Apache ECharts 中 visualMap 范围控制的正确使用方法
在使用 Apache ECharts 进行数据可视化时,visualMap 组件是一个非常实用的工具,它可以根据数据值的大小自动映射到不同的视觉元素(如颜色、大小等)。然而,在实际使用过程中,开发者可能会遇到一些关于范围控制的困惑。
问题现象
当开发者尝试设置 visualMap 的 range 属性为 [0, 10] 时,发现数据中值为负数的部分(如 -5)并没有按照预期显示为 outOfRange 指定的红色。这看起来像是 visualMap 的范围控制出现了问题。
原因分析
实际上,这并不是 ECharts 的 bug,而是对 visualMap 组件工作原理的误解。visualMap 组件默认情况下会基于数据中的最小值和最大值自动计算范围。当开发者只设置了 range 属性而没有明确指定 min 和 max 时,组件仍然会使用自动计算的范围值。
正确使用方法
要使 visualMap 完全按照开发者指定的范围工作,需要同时设置 min 和 max 属性:
visualMap: {
show: false,
min: 0,
max: 10,
range: [0, 10],
outOfRange: {
color: ['red']
},
inRange: {
color: ['black']
}
}
工作原理详解
-
自动范围计算:当没有明确设置 min/max 时,ECharts 会根据数据中的最小值和最大值自动确定 visualMap 的范围。
-
手动范围控制:通过设置 min 和 max 属性,开发者可以完全控制 visualMap 的工作范围,确保所有数据点都能按照预期进行视觉映射。
-
range 属性的作用:range 属性主要用于定义视觉映射的区间范围,但它不替代 min/max 对整体范围的限制。
最佳实践建议
-
当需要精确控制 visualMap 的范围时,总是同时设置 min 和 max 属性。
-
对于包含正负值的数据集,建议明确设置 min 和 max 以确保所有数据点都能被正确处理。
-
在调试 visualMap 时,可以暂时将 show 设为 true,以便直观地看到当前的范围设置和映射效果。
通过理解这些原理和正确使用方法,开发者可以更有效地利用 ECharts 的 visualMap 组件创建精确的数据可视化效果。
kernelopenEuler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。C030
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