课程表

Echarts 基础教程

Echarts 案例教程

工具箱
速查手册

Echarts 使用 dataset

当前位置：免费教程 » JS/JS库/框架 » Echarts

ECharts 4 开始支持了 dataset 组件用于单独的数据集声明，从而数据可以单独管理，被多个组件复用，并且可以基于数据指定数据到视觉的映射。这在不少场景下能带来使用上的方便。

ECharts 4 以前，数据只能声明在各个“系列（series）”中，例如：

  1. option: {
  2.     xAxis: {
  3.         type: 'category',
  4.         data: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie']
  5.     },
  6.     yAxis: {}
  7.     series: [
  8.         {
  9.             type: 'bar',
  10.             name: '2015',
  11.             data: [89.3, 92.1, 94.4, 85.4]
  12.         },
  13.         {
  14.             type: 'bar',
  15.             name: '2016',
  16.             data: [95.8, 89.4, 91.2, 76.9]
  17.         },
  18.         {
  19.             type: 'bar',
  20.             name: '2017',
  21.             data: [97.7, 83.1, 92.5, 78.1]
  22.         }
  23.     ]}

这种方式的优点是，直观易理解，以及适于对一些特殊图表类型进行一定的数据类型定制。但是缺点是，为匹配这种数据输入形式，常需要有数据处理的过程，把数据分割设置到各个系列（和类目轴）中。此外，不利于多个系列共享一份数据，也不利于基于原始数据进行图表类型、系列的映射安排。

于是，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：基于数据（dataset 组件来提供数据），指定数据到视觉的映射（由 encode 属性来指定映射），形成图表。

  • 数据和其他配置可以被分离开来，使用者相对便于进行单独管理，也省去了一些数据处理的步骤。

  • 数据可以被多个系列或者组件复用，对于大数据，不必为每个系列创建一份。

  • 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。


入门例子

下面是一个最简单的 dataset 的例子：

  1. option = {
  2.     legend: {},
  3.     tooltip: {},
  4.     dataset: {
  5.         // 提供一份数据。
  6.         source: [
  7.             ['product', '2015', '2016', '2017'],
  8.             ['Matcha Latte', 43.3, 85.8, 93.7],
  9.             ['Milk Tea', 83.1, 73.4, 55.1],
  10.             ['Cheese Cocoa', 86.4, 65.2, 82.5],
  11.             ['Walnut Brownie', 72.4, 53.9, 39.1]
  12.         ]
  13.     },
  14.     // 声明一个 X 轴，类目轴（category）。默认情况下，类目轴对应到 dataset 第一列。
  15.     xAxis: {type: 'category'},
  16.     // 声明一个 Y 轴，数值轴。
  17.     yAxis: {},
  18.     // 声明多个 bar 系列，默认情况下，每个系列会自动对应到 dataset 的每一列。
  19.     series: [
  20.         {type: 'bar'},
  21.         {type: 'bar'},
  22.         {type: 'bar'}
  23.     ]}

在线运行案例

或者也可以使用常见的对象数组的格式：

  1. option = {
  2.     legend: {},
  3.     tooltip: {},
  4.     dataset: {
  5.         // 这里指定了维度名的顺序，从而可以利用默认的维度到坐标轴的映射。
  6.         // 如果不指定 dimensions，也可以通过指定 series.encode 完成映射，参见后文。
  7.         dimensions: ['product', '2015', '2016', '2017'],
  8.         source: [
  9.             {product: 'Matcha Latte', '2015': 43.3, '2016': 85.8, '2017': 93.7},
  10.             {product: 'Milk Tea', '2015': 83.1, '2016': 73.4, '2017': 55.1},
  11.             {product: 'Cheese Cocoa', '2015': 86.4, '2016': 65.2, '2017': 82.5},
  12.             {product: 'Walnut Brownie', '2015': 72.4, '2016': 53.9, '2017': 39.1}
  13.         ]
  14.     },
  15.     xAxis: {type: 'category'},
  16.     yAxis: {},
  17.     series: [
  18.         {type: 'bar'},
  19.         {type: 'bar'},
  20.         {type: 'bar'}
  21.     ]};

数据到图形的映射

本篇里，我们制作数据可视化图表的逻辑是这样的：基于数据，在配置项中指定如何映射到图形。

概略而言，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）。这件事可以使用 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（如 X、Y 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；三个柱图系列，一一对应到 dataset.source 中后面每一列。

下面详细解释。

按行还是按列做映射

有了数据表之后，使用者可以灵活得配置：数据如何对应到轴和图形系列。

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。

看这个例子：

  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.     ]}

在线运行案例


维度（dimension）

介绍 encode 之前，首先要介绍“维度（dimension）”的概念。

常用图表所描述的数据大部分是“二维表”结构，上述的例子中，我们都使用二维数组来容纳二维表。现在，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. var option1 = {
  2.     dataset: {
  3.         dimensions: [
  4.             {name: 'score'},
  5.             // 可以简写为 string，表示维度名。
  6.             'amount',
  7.             // 可以在 type 中指定维度类型。
  8.             {name: 'product', type: 'ordinal'}
  9.         ],
  10.         source: [...]
  11.     },
  12.     ...};var option2 = {
  13.     dataset: {
  14.         source: [...]
  15.     },
  16.     series: {
  17.         type: 'line',
  18.         // 在系列中设置的 dimensions 会更优先采纳。
  19.         dimensions: [
  20.             null, // 可以设置为 null 表示不想设置维度名
  21.             'amount',
  22.             {name: 'product', type: 'ordinal'}
  23.         ]
  24.     },
  25.     ...};

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（encode）

了解了维度的概念后，我们就可以使用 encode 来做映射。总体是这样的感觉：

  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.     ]};

在线运行案例

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 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. }
  12.  
  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. }
  20.  
  21. // 单轴（singleAxis）特有的属性：
  22. encode: {
  23.     single: 3
  24. }
  25.  
  26. // 极坐标系（polar）特有的属性：
  27. encode: {
  28.     radius: 3,
  29.     angle: 2
  30. }
  31.  
  32. // 地理坐标系（geo）特有的属性：
  33. encode: {
  34.     lng: 3,
  35.     lat: 2
  36. }
  37.  
  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. }

在线运行实例

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。这是一个示例：

在线运行实例

默认的映射

指的一提的是，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，给出了简单的默认的映射，从而不需要配置 encode 也可以出现图表（一旦给出了 encode，那么就不会采用默认映射）。默认的映射规则不易做得复杂，基本规则大体是：

  • 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。

在线运行实例

几个常见的映射设置方式

问：如何把第三列设置为 X 轴，第五列设置为 Y 轴？

答：

  1. series: {
  2.     // 注意维度序号（dimensionIndex）从 0 开始计数，第三列是 dimensions[2]。
  3.     encode: {x: 2, y: 4},
  4.     ...}

问：如何把第三行设置为 X 轴，第五行设置为 Y 轴？

答：

  1. series: {
  2.     encode: {x: 2, y: 4},
  3.     seriesLayoutBy: 'row',
  4.     ...}

问：如何把第二列设置为标签？

答： 关于标签的显示 label.formatter，现在支持引用特定维度的值，例如：

  1. series: {
  2.     label: {
  3.         // `'{@score}'` 表示 “名为 score” 的维度里的值。
  4.         // `'{@[4]}'` 表示引用序号为 4 的维度里的值。
  5.         formatter: 'aaa{@product}bbb{@score}ccc{@[4]}ddd'
  6.     }}

问：如何让第 2 列和第 3 列显示在提示框（tooltip）中？

答：

  1. series: {
  2.     encode: {
  3.         tooltip: [1, 2]
  4.         ...
  5.     },
  6.     ...}

问：数据里没有维度名，那么怎么给出维度名？

答：

  1. dataset: {
  2.     dimensions: ['score', 'amount'],
  3.     source: [
  4.         [89.3, 3371],
  5.         [92.1, 8123],
  6.         [94.4, 1954],
  7.         [85.4, 829]
  8.     ]}

问：如何把第四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.     }};

问：encode 里指定了映射，但是不管用？

答：可以查查有没有拼错，比如，维度名是：'Life Expectancy'，encode 中拼成了 'Life Expectency'。

数据的各种格式

多数常见图表中，数据适于用二维表的形式描述。广为使用的数据表格软件（如 MS Excel、Numbers）或者关系数据数据库都是二维表。他们的数据可以导出成 JSON 格式，输入到 dataset.source 中，在不少情况下可以免去一些数据处理的步骤。

假如数据导出成 csv 文件，那么可以使用一些 csv 工具如 dsv 或者 PapaParse 将 csv 转成 JSON。

在 JavaScript 常用的数据传输格式中，二维数组可以比较直观的存储二维表。前面的示例都是使用二维数组表示。

除了二维数组以外，dataset 也支持例如下面 key-value 方式的数据格式，这类格式也非常常见。但是这类格式中，目前并不支持 seriesLayoutBy 参数。

  1. dataset: [{
  2.     // 按行的 key-value 形式（对象数组），这是个比较常见的格式。
  3.     source: [
  4.         {product: 'Matcha Latte', count: 823, score: 95.8},
  5.         {product: 'Milk Tea', count: 235, score: 81.4},
  6.         {product: 'Cheese Cocoa', count: 1042, score: 91.2},
  7.         {product: 'Walnut Brownie', count: 988, score: 76.9}
  8.     ]}, {
  9.     // 按列的 key-value 形式。
  10.     source: {
  11.         'product': ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'],
  12.         'count': [823, 235, 1042, 988],
  13.         'score': [95.8, 81.4, 91.2, 76.9]
  14.     }}]

多个 dataset 和他们的引用

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.     }]}

ECharts 3 的数据设置方式（series.data）仍正常使用

ECharts 4 之前一直以来的数据声明方式仍然被正常支持，如果系列已经声明了 series.data， 那么就会使用 series.data 而非 dataset。

  1. {
  2.     xAxis: {
  3.         type: 'category'
  4.         data: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie']
  5.     },
  6.     yAxis: {},
  7.     series: [{
  8.         type: 'bar',
  9.         name: '2015',
  10.         data: [89.3, 92.1, 94.4, 85.4]
  11.     }, {
  12.         type: 'bar',
  13.         name: '2016',
  14.         data: [95.8, 89.4, 91.2, 76.9]
  15.     }, {
  16.         type: 'bar',
  17.         name: '2017',
  18.         data: [97.7, 83.1, 92.5, 78.1]
  19.     }]}

其实，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。

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。

最后，给出一个示例，多个图表共享一个 dataset，并带有联动交互：

  1. setTimeout(function () {
  2.  
  3.     option = {
  4.         legend: {},
  5.         tooltip: {
  6.             trigger: 'axis',
  7.             showContent: false
  8.         },
  9.         dataset: {
  10.             source: [
  11.                 ['product', '2012', '2013', '2014', '2015', '2016', '2017'],
  12.                 ['Matcha Latte', 41.1, 30.4, 65.1, 53.3, 83.8, 98.7],
  13.                 ['Milk Tea', 86.5, 92.1, 85.7, 83.1, 73.4, 55.1],
  14.                 ['Cheese Cocoa', 24.1, 67.2, 79.5, 86.4, 65.2, 82.5],
  15.                 ['Walnut Brownie', 55.2, 67.1, 69.2, 72.4, 53.9, 39.1]
  16.             ]
  17.         },
  18.         xAxis: {type: 'category'},
  19.         yAxis: {gridIndex: 0},
  20.         grid: {top: '55%'},
  21.         series: [
  22.             {type: 'line', smooth: true, seriesLayoutBy: 'row'},
  23.             {type: 'line', smooth: true, seriesLayoutBy: 'row'},
  24.             {type: 'line', smooth: true, seriesLayoutBy: 'row'},
  25.             {type: 'line', smooth: true, seriesLayoutBy: 'row'},
  26.             {
  27.                 type: 'pie',
  28.                 id: 'pie',
  29.                 radius: '30%',
  30.                 center: ['50%', '25%'],
  31.                 label: {
  32.                     formatter: '{b}: {@2012} ({d}%)'
  33.                 },
  34.                 encode: {
  35.                     itemName: 'product',
  36.                     value: '2012',
  37.                     tooltip: '2012'
  38.                 }
  39.             }
  40.         ]
  41.     };
  42.  
  43.     myChart.on('updateAxisPointer', function (event) {
  44.         var xAxisInfo = event.axesInfo[0];
  45.         if (xAxisInfo) {
  46.             var dimension = xAxisInfo.value + 1;
  47.             myChart.setOption({
  48.                 series: {
  49.                     id: 'pie',
  50.                     label: {
  51.                         formatter: '{b}: {@[' + dimension + ']} ({d}%)'
  52.                     },
  53.                     encode: {
  54.                         value: dimension,
  55.                         tooltip: dimension
  56.                     }
  57.                 }
  58.             });
  59.         }
  60.     });
  61.  
  62.     myChart.setOption(option);
  63.  
  64. });

在线运行实例

转载本站内容时，请务必注明来自W3xue，违者必究。
 友情链接：直通硅谷 　点职佳 　北美留学生论坛

本站QQ群：前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试，对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接（目前9元/月）请联系QQ：27243702 沸活量
皖ICP备17017327号-2　皖公网安备34020702000426号