Apache ECharts 在线定制后的引入方式详解
2025-04-30 18:02:34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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210