🎬 你真的需要一个自己写的录屏工具吗？
先说结论：需要，而且非常值得。
市面上的录屏软件要么臃肿、要么收费、要么在某些企业内网环境下根本装不上。作为 Python 开发者，我们手里有 Tkinter、有 OpenCV、有 threading——完全可以在一个下午的时间里，从零撸出一个轻量、可控、可二次开发的屏幕录制工具。
我在给内部团队做技术分享录制时，就踩过这个坑：OBS 太重，ShareX 在某台老机器上崩溃，最后索性自己写。写完之后发现，不过 300 行代码，性能却出乎意料地稳。帧率稳在 25fps，CPU 占用不超过 15%。这篇文章，就把这套思路完整拆给你看。
🧱 技术选型：为什么是这套组合？
核心依赖只有三个：
- Tkinter：Python 内置 GUI 库，零安装成本，跨平台
- Pillow（PIL）：截图能力，
ImageGrab.grab()在 Windows 下性能相当可观 - OpenCV（cv2）：视频编码写入，
VideoWriter支持多种编解码器
有人会问，为什么不用 pyautogui 截图？原因很简单——pyautogui.screenshot() 底层也是调 PIL，但多了一层封装，速度反而更慢。直接用 ImageGrab 是最短路径。
另外，帧率控制这块，咱们用 threading.Event 配合时间戳对齐，而不是简单粗暴地 time.sleep()。这个细节差别很大，后面会详细讲。
🔧 环境准备
bashpip install pillow opencv-python numpy
Tkinter 是 Python 标准库的一部分，Windows 下安装 Python 时默认勾选，一般不需要额外安装。如果你用的是精简版 Python 环境，执行 import tkinter 报错的话，重装一遍 Python 并勾选 tcl/tk 组件即可。
🏗️ 整体架构设计
在动手写代码之前，先把架构想清楚。这个录制器分三层：
┌─────────────────────────────────┐ │ Tkinter GUI 层 │ ← 用户交互、状态展示 ├─────────────────────────────────┤ │ 录制控制层 │ ← 线程调度、帧率控制 ├─────────────────────────────────┤ │ 底层采集 & 编码层 │ ← 截图、帧写入 └─────────────────────────────────┘
GUI 层和录制逻辑必须跑在不同线程上。这不是可选项，是必须的——录制是 CPU 密集型操作，如果塞在主线程里，界面会直接卡死，按钮点不动，体验极差。
数据可视化这件事，说难不难，说简单也真不简单。
做过报表系统的开发者大概都有类似的经历：产品经理扔过来一张 Excel，说"能不能做成好看的饼图，让老板一眼看明白"。于是翻遍了 WinForms 自带的 Chart 控件，捣鼓半天，出来的东西……怎么说，就是那种 2003 年 PPT 风格，颜色发灰，没有动画，悬停没有提示，客户一脸嫌弃。
LiveCharts 2 的出现解决了这个痛点。它基于 SkiaSharp 渲染，支持 60FPS 动画，内置 Tooltip、Legend，而且 API 设计非常现代化，MVVM 友好。更关键的是，它在 WinForms 里同样能跑得很顺。
读完这篇文章，你将掌握：
- 如何在 WinForms 项目中快速集成 LiveCharts 2；
- 从零搭建一个标准饼图（PieChart）；
- 进阶实现环形图（Doughnut），并加入动态数据更新与自定义样式。
这三步下来，一个能直接交付给客户的数据大屏组件基本就有了。
🔧 环境准备：先把轮子装上
开发环境：.NET 6 / .NET Framework 4.7.2+，Visual Studio 2022，Windows 10/11。
通过 NuGet 包管理器安装核心依赖：
bashInstall-Package LiveChartsCore.SkiaSharpView.WinForms
如果搜索不到，记得在 NuGet 管理器里勾选"包含预发行版"，LiveCharts 2 的部分版本仍处于 RC 阶段。
安装完成后，项目会自动引入 LiveChartsCore 和 SkiaSharp 相关依赖。在需要使用图表的窗体代码文件顶部，加入以下命名空间：
csharpusing LiveChartsCore;
using LiveChartsCore.SkiaSharpView;
using LiveChartsCore.SkiaSharpView.Painting;
using LiveChartsCore.SkiaSharpView.WinForms;
using SkiaSharp;
🥧 方案一：基础饼图，5 分钟跑起来
先从最简单的场景说起。假设需要展示一个季度内各产品线的销售占比，数据是静态的，先把图画出来再说。
🖼️ 第一步：拖入控件
在 Visual Studio 的工具箱里，找到 PieChart 控件（安装 NuGet 包后会自动出现），直接拖到 Form 上，调整好大小。如果工具箱没有显示，右键工具箱 → "选择项" → 手动浏览 DLL 添加即可。
💻 第二步：绑定数据
在 Form1_Load 事件中写入以下代码：
csharpusing LiveChartsCore;
using LiveChartsCore.SkiaSharpView;
using LiveChartsCore.SkiaSharpView.Painting;
using SkiaSharp;
namespace AppLiveChart05
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
this.Load += Form1_Load;
}
private void Form1_Load(object sender, EventArgs e)
{
// 定义各产品线的销售占比数据
pieChart1.Series = new ISeries[]
{
new PieSeries<double>
{
Name = "产品A",
Values = new double[] { 42 },
// 设置数据标签显示
DataLabelsPaint = new SolidColorPaint(SKColors.White),
DataLabelsSize = 14,
DataLabelsPosition = LiveChartsCore.Measure.PolarLabelsPosition.Middle,
DataLabelsFormatter = point =>
$"{point.Model:N0} ({point.StackedValue!.Share:P1})"
},
new PieSeries<double>
{
Name = "产品B",
Values = new double[] { 28 },
DataLabelsPaint = new SolidColorPaint(SKColors.White),
DataLabelsSize = 14,
DataLabelsPosition = LiveChartsCore.Measure.PolarLabelsPosition.Middle,
DataLabelsFormatter = point =>
$"{point.Model:N0} ({point.StackedValue!.Share:P1})"
},
new PieSeries<double>
{
Name = "产品C",
Values = new double[] { 18 },
DataLabelsPaint = new SolidColorPaint(SKColors.White),
DataLabelsSize = 14,
DataLabelsPosition = LiveChartsCore.Measure.PolarLabelsPosition.Middle,
DataLabelsFormatter = point =>
$"{point.Model:N0} ({point.StackedValue!.Share:P1})"
},
new PieSeries<double>
{
Name = "其他",
Values = new double[] { 12 },
DataLabelsPaint = new SolidColorPaint(SKColors.White),
DataLabelsSize = 14,
DataLabelsPosition = LiveChartsCore.Measure.PolarLabelsPosition.Middle,
DataLabelsFormatter = point =>
$"{point.Model:N0} ({point.StackedValue!.Share:P1})"
}
};
// 显示图例（放在右侧）
pieChart1.LegendPosition = LiveChartsCore.Measure.LegendPosition.Right;
// 设置动画速度（毫秒）
pieChart1.AnimationsSpeed = TimeSpan.FromMilliseconds(800);
}
}
}
就这些，运行之后你会看到一个带入场动画、有图例、有数据标签的现代风格饼图。和 WinForms 原生 Chart 控件比起来，视觉效果差距相当明显。
⚠️ 踩坑预警
DataLabelsFormatter 里用到了 point.StackedValue，这个属性在数据系列未完成布局计算前可能为 null，所以加了 ! 非空断言。如果项目开了严格的可空检查（<Nullable>enable</Nullable>），建议改成 point.StackedValue?.Share ?? 0 的写法更安全。
🎯 开篇：当设备振动数据"狂飙"，你的仪表盘还撑得住吗？
前不久在某风电场的状态监测系统项目中，遇到了个让人头疼的问题：3台风机，每台16个振动传感器，采样频率2kHz，也就是每秒钟有近10万个数据点涌入系统。原来用WPF Chart控件做的监控界面，跑了不到10分钟就开始卡顿，CPU直接飙到85%，客户现场工程师看着一帧一帧跳动的波形图，直接问："这是实时监控还是慢动作回放？"
最终切换到ScottPlot 5.x后，同样的数据量下，界面刷新延迟从800ms降到35ms以内，CPU占用稳定在18%，48路振动信号同时流畅显示。这背后的性能提升不只是换个图表库这么简单，更多的是对多轴数据处理、内存管理和渲染优化的深入理解。
读完这篇文章，你将掌握：
- ScottPlot在多轴振动数据显示中的高效应用方案
- 3种渐进式的数据管理架构（从快速入门到生产级）
- 大数据量下的性能优化核心技巧（含真实测试数据对比）
- 工业现场踩坑经验与完整的代码实现模板
💡 问题深度剖析：多轴振动监测的三大技术难点
🔥 难点一：数据吞吐量与渲染性能的冲突
振动分析不同于常规的温度、压力监控，它的数据密度要高出几个数量级。一台典型的旋转设备可能需要监测：
- 轴承振动：X、Y、Z三轴加速度，采样率1-2kHz
- 转子位移：径向、轴向位移，采样率500Hz
- 转速信号：键相位标记，每转一个脉冲
这意味着单台设备每秒产生5000+数据点，多台设备并发时数据流量呈指数增长。传统Chart控件的"来一个画一个"模式在这种场景下完全崩盘。
我在某石化装置的压缩机监测系统中实测过，6轴振动数据+转速信号同时显示时：
| 方案 | 刷新延迟 | CPU占用 | 内存增长速率 |
|---|---|---|---|
| WPF Chart | 1200ms | 72% | 120MB/小时 |
| LiveCharts | 680ms | 58% | 85MB/小时 |
| ScottPlot 5.x | 35ms | 18% | 稳定 |
⚡ 难点二：多轴数据的时间同步与坐标系管理
振动分析中，不同轴向的数据必须严格时间对齐才有分析价值。比如轴承故障诊断时，需要对比X、Y轴的相位关系来判断不平衡类型。如果各轴数据的时间戳有哪怕几毫秒的偏差，分析结果都会失真。
更复杂的是坐标系设置：
csharp// ❌ 错误做法：各轴使用独立的坐标系
foreach(var axis in axes)
{
axis.Plot.Axes.AutoScale(); // 每个轴独立缩放，失去对比意义
}
// ✅ 正确做法：统一坐标系管理
var globalTimeRange = GetGlobalTimeRange();
var globalAmplitudeRange = GetGlobalAmplitudeRange();
foreach(var axis in axes)
{
axis.Plot.Axes.SetLimits(globalTimeRange.Min, globalTimeRange.Max,
globalAmplitudeRange.Min, globalAmplitudeRange.Max);
}
🎯 难点三：实时频谱分析与时域数据的联动显示
振动分析往往需要时域波形和频域频谱同时显示。当时域数据更新时，频谱也要实时计算并刷新。这涉及到FFT计算、数据缓冲、多图表联动等复杂逻辑。
在某齿轮箱监测项目中，我们需要同时显示：
- 时域振动波形（6个通道）
- 实时频谱图（6个通道）
- 总值趋势图（RMS、峰值、峰峰值）
- 转速曲线
如果处理不当，界面很容易因为计算复杂度过高而卡死。
🛠️ 核心要点提炼：ScottPlot多轴显示的底层逻辑
⚙️ ScottPlot 5.x的多Plot架构
ScottPlot 5.x支持在单个WpfPlot控件中管理多个子图表，这为多轴显示提供了天然优势：
csharp// 核心架构：一个容器控件管理多个子图表
WpfPlot mainPlot = new WpfPlot();
var subplot1 = mainPlot.Plot.Add.Subplot(0.0, 1.0, 0.7, 1.0); // 上半部分
var subplot2 = mainPlot.Plot.Add.Subplot(0.0, 1.0, 0.3, 0.7); // 中间部分
var subplot3 = mainPlot.Plot.Add.Subplot(0.0, 1.0, 0.0, 0.3); // 下半部分
这种设计的优势是所有子图共享时间轴，天然解决了时间同步问题。
🚀 高性能数据管理策略
针对振动数据的特点，ScottPlot提供了几种优化的数据容器：
- SignalXY: 适合不等间隔采样数据
- Signal: 适合等间隔采样数据（性能最优）
- DataStreamer: 适合实时流数据（内置循环缓冲）
对于振动监测，推荐使用DataStreamer：
csharp// DataStreamer自动管理数据窗口，无内存泄漏风险
var streamer = myPlot.Plot.Add.DataStreamer(capacity: 2000);
streamer.Color = Colors.Blue;
streamer.LineWidth = 1.5f;
📊 内存优化的黄金法则
多轴显示的性能瓶颈往往在内存管理，关键原则：
- 预分配固定大小缓冲区：避免动态扩容导致的GC压力
- 循环覆写：新数据覆盖最旧数据，保持内存用量恒定
- 批量刷新：多个轴的数据更新后统一调用一次Refresh()
- 坐标轴固定：避免频繁的AutoScale计算
🚀 解决方案设计：三种渐进式实现方案
📦 方案一：快速入门版 - 3轴振动基础显示
适用场景：单台设备、低频采样（<100Hz）、快速验证需求
🛠️ 完整代码实现
csharpusing ScottPlot;
using ScottPlot.WPF;
using System;
using System.Collections.Concurrent;
using System.Collections.Generic;
using System.Linq;
using System.Threading;
using System.Threading.Channels;
using System.Threading.Tasks;
using System.Windows;
using System.Windows.Threading;
namespace AppScottPlot10
{
/// <summary>
/// Interaction logic for MainWindow.xaml
/// </summary>
// 振动数据包：包含时间戳，确保多设备同步
public record VibrationPacket(DateTime Timestamp, string DeviceId, string Channel, double Value);
public partial class MainWindow : Window
{
private readonly Channel<VibrationPacket> _dataChannel;
private readonly Dictionary<string, Queue<(double time, double value)>> _deviceBuffers;
private readonly Dictionary<string, ScottPlot.Plottables.SignalXY> _signalPlots;
private readonly PeriodicTimer _refreshTimer;
private CancellationTokenSource _cts;
private DateTime _startTime;
private const double DISPLAY_TIME_WINDOW = 30.0; // 显示最近30秒
private const int MAX_POINTS_PER_DEVICE = 3000;
// 多设备多通道配置
private readonly (string DeviceId, string Channel, string Color)[] _channels =
{
("风机1号", "轴承X", "#E74C3C"),
("风机1号", "轴承Y", "#FF6B68"),
("风机1号", "轴承Z", "#C0392B"),
("风机2号", "轴承X", "#3498DB"),
("风机2号", "轴承Y", "#5DADE2"),
("风机2号", "轴承Z", "#2980B9"),
};
public MainWindow()
{
InitializeComponent();
// 首先初始化CancellationTokenSource
_cts = new CancellationTokenSource();
// 创建高性能数据通道
_dataChannel = Channel.CreateBounded<VibrationPacket>(new BoundedChannelOptions(10000)
{
FullMode = BoundedChannelFullMode.DropOldest,
SingleWriter = false,
SingleReader = true
});
_deviceBuffers = new Dictionary<string, Queue<(double, double)>>();
_signalPlots = new Dictionary<string, ScottPlot.Plottables.SignalXY>();
InitializeAdvancedCharts();
// 高频刷新定时器
_refreshTimer = new PeriodicTimer(TimeSpan.FromMilliseconds(40)); // 25Hz刷新
// 启动异步处理
StartAsyncDataProcessing();
Task.Run(RefreshLoop);
}
private void InitializeAdvancedCharts()
{
var plt = VibrationPlot.Plot;
// 专业工业主题
plt.Font.Set("Microsoft YaHei");
plt.FigureBackground.Color = Color.FromHex("#1E1E1E");
plt.DataBackground.Color = Color.FromHex("#2D2D30");
// 高对比度网格
plt.Grid.MajorLineColor = Colors.Gray.WithAlpha(100);
plt.Grid.MajorLineWidth = 1;
plt.Grid.MinorLineColor = Colors.Gray.WithAlpha(40);
plt.Grid.MinorLineWidth = 0.5f;
// 为每个通道创建SignalXY（支持自定义时间轴）
foreach (var (deviceId, channel, color) in _channels)
{
string key = $"{deviceId}_{channel}";
// 初始化缓冲区
_deviceBuffers[key] = new Queue<(double, double)>();
// 创建SignalXY对象
var plot = plt.Add.SignalXY(
new double[] { 0 },
new double[] { 0 }
);
plot.Color = Color.FromHex(color);
plot.LineWidth = 1.2f;
plot.LegendText = $"{deviceId}-{channel}";
plot.MarkerSize = 0;
_signalPlots[key] = plot;
}
// 坐标轴配置
plt.Title("多设备振动联合监控系统", size: 18);
plt.XLabel("时间 (秒)");
plt.YLabel("振动幅值 (m/s²)");
plt.Legend.IsVisible = true;
plt.Legend.Alignment = Alignment.UpperRight;
// 添加报警线
var alarmLine = plt.Add.HorizontalLine(8.0);
alarmLine.Color = Colors.Red;
alarmLine.LinePattern = LinePattern.Dashed;
alarmLine.LineWidth = 2;
alarmLine.LegendText = "报警阈值";
VibrationPlot.Refresh();
}
private void StartAsyncDataProcessing()
{
// 模拟多设备异步数据采集
Task.Run(async () =>
{
var random = new Random();
_startTime = DateTime.Now;
while (!_cts.Token.IsCancellationRequested)
{
foreach (var (deviceId, channel, _) in _channels)
{
// 模拟不同设备的采样时间差异
var timestamp = DateTime.Now;
// 生成特征频率振动信号
double time = (timestamp - _startTime).TotalSeconds;
double baseFreq = deviceId.Contains("1号") ? 25 : 30; // 不同设备不同转频
double harmonics = 2 * Math.Sin(2 * Math.PI * baseFreq * 2 * time); // 2倍频
double noise = (random.NextDouble() - 0.5) * 1.5;
double value = 5 * Math.Sin(2 * Math.PI * baseFreq * time) + harmonics + noise;
// 发送到数据通道
var packet = new VibrationPacket(timestamp, deviceId, channel, value);
await _dataChannel.Writer.WriteAsync(packet, _cts.Token);
// 模拟采样间隔
await Task.Delay(random.Next(5, 15), _cts.Token);
}
}
}, _cts.Token);
}
private async Task RefreshLoop()
{
while (!_cts.Token.IsCancellationRequested)
{
try
{
// 批量处理数据包
var processedCount = 0;
var hasData = false;
while (_dataChannel.Reader.TryRead(out var packet) && processedCount < 100)
{
string key = $"{packet.DeviceId}_{packet.Channel}";
double relativeTime = (packet.Timestamp - _startTime).TotalSeconds;
// 更新缓冲区
var buffer = _deviceBuffers[key];
buffer.Enqueue((relativeTime, packet.Value));
// 清理过期数据
while (buffer.Count > 0 &&
relativeTime - buffer.Peek().time > DISPLAY_TIME_WINDOW)
{
buffer.Dequeue();
}
// 限制数据点数量
while (buffer.Count > MAX_POINTS_PER_DEVICE)
{
buffer.Dequeue();
}
processedCount++;
hasData = true;
}
// 如果处理了数据，更新图表
if (hasData)
{
await UpdateChartsAsync();
}
// 等待下一个刷新周期
await _refreshTimer.WaitForNextTickAsync(_cts.Token);
}
catch (OperationCanceledException)
{
break;
}
catch (Exception ex)
{
// 记录异常但继续运行
System.Diagnostics.Debug.WriteLine($"RefreshLoop error: {ex.Message}");
}
}
}
private async Task UpdateChartsAsync()
{
await Application.Current.Dispatcher.InvokeAsync(() =>
{
foreach (var (key, buffer) in _deviceBuffers)
{
if (buffer.Count == 0) continue;
var timeArray = buffer.Select(p => p.time).ToArray();
var valueArray = buffer.Select(p => p.value).ToArray();
var signal = _signalPlots[key];
VibrationPlot.Plot.Remove(signal);
var newSignal = VibrationPlot.Plot.Add.SignalXY(timeArray, valueArray);
newSignal.Color = signal.Color;
newSignal.LineWidth = signal.LineWidth;
newSignal.LegendText = signal.LegendText;
newSignal.MarkerSize = signal.MarkerSize;
_signalPlots[key] = newSignal;
}
// 自动调整时间轴范围
double currentTime = (DateTime.Now - _startTime).TotalSeconds;
VibrationPlot.Plot.Axes.SetLimitsX(currentTime - DISPLAY_TIME_WINDOW, currentTime);
VibrationPlot.Refresh();
});
}
protected override void OnClosed(EventArgs e)
{
_cts?.Cancel();
_refreshTimer?.Dispose();
base.OnClosed(e);
}
}
}
⚠️ 踩坑预警
- Signal数组引用问题：绝对不能重新创建数组，只能修改数组元素
- 刷新时机控制：多个轴的数据更新完后统一调用一次Refresh()
- 字体设置必须：不设置中文字体会显示为方框
用 LiveCharts 2 在 WinForms 里画出第一张柱状图，核心只需三步：NuGet 安装 LiveChartsCore.SkiaSharpView.WinForms、拖一个 CartesianChart 控件、给 Series 赋一个 ColumnSeries<T> 就能跑起来，全程不用写一行 GDI+ 绘图代码。
咱们做 C# 桌面开发的兄弟，多多少少都有过这么一段回忆：领导拍着桌子说"这个月报表得加个图表"，然后你打开工具箱找 Chart 控件——嗯，.NET Framework 时代还有个 System.Windows.Forms.DataVisualization.Charting，到了 .NET 6/7/8 直接就没了。去网上一搜，要么是十几年前的老控件配色土到掉渣，要么是商业库动辄几千刀一个授权，要么就是官方文档写得像天书，照着抄都跑不起来。
我自己在去年做一个工业数据采集系统的时候也踩过这坑，老项目用的是 MSChart，迁移到 .NET 8 之后直接报错，最后选型选了 LiveCharts 2（也就是社区里常说的 LVC）。这东西基于 SkiaSharp 渲染，速度快、样式漂亮、API 也算干净，关键是免费开源、跨框架（WinForms / WPF / MAUI / Avalonia 都能用）。
这篇文章咱们不整那些花里胡哨的理论，就聚焦一件事：从零开始，在 WinForms 里画出你的第一张柱状图。读完之后你能拿到：一份可以直接复制运行的完整代码、三种由浅入深的实现方式、以及几个我踩过的坑的避雷指南。
🔍 为什么是 LiveCharts 2，而不是别的？
在正式动手之前，我想花一点篇幅说清楚选型这件事。因为我见过太多同学上来就 Ctrl+C、Ctrl+V，跑起来一出问题就懵了，根源就是没搞懂自己用的是什么。
WinForms 图表库现在市面上主流的有这么几个：
| 图表库 | 渲染方式 | .NET 8 支持 | 授权 | 上手难度 |
|---|---|---|---|---|
| MSChart（老牌） | GDI+ | 需手动引用包 | 免费 | 低 |
| LiveCharts 2 | SkiaSharp | 原生支持 | MIT | 中 |
| ScottPlot | GDI+/Skia | 原生支持 | MIT | 低 |
| 商业控件（如 DevExpress） | GDI+/DirectX | 支持 | 付费 | 中高 |
LiveCharts 2 最大的优势是跨框架一致性——你在 WinForms 里写的配置代码，挪到 WPF 项目里几乎不用改。这对做多端桌面应用的团队来说太香了。另外它的动画效果是原生内置的，柱子从零开始"长"出来的那种丝滑感，用 MSChart 想做得手撸计时器，LVC 里就是一个属性的事儿。
当然它也不是完美的。我在实际使用中发现它的内存占用比 MSChart 稍高（大概高 20~30%），如果你的场景是嵌入式工控机内存只有 2G，可能还得权衡一下。
🧱 环境准备：搭好地基再盖楼
先把前置条件列清楚，省得大家半路卡壳。
测试环境说明：
- 操作系统：Windows 11 23H2
- IDE：Visual Studio 2022（17.9 及以上）
- .NET SDK：.NET 8.0
- LiveCharts 2 版本：2.0.0-rc5.4（截至撰文时的稳定预览版）
注意：LiveCharts 2 目前仍处于 rc 阶段，NuGet 上搜索时必须勾选"包括预发行版本"，否则你会搜不到包。这是 99% 新手第一次踩的坑。
新建一个 WinForms 项目，目标框架选 .NET 8.0，然后打开 NuGet 包管理器，安装：
LiveChartsCore.SkiaSharpView.WinForms
这一个包会自动把 LiveChartsCore、SkiaSharp、以及 WinForms 适配层全部带进来，不用你一个个装。
🎯 第一版：最小可运行示例（Hello BarChart）
咱们先追求"能跑起来"，再谈"跑得好看"。新建一个 Form，拖一个 CartesianChart 控件到窗体上（工具箱里找不到的话，先编译一次项目，控件就会自动出现）。
然后在 Form1.cs 里写下这段代码：
csharpusing LiveChartsCore;
using LiveChartsCore.SkiaSharpView;
namespace AppLiveChart04
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
InitChart();
}
private void InitChart()
{
// 1. 准备数据：各城市 Q1 销售额（单位：万元）
var values = new double[] { 128, 256, 189, 342, 215 };
// 2. 构造柱状图系列
cartesianChart1.Series = new ISeries[]
{
new ColumnSeries<double>
{
Values = values,
Name = "销售额"
}
};
// 3. 配置 X 轴标签
cartesianChart1.XAxes = new[]
{
new Axis
{
Labels = new[] { "北京", "上海", "广州", "深圳", "杭州" },
LabelsRotation = 0
}
};
// 4. 配置 Y 轴
cartesianChart1.YAxes = new[]
{
new Axis
{
Name = "金额（万元）",
MinLimit = 0
}
};
}
}
}
按 F5 运行，你会看到一张带柔和动画的柱状图，五根柱子依次"弹"出来。到这一步，你就已经完成了第一张 LiveCharts 2 柱状图。
这段代码有几个关键点值得拎出来说：
ColumnSeries<T>里的T是数据类型，double、int、甚至自定义对象都行Series属性接受的是ISeries[]数组，意味着你可以同时画多组柱子做对比XAxes和YAxes也是数组，理论上你能做双 Y 轴图表