go-echarts 项目新增 DataZoom 的 FilterMode 支持
2025-05-31 16:49:37作者:苗圣禹Peter
在数据可视化领域,Apache ECharts 是一个非常流行的 JavaScript 图表库。而 go-echarts 作为其在 Go 语言中的实现,为 Go 开发者提供了便捷的图表生成能力。最近,该项目对 DataZoom 组件的 FilterMode 功能进行了重要更新。
FilterMode 功能介绍
DataZoom 组件是 ECharts 中用于数据区域缩放的控件,它允许用户通过交互方式选择查看数据的特定范围。FilterMode 参数控制着数据过滤的行为模式,主要影响以下两个方面:
- 数据过滤方式:决定了在缩放操作时,是过滤掉范围外的数据还是简单地隐藏它们
- 坐标轴刻度计算:影响缩放后坐标轴刻度的计算方式
在最新版本的 go-echarts 中,开发者现在可以直接通过 opts.DataZoom 结构体来设置 FilterMode 参数,而不再需要使用 JavaScript 代码进行额外配置。
使用示例
在更新前,开发者需要通过添加 JavaScript 函数的方式来设置 FilterMode:
lineChart := charts.NewLine()
const JS_SET_FILTERMODE = `
const instance = %MY_ECHARTS%;
var option = instance.getOption();
option.dataZoom[0].filterMode = 'none';
instance.setOption(option);
`
lineChart.AddJSFuncStrs(JS_SET_FILTERMODE)
而在新版本中,可以直接通过 Go 代码进行配置:
zoom := opts.DataZoom{
Type: "inside",
FilterMode: "none",
// 其他配置项...
}
lineChart.SetGlobalOptions(
charts.WithDataZoom(zoom),
)
FilterMode 可选值
FilterMode 支持以下几种模式:
- filter:默认模式,过滤掉范围外的数据
- weakFilter:弱过滤模式,保留部分范围外的数据
- empty:将范围外的数据设置为空
- none:不过滤数据,仅做视觉上的缩放
不同的模式适用于不同的业务场景,开发者可以根据实际需求选择合适的过滤方式。
技术实现分析
在 go-echarts 的实现中,FilterMode 被添加到了 opts.DataZoom 结构体中,作为一个字符串类型的字段。这个字段会最终被序列化为 ECharts 配置对象的相应属性。
这种实现方式保持了 go-echarts 一贯的简洁风格,同时也提供了足够的灵活性。开发者现在可以完全在 Go 代码中完成所有配置,而不需要混合使用 JavaScript 代码,这大大提高了开发效率和代码的可维护性。
最佳实践建议
- 对于大数据量场景,建议使用 filter 模式以提高性能
- 当需要保持数据完整性时,可以考虑使用 none 或 weakFilter 模式
- 在需要特殊视觉效果时,empty 模式可能是一个不错的选择
这次更新进一步丰富了 go-echarts 的功能集,使其在数据可视化处理方面更加完善。开发者现在可以更灵活地控制数据缩放行为,为用户提供更好的交互体验。
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