G2根据最小值和最大值动态配置坐标系

本文介绍如何使用 G2 库根据数据的最小值和最大值动态调整坐标系。通过参考官方文档和源码 `scale.ts`,在视图配置中实现数据驱动的坐标轴范围设定,确保数据的完整展示。

参考:https://g2.antv.vision/zh/docs/manual/concepts/data-and-scales#%E8%BF%9E%E7%BB%AD%E6%95%B0%E6%8D%AE%E5%BA%A6%E9%87%8F%E7%9A%84%E8%AE%A1%E7%AE%97

直接上源码scale.ts

const snapArray = [0, 2, 5, 10];  //逼近值数组,保证能被2和5整除

const getFactor = (tickInterval: number)=> {
    let num = 1;
    while(tickInterval > 10 || tickInterval < 1){  //tickInterval在1-10之间才停止循环
        tickInterval = tickInterval/10;
        num = num * 10
    }
    return num   
}

/**
 * 获取逼进值
 * @param {number} actNum
 * @param {String} math floor 向下逼近  ceil 向上逼近
 */
const snap = (actNum: number, math: string)=> {
    let index = math == 'ceil' ? 0 : snapArray.length - 1;
    if(math == 'ceil') {
        for (let i = 0; i < snapArray.length; i++) {
            if (snapArray[i] > actNum) { 
                inde
### 配置Anaconda环境中PyTorch用于VSCode开发 #### 创建并激活特定的Conda环境 为了确保不同项目之间的依赖项不会相互冲突,建议创建一个新的 conda 环境专门用于 PyTorch 开发。这可以通过命令 `conda create --name pytorch_env python=3.9` 来实现[^1]。 接着通过 `conda activate pytorch_env` 命令来激活新创建的环境。 #### 安装PyTorch及相关包 一旦进入了所需的 conda 环境中,就可以利用官方推荐的方式安装适合当前系统的 PyTorch 版本以及其他必要的软件包。通常情况下,在 Anaconda Prompt 或终端输入如下所示的一条或多条 pip/conda install 命令即可完成安装: 对于稳定版 PyTorch 的安装,可以根据个人需求选择 CUDA 版本或者 CPU-only 版本。例如,如果不需要 GPU 加速支持,则可以直接执行 `pip install torch torchvision torchaudio` 进行纯CPU版本的安装;如果有NVIDIA显卡并且希望启用GPU加速功能,则应参照官方网站给出的具体指导来进行相应CUDA版本的选择和安装[^4]。 #### 设置VS Code集成开发环境 为了让 VS Code 能够识别到刚刚建立好的 anaconda/pytorch 环境,需要调整 IDEPython 解释器路径指向该环境下的解释器文件位置(通常是类似于 `D:\Anaconda3\envs\pytorch_env\python.exe`)。这一操作可以在打开任意 .py 文件后按 Ctrl+Shift+P 并搜索 "Python Select Interpreter" 来快速完成[^2]。 另外还应该考虑安装一些有助于提高生产力的扩展工具,比如 Pylance 提供更智能的语言服务体验、Jupyter Notebook 支持直接在编辑器内部运行 notebook 单元格等等[^3]。 ```json { "python.pythonPath": "${workspaceFolder}/venv/bin/python", // 对于Windows系统则是类似"D:\\Anaconda3\\envs\\pytorch_env\\python.exe" } ``` #### 测试配置是否成功 最后一步是在 VS Code 内新建一个简单的测试脚本来验证整个流程是否正常工作。尝试导入 torch 库并打印其版本号作为初步检验手段之一。 ```python import torch print(torch.__version__) if torch.cuda.is_available(): print('CUDA is available') else: print('No CUDA support detected.') ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值