DataCards 项目设置参数完全指南:从基础配置到高级技巧
2025-06-19 23:11:17作者:牧宁李
前言
DataCards 是一款功能强大的数据可视化工具,它能够将结构化数据以精美的卡片形式呈现。本文将全面解析 DataCards 的各项设置参数,帮助用户从入门到精通地掌握配置技巧。
配置方式概述
DataCards 提供了两种灵活的配置方式:
- 全局配置:适用于所有数据卡片的默认设置
- 区块级配置:针对特定代码块的个性化设置
全局配置详解
全局配置是所有数据卡片的默认行为,建议将最常用的配置项设置在此处:
- 打开应用设置面板
- 在插件列表中找到 DataCards 选项
- 根据需求调整各项参数
区块级配置详解
区块级配置允许针对特定查询进行个性化定制,语法规则为:
TABLE 字段1, 字段2 FROM 数据源
SORT 排序字段
// Settings
参数名: 参数值
参数名: 参数值
参数分类详解
预设样式参数
preset 是最核心的样式参数,决定了卡片的整体布局风格:
grid:网格布局(默认)portrait:纵向布局,适合展示图片square:方形布局compact:紧凑布局dense:高密度布局
图像显示参数
图像相关参数控制着卡片中图片的展示方式:
imageProperty:指定使用哪个元数据字段作为图片源imageHeight:图片高度(支持CSS单位)imageFit:图片填充方式(cover/contain)
内容显示参数
内容参数决定了卡片中信息的呈现方式:
properties:指定显示的字段(all或字段列表)exclude:排除不显示的字段scrollableProperties:是否启用内容滚动contentHeight:可滚动区域的高度
布局控制参数
精细控制卡片布局的高级参数:
columns:固定列数dynamicColumns:是否启用动态列数minCardWidth:卡片最小宽度(动态布局时有效)
移动端适配参数
专为移动设备优化的参数:
mobilePreset:移动端预设样式mobileColumns:移动端列数(通常设为1-3)mobileContentHeight:移动端内容区域高度
实用配置示例
基础配置示例
TABLE 文件链接, 作者, 评分 FROM #书籍
SORT 评分 DESC
// Settings
preset: portrait
imageProperty: 封面
高级配置示例
TABLE 文件链接, 作者, 评分, 类型, 封面 FROM #书籍
SORT 评分 DESC
// Settings
preset: grid
imageProperty: 封面
columns: 8
fontSize: small
showLabels: true
响应式布局示例
TABLE 文件链接, 作者, 评分, 类型, 封面 FROM #书籍
SORT 评分 DESC
// Settings
preset: grid
imageProperty: 封面
dynamicColumns: true
minCardWidth: 280px
参数优先级规则
当同一参数在多处设置时,系统遵循以下优先级:
- 区块级设置(最高优先级)
- 全局设置
- 预设默认值
- 移动端特殊设置(在移动设备上自动生效)
特别提示:对于列数设置,固定列数参数会覆盖动态列数设置,这在需要精确控制布局时非常有用。
最佳实践建议
- 性能优化:对于包含大量图片的数据集,建议启用
enableLazyLoading参数 - 移动端适配:始终测试移动端显示效果,必要时使用
mobilePreset单独配置 - 内容溢出处理:长文本内容建议启用
truncateText或scrollableProperties - 布局一致性:在全局设置中定义基础样式,在区块级设置中仅覆盖必要参数
通过合理组合这些参数,您可以创建出既美观又实用的数据卡片展示效果。建议从简单配置开始,逐步尝试更复杂的参数组合,以找到最适合您需求的展示方式。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
464
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++
895
687
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
355
216
昇腾LLM分布式训练框架
Python
121
147
暂无简介
Dart
807
199
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
12
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
68
20
🎉 (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
1.38 K
782