zoukankan      html  css  js  c++  java
  • 话说LightningChart是最快最美的图表控件,到底先进在哪里?

    LightningChart Ultimate v.8.2 最新版本新特征告诉你它先进在哪里!

    1. Headless 模式

    headless模式允许在没有GUI的情况下使用LC。例如,在Windows Service和控制台应用程序中。以下示例是为报告或网页生成的图表。 

    在headless模式下,图表框被捕获为图像。可以通过利用以下方法来获取位图,例如 

    • OutputStream 属性

    • SaveToStream 方法

    • CopyToClipboard 方法

    • CaptureToByArray 方法

    该服务可以设置为在本地网络服务器运行或在云端的Windows Server运行。 

    在Windows Application和Windows Service之间的进程间通信中,例如,可以使用Named管道或Socket I / O通信。

    SDK中包含一个新的Headless模式演示解决方案。它在本地计算机上使用Windows服务器。WPF应用程序使用Named Pipes连接到它,并显示服务器发送的图像流。

     

    解释了带有命名管道和后台线程的 Headless演示解决方案的内部操作消。 

    2. ViewXY BarSeries中的BaseLevel

    BarSeries中添加的BaseLevel属性是所有系列值的一个系列最小值,并指示条的起始位置。在堆叠视图中,它将增加(如果为正)或减小(如果为负)条的大小。如果是StackedToSum,则条尺寸是相对的,并且像Stacked一样计算。

    BaseLevel设置为100。条值为10,20,35,50,65,45,30,25,20,5。

    在之前的LightningChart版本中,像BaseLevel一样的条形图设置为0。 

    BaseLevel设置为100。条值为10,20,35,50,65,45,30,25,20,5。

    在之前的LightningChart版本中,像BaseLevel一样的条形图设置为0。 

    3. MeshModel程序化构建

    MeshModel支持以编程方式构建MeshModel几何。它允许可视化由于计算而产生的对象和形状。

    以下创建方法可用 

    •创建(位置、颜色、索引)

    •创建(位置、颜色、法线、索引)

    •创建(位置、纹理坐标、位图、textureWrapMode、索引)

    •创建(位置、法线、纹理坐标、位图、textureWrapMode、索引) 

    索引数组(索引)参数对于所有方法都是可选的。如果提供它们将定义从给定的阵列使用哪些顶点、颜色、光线法线和纹理坐标。当多个三角形之间共享相同的顶点时,使用索引会节省资源。

    由代码构造的MeshModels。 

    旋转、缩放和定位属性等以及事件也适用于从顶点以编程方式创建的MeshModel,它们的工作方式类似于从顶点以编程方式加载,与处理加载对象方式相同。

    4. 3D中单维缩放

    只能使用鼠标拖动来缩放一个维度。

    ZoomPanOptions下添加了用于控制单维缩放的新选项。

    LeftMouseButtonAction,RightMouseButtonAction和MiddleMouseButtonAction属性现在有ZoomX,ZoomY和ZoomZ的新选项。 

    5. ViewXY中的图例框,对齐

    AlignmentInVerticalMargin属性添加了左/右/中心选项,到ViewXY的LegendBox。该属性控制图例框的水平定位设置为相同的垂直边距。

    AlignmentInVerticalMargin控制水平定位

    6.控制图例框中的“强度”和“表面”系列调色板的可视性。

    通过设置LegendBox.IntensityScales.Visible可以隐藏调色板比例为“False”(in ViewXY)和LegendBox.SurfaceScales.Visible为“False”(在View3D中)。

  • 相关阅读:
    Event Recommendation Engine Challenge分步解析第五步
    Event Recommendation Engine Challenge分步解析第四步
    Event Recommendation Engine Challenge分步解析第一步
    Event Recommendation Engine Challenge分步解析第三步
    Event Recommendation Engine Challenge分步解析第二步
    pickle详解
    服从正态分布的样本似然估计的期望和方差
    实战Google深度学习框架-C5-MNIST数字识别问题
    python如何直接控制鼠标键盘
    需要注意的面试题
  • 原文地址:https://www.cnblogs.com/lightningchart/p/7768617.html
Copyright © 2011-2022 走看看