首页
/ LiveCharts2 v2.0.0-rc5 发布:图表库的重大升级与改进

LiveCharts2 v2.0.0-rc5 发布:图表库的重大升级与改进

2025-06-12 10:49:45作者:滕妙奇

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>IChartTooltip<T> 不再需要泛型参数
  • Chart.VisualElements 属性的类型从 ChartElement<T> 改为 ChartElement
  • VisualElement<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。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
831
5.51 K
kernelkernel
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
496
521
ops-transformerops-transformer
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++
979
2.31 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
807
1.16 K
ops-nnops-nn
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++
795
1.59 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
314
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
781
ops-mathops-math
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++
1.21 K
1.26 K
cann-learning-hubcann-learning-hub
CANN 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 Notebook
664
300