ECharts 4 提供了数据集（dataset）组件来单独声明数据，它带来了这些效果：

  • 能够贴近这样的数据可视化常见思维方式：(I) 提供数据，(II) 指定数据到视觉的映射，从而形成图表。
  • 数据和其他配置可以被分离开来。数据常变，其他配置常不变。分开易于分别管理。
  • 数据可以被多个系列或者组件复用，对于大数据量的场景，不必为每个系列创建一份数据。
  • 支持更多的数据的常用格式，例如二维数组、对象数组等，一定程度上避免使用者为了数据格式而进行转换。

数据到图形的映射

基于数据，在配置项中指定如何映射到图形，可以进行这些映射：

  • 指定 dataset 的列（column）还是行（row）映射为图形系列（series）。这件事可以使series.seriesLayoutBy属性来配置。默认是按照列（column）来映射。
  • 指定维度映射的规则：如何从 dataset 的维度（一个“维度”的意思是一行/列）映射到坐标轴、提示框（tooltip）、标签（label）、图形元素大小颜色等（visualMap）。这件事可以使用series.encode属性，以及visualMap组件（如果有需要映射颜色大小等视觉维度的话）来配置。上面的例子中，没有给出这种映射配置，那么 ECharts 就按最常见的理解进行默认映射：X 坐标轴声明为类目轴，默认情况下会自动对应到 dataset.source 中的第一列；不同系列，一一对应到 dataset.source 中后面每一列。

下面详细解释。

把数据集（ dataset ）的行或列映射为系列（series）

用户可以使用seriesLayoutBy配置项，改变图表对于行列的理解。seriesLayoutBy可取值：

  • ‘column’: 默认值。系列被安放到dataset的列上面。
  • ‘row’: 系列被安放到dataset的行上面。
    1. option = {
    2. legend: {},
    3. tooltip: {},
    4. dataset: {
    5.   source: [
    6.     ['product', '2012', '2013', '2014', '2015'],
    7.     ['Matcha Latte', 41.1, 30.4, 65.1, 53.3],
    8.     ['Milk Tea', 86.5, 92.1, 85.7, 83.1],
    9.     ['Cheese Cocoa', 24.1, 67.2, 79.5, 86.4]
    10.   ]
    11. },
    12. xAxis: [
    13.   {type: 'category', gridIndex: 0},
    14.   {type: 'category', gridIndex: 1}
    15. ],
    16. yAxis: [
    17.   {gridIndex: 0},
    18.   {gridIndex: 1}
    19. ],
    20. grid: [
    21.   {bottom: '55%'},
    22.   {top: '55%'}
    23. ],
    24. series: [
    25.   // 这几个系列会在第一个直角坐标系中，每个系列对应到 dataset 的每一行。
    26.   {type: 'bar', seriesLayoutBy: 'row'},
    27.   {type: 'bar', seriesLayoutBy: 'row'},
    28.   {type: 'bar', seriesLayoutBy: 'row'},
    29.   // 这几个系列会在第二个直角坐标系中，每个系列对应到 dataset 的每一列。
    30.   {type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
    31.   {type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
    32.   {type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
    33.   {type: 'bar', xAxisIndex: 1, yAxisIndex: 1}
    34. ]
    35. }

维度（dimension）

当我们把系列（series）对应到“列”的时候，那么每一列就称为一个“维度（dimension）”，而每一行称为数据项（item）。反之，如果我们把系列（series）对应到表行，那么每一行就是“维度（dimension）”，每一列就是数据项（item）。
维度可以有单独的名字，便于在图表中显示。维度名（dimension name）可以在定义在 dataset 的第一行（或者第一列）。例如上面的例子中，’score’、’amount’、’product’就是维度名。从第二行开始，才是正式的数据。dataset.source中第一行（列）到底包含不包含维度名，ECharts 默认会自动探测。当然也可以设置dataset.sourceHeader: true显示声明第一行（列）就是维度，或者dataset.sourceHeader: false表明第一行（列）开始就直接是数据。
维度的定义，也可以使用单独的dataset.dimensions或者series.dimensions来定义，这样可以同时指定维度名，和维度的类型（dimension type）：

  1. dimensions: [
  2.   {name: 'score'},
  3.   // 可以简写为 string，表示维度名。
  4.   'amount',
  5.   // 可以在 type 中指定维度类型。
  6.   {name: 'product', type: 'ordinal'}
  7. ],

大多数情况下，我们并不需要去设置维度类型，因为会自动判断。但是如果因为数据为空之类原因导致判断不足够准确时，可以手动设置维度类型。
维度类型（dimension type）可以取这些值：

  • ‘number’: 默认，表示普通数据。
  • ‘ordinal’: 对于类目、文本这些 string 类型的数据，如果需要能在数轴上使用，须是 ‘ordinal’ 类型。ECharts 默认会自动判断这个类型。但是自动判断也是不可能很完备的，所以使用者也可以手动强制指定。
  • ‘time’: 表示时间数据。设置成’time’则能支持自动解析数据成时间戳（timestamp），比如该维度的数据是 ‘2017-05-10’，会自动被解析。如果这个维度被用在时间数轴（axis.type为’time’）上，那么会被自动设置为’time’类型。时间类型的支持参见data。
  • ‘float’: 如果设置成’float’，在存储时候会使用TypedArray，对性能优化有好处。
  • ‘int’: 如果设置成’int’，在存储时候会使用TypedArray，对性能优化有好处。

数据到图形的映射（ series.encode ）

  1. var option = {
  2.     dataset: {
  3.         source: [
  4.             ['score', 'amount', 'product'],
  5.             [89.3, 58212, 'Matcha Latte'],
  6.             [57.1, 78254, 'Milk Tea'],
  7.             [74.4, 41032, 'Cheese Cocoa'],
  8.             [50.1, 12755, 'Cheese Brownie'],
  9.             [89.7, 20145, 'Matcha Cocoa'],
  10.             [68.1, 79146, 'Tea'],
  11.             [19.6, 91852, 'Orange Juice'],
  12.             [10.6, 101852, 'Lemon Juice'],
  13.             [32.7, 20112, 'Walnut Brownie']
  14.         ]
  15.     },
  16.     xAxis: {},
  17.     yAxis: {type: 'category'},
  18.     series: [
  19.         {
  20.             type: 'bar',
  21.             encode: {
  22.                 // 将 "amount" 列映射到 X 轴。
  23.                 x: 'amount',
  24.                 // 将 "product" 列映射到 Y 轴。
  25.                 y: 'product'
  26.             }
  27.         }
  28.     ]
  29. };

series.encode声明的基本结构如下，其中冒号左边是坐标系、标签等特定名称，如’x’,’y’,’tooltip’等，冒号右边是数据中的维度名（string 格式）或者维度的序号（number 格式，从 0 开始计数），可以指定一个或多个维度（使用数组）。通常情况下，下面各种信息不需要所有的都写，按需写即可。
下面是series.encode支持的属性：

  1. // 在任何坐标系和系列中，都支持：
  2. encode: {
  3.     // 使用 “名为 product 的维度” 和 “名为 score 的维度” 的值在 tooltip 中显示
  4.     tooltip: ['product', 'score']
  5.     // 使用 “维度 1” 和 “维度 3” 的维度名连起来作为系列名。（有时候名字比较长，这可以避免在 series.name 重复输入这些名字）
  6.     seriesName: [1, 3],
  7.     // 表示使用 “维度2” 中的值作为 id。这在使用 setOption 动态更新数据时有用处，可以使新老数据用 id 对应起来，从而能够产生合适的数据更新动画。
  8.     itemId: 2,
  9.     // 指定数据项的名称使用 “维度3” 在饼图等图表中有用，可以使这个名字显示在图例（legend）中。
  10.     itemName: 3
  11. }
  13. // 直角坐标系（grid/cartesian）特有的属性：
  14. encode: {
  15.     // 把 “维度1”、“维度5”、“名为 score 的维度” 映射到 X 轴：
  16.     x: [1, 5, 'score'],
  17.     // 把“维度0”映射到 Y 轴。
  18.     y: 0
  19. }
  21. // 单轴（singleAxis）特有的属性：
  22. encode: {
  23.     single: 3
  24. }
  26. // 极坐标系（polar）特有的属性：
  27. encode: {
  28.     radius: 3,
  29.     angle: 2
  30. }
  32. // 地理坐标系（geo）特有的属性：
  33. encode: {
  34.     lng: 3,
  35.     lat: 2
  36. }
  38. // 对于一些没有坐标系的图表，例如饼图、漏斗图等，可以是：
  39. encode: {
  40.     value: 3
  41. }

视觉通道（颜色、尺寸等）的映射

我们可以使用visualMap组件进行视觉通道的映射。详见visualMap文档的介绍。

默认的 encode

值得一提的是，当series.encode并没有指定时，ECharts 针对最常见直角坐标系中的图表（折线图、柱状图、散点图、K线图等）、饼图、漏斗图，会采用一些默认的映射规则。默认的映射规则比较简单，大体是：

  • 在坐标系中（如直角坐标系、极坐标系等）
    • 如果有类目轴（axis.type 为 ‘category’），则将第一列（行）映射到这个轴上，后续每一列（行）对应一个系列。
    • 如果没有类目轴，假如坐标系有两个轴（例如直角坐标系的 X Y 轴），则每两列对应一个系列，这两列分别映射到这两个轴上。
  • 如果没有坐标系（如饼图）
    • 取第一列（行）为名字，第二列（行）为数值（如果只有一列，则取第一列为数值）。

默认的规则不能满足要求时，就可以自己来配置encode，也并不复杂。

几个常见的 series.encode 设置方式举例

问：如何把第三列映射为气泡图的点的大小？
答：

  1. var option = {
  2.     dataset: {
  3.         source: [
  4.             [12, 323, 11.2],
  5.             [23, 167, 8.3],
  6.             [81, 284, 12],
  7.             [91, 413, 4.1],
  8.             [13, 287, 13.5]
  9.         ]
  10.     },
  11.     visualMap: {
  12.         show: false,
  13.         dimension: 2, // 指向第三列（列序号从 0 开始记，所以设置为 2）。
  14.         min: 2, // 需要给出数值范围，最小数值。
  15.         max: 15, // 需要给出数值范围，最大数值。
  16.         inRange: {
  17.             // 气泡尺寸：5 像素到 60 像素。
  18.             symbolSize: [5, 60]
  19.         }
  20.     },
  21.     xAxis: {},
  22.     yAxis: {},
  23.     series: {
  24.         type: 'scatter'
  25.     }
  26. };

数据的各种格式

  1. // 1.二维数组
  2. dataset: {
  3.   source: [
  4.     ['product', '2015', '2016', '2017'],
  5.     ['Matcha Latte', 43.3, 85.8, 93.7],
  6.     ['Milk Tea', 83.1, 73.4, 55.1],
  7.     ['Cheese Cocoa', 86.4, 65.2, 82.5],
  8.     ['Walnut Brownie', 72.4, 53.9, 39.1]
  9.   ]
  10. }
  12. // 2.按行的 key-value 形式（对象数组），这是个比较常见的格式
  13. dataset: {
  14.   // 用 dimensions 指定了维度的顺序。直角坐标系中，
  15.   // 默认把第一个维度映射到 X 轴上，第二个维度映射到 Y 轴上。
  16.   // 如果不指定 dimensions，也可以通过指定 series.encode
  17.   dimensions: ['product', '2015', '2016', '2017'],
  18.   source: [
  19.     {product: 'Matcha Latte', '2015': 43.3, '2016': 85.8, '2017': 93.7},
  20.     {product: 'Milk Tea', '2015': 83.1, '2016': 73.4, '2017': 55.1},
  21.     {product: 'Cheese Cocoa', '2015': 86.4, '2016': 65.2, '2017': 82.5},
  22.     {product: 'Walnut Brownie', '2015': 72.4, '2016': 53.9, '2017': 39.1}
  23.   ]
  24. }
  26. // 3.按列的 key-value 形式
  27. dataset: {
  28.   source: {
  29.     'product': ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'],
  30.     'count': [823, 235, 1042, 988],
  31.     'score': [95.8, 81.4, 91.2, 76.9]
  32.   }
  33. }

多个 dataset 以及如何引用他们

可以同时定义多个 dataset。系列可以通过series.datasetIndex来指定引用哪个 dataset。例如：

  1. var option = {
  2.     dataset: [{
  3.         // 序号为 0 的 dataset。
  4.         source: [...],
  5.     }, {
  6.         // 序号为 1 的 dataset。
  7.         source: [...]
  8.     }, {
  9.         // 序号为 2 的 dataset。
  10.         source: [...]
  11.     }],
  12.     series: [{
  13.         // 使用序号为 2 的 dataset。
  14.         datasetIndex: 2
  15.     }, {
  16.         // 使用序号为 1 的 dataset。
  17.         datasetIndex: 1
  18.     }]
  19. }

ECharts 3 的数据设置方式（series.data）仍正常使用

series.data也是种会一直存在的重要设置方式。一些特殊的非 table 格式的图表，如treemap、graph、lines等，现在仍不支持在 dataset 中设置，仍然需要使用series.data。另外，对于巨大数据量的渲染（如百万以上的数据量），需要使用appendData进行增量加载，这种情况不支持使用dataset。

数据转换器（ data transform ）

参见data transform。

其他

目前并非所有图表都支持 dataset。支持 dataset 的图表有：line、bar、pie、scatter、effectScatter、parallel、candlestick、map、funnel、custom。 后续会有更多的图表进行支持。