Excelize 库中实现双 Y 轴组合图表的技术解析
2025-05-11 05:22:56作者:庞眉杨Will
Excelize 是一个强大的 Go 语言库,用于处理 Excel 文件。在实际业务场景中,我们经常需要创建包含多种图表类型的组合图表,特别是需要展示不同量级数据的双 Y 轴图表。本文将深入探讨如何使用 Excelize 实现这一功能。
组合图表的核心挑战
创建组合图表时,开发者常遇到几个关键问题:
- 图表类型冲突:当多个图表系列使用相同类型时,后添加的系列可能会覆盖前面的系列
- 坐标轴对齐:双 Y 轴图表中,次坐标轴的数据点需要与主坐标轴精确对齐
- 视觉样式控制:需要精确控制线条、标记点等元素的显示/隐藏状态
解决方案实现
Excelize 通过 AddChart 方法支持组合图表创建。最新版本已优化了相同类型图表的处理逻辑,使得创建复杂组合图表更加便捷。
双 Y 轴组合图表实现代码
package main
import (
"fmt"
"github.com/xuri/excelize/v2"
)
func main() {
f := excelize.NewFile()
defer f.Close()
// 准备数据
data := [][]interface{}{
{nil, "Apple", "Orange"},
{"Small", 200, 300},
{"Normal", 5, 2},
}
// 写入工作表
for i, row := range data {
cell, _ := excelize.CoordinatesToCellName(1, i+1)
f.SetSheetRow("Sheet1", cell, &row)
}
// 创建组合图表
if err := f.AddChart("Sheet1", "E1",
// 柱状图系列(主Y轴)
&excelize.Chart{
Type: excelize.Col,
Series: []excelize.ChartSeries{{
Name: "Sheet1!$A$2",
Categories: "Sheet1!$B$1:$D$1",
Values: "Sheet1!$B$2:$D$2",
}},
},
// 折线图系列1(主Y轴)
&excelize.Chart{
Type: excelize.Line,
Series: []excelize.ChartSeries{{
Name: "Sheet1!$A$2",
Categories: "Sheet1!$B$1:$D$1",
Values: "Sheet1!$B$2:$D$2",
Marker: excelize.ChartMarker{Symbol: "none"},
Fill: excelize.Fill{Color: []string{"00FF00"}},
}},
},
// 折线图系列2(次Y轴)
&excelize.Chart{
Type: excelize.Line,
Series: []excelize.ChartSeries{{
Name: "Sheet1!$A$3",
Categories: "Sheet1!$B$1:$D$1",
Values: "Sheet1!$B$3:$D$3",
Marker: excelize.ChartMarker{
Fill: excelize.Fill{Color: []string{"EA7E35"}},
},
Line: excelize.ChartLine{Type: excelize.ChartLineNone},
}},
YAxis: excelize.ChartAxis{Secondary: true},
},
); err != nil {
fmt.Println(err)
}
f.SaveAs("组合图表示例.xlsx")
}
关键技术点解析
-
多图表类型组合:通过连续添加多个
Chart结构体实现组合图表,每个结构体可以指定不同的图表类型 -
双 Y 轴实现:在需要显示在次坐标轴的图表系列中设置
YAxis: excelize.ChartAxis{Secondary: true} -
视觉样式控制:
- 使用
Marker: excelize.ChartMarker{Symbol: "none"}隐藏数据点标记 - 使用
Line: excelize.ChartLine{Type: excelize.ChartLineNone}隐藏连接线 - 通过
Fill属性自定义颜色
- 使用
-
数据对齐保证:确保所有图表系列使用相同的 Categories 范围,保证数据点在 X 轴上对齐
最佳实践建议
-
图表添加顺序:建议先添加主坐标轴图表,再添加次坐标轴图表
-
量级差异处理:当数据量级差异较大时,务必使用双 Y 轴,避免小量级数据在图表中不可见
-
视觉区分:为主次坐标轴的数据系列使用明显不同的颜色和样式,增强图表可读性
-
性能考虑:当数据量较大时,折线图比散点图性能更好
通过掌握这些技术要点,开发者可以灵活运用 Excelize 创建各种复杂的业务图表,满足数据可视化需求。Excelize 库的持续更新也为实现更丰富的图表功能提供了有力支持。
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
346
147