展示
- 积极参与社区讨论,分享实际应用经验
总结
ECharts 的多堆叠名称功能扩展将显著提升复杂数据关系的表达能力,为能源监控、财务分析等领域的可视化提供更强大的支持。这一功能的实现需要平衡 API 设计、渲染性能和用户体验等多方面因素,值得开发团队和社区共同探讨和完善。
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
212
暂无简介
Dart
998
259