Apache ECharts 在线定制后的引入方式详解
2025-04-30 05:19:43作者:羿妍玫Ivan
echarts
Apache ECharts is a powerful, interactive charting and data visualization library for browser
Apache ECharts 作为一款优秀的可视化图表库,提供了在线定制功能,允许用户根据需求定制专属的图表库版本。本文将详细介绍如何将定制后的 ECharts 引入到项目中。
定制版本特性
通过在线定制工具生成的 ECharts 版本是一个 UMD (Universal Module Definition) 格式的模块。这种格式的特点是兼容多种模块化方案,包括:
- 直接通过
<script>标签引入 - 在 AMD 模块系统中使用
- 在 CommonJS 环境中使用
引入方式
1. 直接通过 script 标签引入
这是最简单的方式,适合传统前端项目:
<script src="path/to/custom-echarts.js"></script>
<script>
// 初始化图表
var chart = echarts.init(document.getElementById('main'));
chart.setOption({
// 图表配置项
});
</script>
2. 在 Vue 项目中使用
在 Vue 项目中,可以通过以下方式引入:
// 在组件中引入
import echarts from 'path/to/custom-echarts';
export default {
mounted() {
this.initChart();
},
methods: {
initChart() {
const chart = echarts.init(this.$refs.chartContainer);
chart.setOption({
// 图表配置项
});
}
}
}
3. 在 React 项目中使用
React 项目中可以这样使用:
import React, { useEffect, useRef } from 'react';
import echarts from 'path/to/custom-echarts';
function ChartComponent() {
const chartRef = useRef(null);
useEffect(() => {
const chart = echarts.init(chartRef.current);
chart.setOption({
// 图表配置项
});
return () => chart.dispose();
}, []);
return <div ref={chartRef} style={{width: '100%', height: '400px'}} />;
}
注意事项
-
文件路径:确保引入路径正确,相对路径或绝对路径均可
-
全局变量:通过 script 引入时,ECharts 会注册为全局变量
echarts -
模块化项目:在模块化项目中,建议使用 import 方式引入
-
版本冲突:避免同时引入多个不同版本的 ECharts
-
按需加载:定制版本已经包含了所需的组件,无需额外引入
最佳实践
-
将定制版本放在项目的静态资源目录中
-
对于大型项目,建议将图表初始化逻辑封装成可复用的组件
-
注意在组件销毁时调用
dispose()方法释放资源 -
考虑使用响应式设计,使图表能适应不同屏幕尺寸
通过以上方式,可以轻松将定制后的 ECharts 集成到各种前端项目中,充分发挥其强大的数据可视化能力。
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
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
423
3.25 K
Ascend Extension for PyTorch
Python
231
262
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
331
暂无简介
Dart
686
160
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