資料集

dataset 是專門用於管理資料的元件。儘管你可以在每個系列（series）的 series.data 中設定資料，但自 ECharts 4 起，我們推薦使用 dataset 來管理資料，這樣資料可以被多個元件複用，也便於實現“資料與配置分離”。畢竟，資料是最常變化的部分，而其他配置在執行時大多不會改變。

在 series 中定義資料

如果資料定義在 series 下，例如：

option = {
  xAxis: {
    type: 'category',
    data: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie']
  },
  yAxis: {},
  series: [
    {
      type: 'bar',
      name: '2015',
      data: [89.3, 92.1, 94.4, 85.4]
    },
    {
      type: 'bar',
      name: '2016',
      data: [95.8, 89.4, 91.2, 76.9]
    },
    {
      type: 'bar',
      name: '2017',
      data: [97.7, 83.1, 92.5, 78.1]
    }
  ]
};
線上示例

在 series 下定義 data 適用於一些特殊資料結構（如“樹圖”、“關係圖”）和大資料量的定製。但是，這不利於多個系列共享資料，也不利於根據原始資料進行圖表型別和系列的對映編排。另一個缺點是，程式設計師總是需要先將資料劃分到不同的系列（和類別）中。

在 dataset 中定義資料

如果你在 dataset 中定義 data，有以下優點：

  • 遵循資料視覺化的思路：(I) 提供資料，(II) 將資料對映到視覺化元素，形成圖表。
  • 將資料與其他配置分離。資料經常變動，而其他配置則不然。這樣易於分開管理。
  • 資料可以被多個系列或元件複用，你不需要為每個系列建立大量資料的副本。
  • 支援更通用的資料格式，如二維陣列、物件陣列等，在一定程度上避免了使用者進行資料格式轉換。

這是一個簡單的 dataset 示例：

option = {
  legend: {},
  tooltip: {},
  dataset: {
    // Provide a set of data.
    source: [
      ['product', '2015', '2016', '2017'],
      ['Matcha Latte', 43.3, 85.8, 93.7],
      ['Milk Tea', 83.1, 73.4, 55.1],
      ['Cheese Cocoa', 86.4, 65.2, 82.5],
      ['Walnut Brownie', 72.4, 53.9, 39.1]
    ]
  },
  // Declare an x-axis (category axis).
  // The category map the first column in the dataset by default.
  xAxis: { type: 'category' },
  // Declare a y-axis (value axis).
  yAxis: {},
  // Declare several 'bar' series,
  // every series will auto-map to each column by default.
  series: [{ type: 'bar' }, { type: 'bar' }, { type: 'bar' }]
};
線上示例

或者嘗試使用“物件陣列”格式：

option = {
  legend: {},
  tooltip: {},
  dataset: {
    // Define the dimension of array. In cartesian coordinate system,
    // if the type of x-axis is category, map the first dimension to
    // x-axis by default, the second dimension to y-axis.
    // You can also specify 'series.encode' to complete the map
    // without specify dimensions. Please see below.

    dimensions: ['product', '2015', '2016', '2017'],
    source: [
      { product: 'Matcha Latte', '2015': 43.3, '2016': 85.8, '2017': 93.7 },
      { product: 'Milk Tea', '2015': 83.1, '2016': 73.4, '2017': 55.1 },
      { product: 'Cheese Cocoa', '2015': 86.4, '2016': 65.2, '2017': 82.5 },
      { product: 'Walnut Brownie', '2015': 72.4, '2016': 53.9, '2017': 39.1 }
    ]
  },
  xAxis: { type: 'category' },
  yAxis: {},
  series: [{ type: 'bar' }, { type: 'bar' }, { type: 'bar' }]
};
線上示例

從資料到圖表的對映

資料視覺化的思路是：(I) 提供資料，(II) 將資料對映到視覺化元素，形成圖表。

簡而言之，你可以設定這些對映配置：

  • 指定 dataset 的“列”或“行”來對映到 series。你可以使用 series.seriesLayoutBy 來配置。預設是按列對映。
  • 指定維度對映的規則：如何將“dataset”的維度對映到 axis（座標軸）、tooltip（提示框）、label（標籤）和 visualMap（視覺對映）。要配置對映，請使用 series.encode 和 visualMap。前面的例子沒有給出對映配置，所以 ECharts 會遵循預設規則：如果 x 軸是類目軸，則對映到 dataset.source 的第一行；三個系列的圖表則將 dataset.source 中的每一行逐一對映。

配置詳情如下所示：

將 dataset 的行或列對映到 series

有了 dataset，你就可以靈活地配置資料如何對映到座標軸和系列。

你可以使用 seriesLayoutBy 來改變圖表對行和列的理解。seriesLayoutBy 可以是：

  • 'column': 預設值。系列對應於 dataset 的列。
  • 'row': 系列對應於 dataset 的行。

檢視這個例子

option = {
  legend: {},
  tooltip: {},
  dataset: {
    source: [
      ['product', '2012', '2013', '2014', '2015'],
      ['Matcha Latte', 41.1, 30.4, 65.1, 53.3],
      ['Milk Tea', 86.5, 92.1, 85.7, 83.1],
      ['Cheese Cocoa', 24.1, 67.2, 79.5, 86.4]
    ]
  },
  xAxis: [
    { type: 'category', gridIndex: 0 },
    { type: 'category', gridIndex: 1 }
  ],
  yAxis: [{ gridIndex: 0 }, { gridIndex: 1 }],
  grid: [{ bottom: '55%' }, { top: '55%' }],
  series: [
    // These series will show in the first coordinate, each series map a row in dataset.
    { type: 'bar', seriesLayoutBy: 'row', xAxisIndex: 0, yAxisIndex: 0 },
    { type: 'bar', seriesLayoutBy: 'row', xAxisIndex: 0, yAxisIndex: 0 },
    { type: 'bar', seriesLayoutBy: 'row', xAxisIndex: 0, yAxisIndex: 0 },
    // These series will show in the second coordinate, each series map a column in dataset.
    { type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 },
    { type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 },
    { type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 },
    { type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 }
  ]
};
線上示例

配置效果如此示例所示。

維度（Dimension）

常用圖表中描述的資料大多是“二維表”結構，在前面的例子中，我們使用二維陣列來表示二維表。現在，當我們把一個系列對映到一個列時，該列被稱為一個“維度”，而每一行被稱為一個“資料項”，反之亦然。

維度可以有自己的名稱以便在圖表中顯示。維度名稱可以在第一列（行）中定義。在下一個示例中，'score'、'amount'、'product' 是維度的名稱。實際資料從第二行開始。ECharts 會自動檢查 dataset.source 的第一列（行）是否包含維度名稱。你也可以使用 dataset.sourceHeader: true 來宣告第一列（行）代表維度名稱。

嘗試使用單個 dataset.dimensions 或某些 series.dimensions 來定義維度，這樣你可以同時指定名稱和型別。

var option1 = {
  dataset: {
    dimensions: [
      { name: 'score' },
      // can be abbreviated as 'string', to indicate dimension name
      'amount',
      // Specify dimensions in 'type'.
      { name: 'product', type: 'ordinal' }
    ],
    source: []
  }
  // ...
};

var option2 = {
  dataset: {
    source: []
  },
  series: {
    type: 'line',
    // series.dimensions will cover the config in dataset.dimension
    dimensions: [
      null, // use null if you do not want dimension name.
      'amount',
      { name: 'product', type: 'ordinal' }
    ]
  }
  // ...
};

在大多數情況下，你不需要定義維度型別，因為 ECharts 會自動判斷。如果判斷不準確，你可以手動定義。

維度型別可以是以下值：

  • 'number': 預設值，普通資料。
  • 'ordinal': 字串型別的資料，如類別、文字，只有維度型別為 'ordinal' 時才能用於座標軸。ECharts 會嘗試自動判斷此型別，但可能不準確，所以你可以手動指定。
  • 'time': 用於表示時間資料，如果維度型別定義為 'time'，ECharts 可以自動將資料解析為時間戳。例如，如果這個維度的資料是 '2017-05-10'，ECharts 會自動解析。如果維度用作時間軸 (axis.type = 'time')，維度型別也會是 'time'。更多支援的時間型別請參見 data。
  • 'float': 在 'float' 維度中使用 TypedArray 最佳化效能。
  • 'int': 在 'int' 維度中使用 TypedArray 最佳化效能。

從資料到圖表的對映 (series.encode)

理解了維度的概念後，你可以使用 series.encode 來進行對映：

var option = {
  dataset: {
    source: [
      ['score', 'amount', 'product'],
      [89.3, 58212, 'Matcha Latte'],
      [57.1, 78254, 'Milk Tea'],
      [74.4, 41032, 'Cheese Cocoa'],
      [50.1, 12755, 'Cheese Brownie'],
      [89.7, 20145, 'Matcha Cocoa'],
      [68.1, 79146, 'Tea'],
      [19.6, 91852, 'Orange Juice'],
      [10.6, 101852, 'Lemon Juice'],
      [32.7, 20112, 'Walnut Brownie']
    ]
  },
  xAxis: {},
  yAxis: { type: 'category' },
  series: [
    {
      type: 'bar',
      encode: {
        // Map "amount" column to x-axis.
        x: 'amount',
        // Map "product" row to y-axis.
        y: 'product'
      }
    }
  ]
};
線上示例

series.encode 宣告的基本結構：

  • 冒號左邊：座標軸或標籤的特定名稱。
  • 冒號右邊：維度名稱（字串）或數字（整數，從0開始計數），用於指定一個或多個維度（使用陣列）。

通常，以下資訊不是必須定義的。按需填寫。

series.encode 建議的屬性：

// Supported in every coordinate and series:
encode: {
  // Display the value of dimension named "product" and "score" in tooltip.
  tooltip: ['product', 'score']
  // Connect dimension name of "Dimension 1" and "Dimension 3" as the series name. (Avoid to repeat longer names in series.name)
  seriesName: [1, 3],
  // Means to use the value in "Dimension 2" as the id. It makes the new and old data correspond by id
	// when using setOption to update data, so that it can show animation properly.
  itemId: 2,
  // The itemName will show in the legend of Pie Charts.
  itemName: 3
}

// Grid/cartesian coordinate unique configs:
encode: {
  // Map "Dimension 1", "Dimension 5" and "dimension named 'score'" to x-axis:
  x: [1, 5, 'score'],
  // Map "Dimension 0" to y-axis:
  y: 0
}

// singleAxis unique configs:
encode: {
  single: 3
}

// Polar coordinate unique configs:
encode: {
  radius: 3,
  angle: 2
}

// Geo-coordinate unique configs:
encode: {
  lng: 3,
  lat: 2
}

// For some charts without coordinate like pie chart, funnel chart:
encode: {
  value: 3
}

這是一個更豐富的 series.encode 示例。

預設的 series.encode

值得一提的是，如果沒有指定 series.encode，ECharts 會對一些常規圖表（如折線圖、柱狀圖、散點圖、K線圖等）使用一些預設的對映規則。預設規則是：

  • 在座標系中（如直角座標系、極座標系）：
    • 如果存在類目軸 (axis.type = 'category')，則將第一列（行）對映到該軸，後續的每一列（行）依次對映到一個系列。
    • 如果兩個軸都不是類目軸，則將每兩列對映到一個系列，分別對應兩個座標軸。
  • 無座標系的圖表（如餅圖）：
    • 使用第一列（行）作為名稱，第二列（行）作為值。如果只有一列（行），ECharts 不會設定名稱。

當預設規則無法滿足需求時，你可以自己配置 encode，這並不複雜。這是一個示例。

一些常見的 series.encode 設定

問：如何將第3列設定為x軸，第5列設定為y軸？

答：

option = {
  series: {
    // dimensionIndex count from 0, so the 3rd line is dimensions[2].
    encode: { x: 2, y: 4 }
    // ...
  }
};

問：如何將第3行設定為x軸，第5行設定為y軸？

答：

option = {
  series: {
    encode: { x: 2, y: 4 },
    seriesLayoutBy: 'row'
    // ...
  }
};

問：如何將第2列設定為標籤？

答：我們現在支援透過 label.formatter 從特定維度取值。

series: {
  label: {
    // `'{@score}'` means the value in the dimension named "score".
    // `'{@[4]}'` means the value in dimension 4.
    formatter: 'aaa{@product}bbb{@score}ccc{@[4]}ddd';
  }
}

問：如何在提示框（tooltip）中顯示第2列和第3列？

答：

option = {
  series: {
    encode: {
      tooltip: [1, 2]
      // ...
    }
    // ...
  }
};

問：如果維度名稱沒有包含在資料集中，如何定義？

答：

var option = {
  dataset: {
    dimensions: ['score', 'amount'],
    source: [
      [89.3, 3371],
      [92.1, 8123],
      [94.4, 1954],
      [85.4, 829]
    ]
  }
};

問：如何將第3列對映到散點圖的大小？

答：

var option = {
  dataset: {
    source: [
      [12, 323, 11.2],
      [23, 167, 8.3],
      [81, 284, 12],
      [91, 413, 4.1],
      [13, 287, 13.5]
    ]
  },
  visualMap: {
    show: false,
    dimension: 2, // means the 3rd column
    min: 2, // lower bound
    max: 15, // higher bound
    inRange: {
      // Size of the bubble.
      symbolSize: [5, 60]
    }
  },
  xAxis: {},
  yAxis: {},
  series: {
    type: 'scatter'
  }
};
線上示例

問：我在 encode 中指定了對映，為什麼沒有生效？

答：檢查你的拼寫，例如，在 encode 中是否將維度名稱 'Life Expectancy' 錯拼成了 'Life Expectency'。

視覺通道對映

我們可以使用 visualMap 來對映視覺通道。詳情請檢視 visualMap 文件。這是一個示例。

圖表的資料格式

在大多數常規圖表中，資料適合用二維表的形式來描述。像“MS Excel”和“Numbers”這類著名軟體都使用二維表。它們的資料可以匯出為 JSON 格式並輸入到 dataset.source 中，從而避免一些資料處理步驟。

你可以使用像 dsv 或 PapaParse 這樣的工具將 .csv 檔案轉換為 JSON。

如下面的例子所示，在 JavaScript 的資料傳輸中，二維資料可以直接用二維陣列儲存。

除了二維陣列，dataset 還支援使用鍵值對（key-value）的方式，這也是一種常見的方式。但是，我們目前在這種格式下不支援 seriesLayoutBy。

dataset: [
  {
    // column by column key-value array is a normal format
    source: [
      { product: 'Matcha Latte', count: 823, score: 95.8 },
      { product: 'Milk Tea', count: 235, score: 81.4 },
      { product: 'Cheese Cocoa', count: 1042, score: 91.2 },
      { product: 'Walnut Brownie', count: 988, score: 76.9 }
    ]
  },
  {
    // row by row key-value
    source: {
      product: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'],
      count: [823, 235, 1042, 988],
      score: [95.8, 81.4, 91.2, 76.9]
    }
  }
];

如何引用多個數據集

ECharts 支援同時定義多個數據集。系列可以透過 series.datasetIndex 指定引用哪一個。例如：

var option = {
  dataset: [
    {
      // 1st Dataset
      source: []
    },
    {
      // 2nd Dataset
      source: []
    },
    {
      // 3rd Dataset
      source: []
    }
  ],
  series: [
    {
      // Use 2nd dataset
      datasetIndex: 1
    },
    {
      // Use 1st dataset
      datasetIndex: 0
    }
  ]
};

ECharts 3 中的 series.data

ECharts 4 仍然支援 ECharts 3 中的資料宣告方式。如果系列已經聲明瞭 series.data，那麼會使用 series.data 而不是 dataset。

option = {
  xAxis: {
    type: 'category',
    data: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie']
  },
  yAxis: {},
  series: [
    {
      type: 'bar',
      name: '2015',
      data: [89.3, 92.1, 94.4, 85.4]
    },
    {
      type: 'bar',
      name: '2016',
      data: [95.8, 89.4, 91.2, 76.9]
    },
    {
      type: 'bar',
      name: '2017',
      data: [97.7, 83.1, 92.5, 78.1]
    }
  ]
};

事實上，series.data 是一種重要的設定方法，它將一直存在。一些特殊的非表格格式圖表，如矩形樹圖、關係圖和路徑圖，仍然不能在 dataset 中編輯，你仍然需要使用 series.data。另一方面，對於渲染海量資料（超過一百萬），你需要使用 dataset 不支援的 appendData。

其他

目前支援 dataset 的圖表有：line（折線圖）、bar（柱狀圖）、pie（餅圖）、scatter（散點圖）、effectScatter（漣漪散點圖）、parallel（平行座標系）、candlestick（K線圖）、map（地圖）、funnel（漏斗圖）、custom（自定義系列）。ECharts 將來會支援更多圖表。

最後，這裡是一個多個圖表共享一個 dataset 並進行聯動互動的示例。

貢獻者 在 GitHub 上編輯此頁

plainheartpissangOvilia100pahHertz-HuBruce20190410YuanyeChisimonmcconnell