LiveCharts2 v2.0.0-rc5 发布:图表库的重大升级与改进
LiveCharts2 是一个功能强大的跨平台数据可视化库,支持多种 UI 框架,包括 MAUI、Avalonia、Uno Platform 等。最新发布的 v2.0.0-rc5 版本带来了超过 400 项提交的改进,标志着该库在性能、功能和用户体验方面都取得了显著进步。
核心架构重构:绘图引擎全面升级
本次版本最重大的改进是对绘图引擎的全面重构。在之前的版本中,当元素位于布局中时,Canvas 变换不会应用到子元素上。新版本解决了这个问题,现在变换会正确传递到子元素。这一特性在工具提示中得到了充分体现,现在工具提示的几何图形的不透明度和缩放也会应用到其内部内容。
绘图引擎的代码结构变得更加清晰。过去,库使用接口来定义所有图形,现在改为使用基类的方式。例如,BaseRoundedRectangleGeometry 类继承自 DrawnGeometry,这个基类处理动画和变换,而在 SkiaSharp 程序集中,我们只需继承这个基类并使用 SkiaSharp 绘制矩形。这种设计不仅使代码更加整洁,还为未来移除对 SkiaSharp 的依赖提供了可能。
MAUI 兼容性与安装改进
针对 MAUI 用户,新版本改进了处理程序的注册方式,使其更符合 MAUI 的逻辑。这一变化解决了之前版本中存在的一些问题,如处理程序未正确注册等。现在,用户需要在 MauiProgram.cs 文件中显式调用 .UseLiveCharts() 方法来初始化图表库。
可视化元素增强
可视化元素(VisualElements)在之前的版本中感觉有些"hacky",定制起来比较困难。新版本大大简化了这一过程,现在在画布上绘制任何我们需要的元素都变得更加容易。虽然旧的视觉元素仍然受支持,但其中一些已被标记为过时。
GPU 渲染支持
性能方面的一个重要改进是新增了 GPU 渲染支持。应用启动时,可以通过设置 LiveCharts.UseGPU = true 来启用 SkiaSharp 提供的硬件加速视图。需要注意的是,由于技术限制,这一特性在 .NET Framework 和某些平台上(如 Avalonia 或 Eto)尚不可用。
性能监控:FPS 日志
开发者现在可以更直观地监控图表性能。通过设置 LiveCharts.ShowFPS = true 可以显示图表每秒帧数(FPS),甚至可以通过 LiveCharts.MaxFps = 90 尝试提高帧率(默认为 65)。这一功能在性能优化和调试时非常有用。
指针交互改进
新版本收集了大量用户关于图表交互方式的反馈,并提供了全面的解决方案。FindingStrategy 属性现在更加灵活,允许用户配置库如何在图表上选择点。库提供了 8 种不同的策略,当这些预设策略不够用时,用户还可以创建自己的选择逻辑。
轴比例尺灵活性增强
轴比例尺现在完全可定制。新版本增加了一个专门的文档来解释如何匹配和自定义比例尺,为用户提供了更大的控制权。
移除对 Xamarin 的支持
随着 .NET MAUI 的成熟,新版本不再支持 Xamarin。建议仍在使用 Xamarin 的用户迁移到 MAUI。
迁移指南与重大变更
对于大多数用户来说,如果没有进行自定义绘制(如自定义图例、工具提示或视觉元素),升级应该是无缝的。但绘图引擎的重构意味着任何自定义绘制代码都可能受到影响。主要变更包括:
IChartLegend<T>和IChartTooltip<T>不再需要泛型参数Chart.VisualElements属性的类型从ChartElement<T>改为ChartElementVisualElement<T>改为VisualElement
对于自定义绘制代码,大多数变更只是移除了 TDrawingContext 泛型参数或重命名了对象。所有过时的代码都会有提示,指导开发者如何更新到新 API。
LiveCharts2 v2.0.0-rc5 版本代表了该库发展的重要里程碑,为开发者提供了更强大、更灵活的工具来创建丰富的数据可视化应用。无论是性能优化、交互改进还是架构重构,这个版本都为未来的发展奠定了坚实的基础。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00