superset 二次开发 前端如何代码迁移

本文介绍了在superset 36版本中进行二次开发时,如何将前端代码迁移到本地开发环境,特别是针对透视表组件pivot-table的迁移步骤,包括进入相关组件目录,修改依赖文件及复制前端组件代码。

文章目录

前言

superset的版本变迁,一直把前端的代码独立出去,前端项目叫 superset-ui

那如果二次开发过程中 想要修改某个图表前端代码怎么办?

版本:superset 源码安装 36版本

前端代码迁移

本地前端开发环境搭建好的情况下

举例 透视表 pivot—table 组件迁移

  1. cd superset-frontend/node_modules/@superset-ui
  2. 找到你想要迁移的组件库 : 比如 legacy-plugin-chart-pivot-table
  3. cd legacy-plugin-chart-pivot-table

可以看到有一个 esm 文件夹, 还有一个package.json 文件
5. 修改依赖文件 superset-frontend/package.json

1、打开 组件库下的package.json 文件,找到dependencies选项,查看里面的包 
是否在superset-frontend/package.json 的 dependencies 选项中
没有的话,添加进去

2、删除迁移的依赖库
删除改行    "@superset-ui/legacy-plugin-chart-pivot-table": "^0.11.15",

6、复制前端组件代码

1、cd superset-frontend/src/visualizations
创建想要迁移的组件文件夹, 比如 创建 PivotTable 文件夹

2、进入新建的文件夹 cd PivotTable
3、执行复制 
    cp xxxx/xxx/superset-frontend/node_modules/@superset-ui/legacy-plugin-chart-pivot-table/esm/*  .
    
    xx
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
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