FluentUI React-Charting 5.23.78版本发布:增强负值支持与无障碍体验
2025-06-02 00:00:02作者:宣利权Counsellor
FluentUI React-Charting是微软Fluent Design System设计体系中的图表组件库,为开发者提供了丰富的可视化数据展示能力。本次发布的5.23.78版本主要针对图表的数据范围支持和交互体验进行了重要改进。
水平条形图负值支持
本次更新为水平条形图(Horizontal Bar Chart)增加了对负x轴值的完整支持。在金融分析、温度变化等实际业务场景中,负值数据非常常见。例如:
- 财务数据中的盈亏情况
- 温度计显示零下温度
- 与基准值的对比差异
开发者现在可以直接使用包含负值的数据集,图表会自动调整坐标轴和渲染逻辑,确保负值部分正确显示。这一改进使得图表能够更准确地反映真实业务数据,无需开发者进行额外的数据转换处理。
垂直堆叠条形图负值支持
同样地,垂直堆叠条形图(Vertical Stacked Bar Chart)现在也支持y轴负值。在堆叠图表中处理负值需要特别注意各数据系列的堆叠顺序和渲染方向,新版本已经完善了这些逻辑:
- 负值部分会朝相反方向堆叠
- 坐标轴会自动包含负值范围
- 图例和标签显示保持一致性
这使得该图表类型可以用于展示如收支平衡、正负影响因素对比等复杂场景。
无障碍体验增强
在可访问性方面,新版本对折线图的事件标签进行了重要改进:
- 为所有事件标签元素添加了button角色
- 确保键盘导航时可以正确聚焦
- 屏幕阅读器能够正确识别交互元素
这些改进使得视力障碍用户通过辅助技术也能完整地获取图表中的交互信息,符合WCAG 2.1无障碍标准。
技术实现细节
在底层实现上,这些改进主要涉及:
- 坐标轴计算算法的增强,自动检测数据范围
- 渲染逻辑的调整,正确处理负值区域的绘制
- ARIA属性的完善,提升无障碍支持
- 事件处理系统的优化,确保交互一致性
开发者可以无缝升级到新版本,现有代码无需修改即可获得这些新特性。对于需要特别定制的情况,组件也提供了相应的props来控制细节表现。
总结
FluentUI React-Charting 5.23.78版本的发布,进一步拓展了图表组件的适用场景,特别是在金融、科学等需要处理负值数据的领域。同时,持续改进的无障碍支持也体现了微软对包容性设计的承诺。建议所有使用图表功能的项目考虑升级,以获得更完整的数据展示能力和更好的用户体验。
登录后查看全文
热门项目推荐
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137