使用 dataset 管理数据

    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.     ]
    24. }

    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.     ]
    24. }

    效果如下： https://echarts.baidu.com/gallery/view.html?c=dataset-simple0&edit=1&reset=1“

    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.     ]
    22. };

    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.     ]
    35. }

    效果如下： https://echarts.baidu.com/gallery/view.html?c=dataset-series-layout-by&edit=1&reset=1

    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.     ...
    13. };
    15. var option2 = {
    16.     dataset: {
    17.         source: [...]
    18.     },
    19.     series: {
    20.         type: 'line',
    21.         // 在系列中设置的 dimensions 会更优先采纳。
    22.         dimensions: [
    23.             null, // 可以设置为 null 表示不想设置维度名
    24.             'amount',
    25.             {name: 'product', type: 'ordinal'}
    26.         ]
    27.     },
    28.     ...
    29. };

    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.     ]
    29. };

    效果如下： https://echarts.baidu.com/gallery/view.html?c=doc-example/dataset-encode-simple0&edit=1&reset=1

    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. }
    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. // 极坐标系（polar）特有的属性：
    22. encode: {
    23.     radius: 3,
    24.     angle: 2
    25. }
    27. // 地理坐标系（geo）特有的属性：
    28. encode: {
    29.     lng: 3,
    30.     lat: 2
    31. }
    33. // 对于一些没有坐标系的图表，例如饼图、漏斗图等，可以是：
    34. encode: {
    35.     value: 3
    36. }

    下面给出个更丰富的 encode 的示例： https://echarts.baidu.com/gallery/view.html?c=dataset-encode1&edit=1&reset=1

    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： https://echarts.baidu.com/gallery/view.html?c=dataset-encode0&edit=1&reset=1

    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）

    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.     ...
    5. }

    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.     ...
    5. }

    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.     }
    7. }

    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.     ...
    7. }

    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.     ]
    9. }

    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.     }
    26. };

    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. }, {
    10.     // 按列的 key-value 形式。
    11.     source: {
    12.         'product': ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'],
    13.         'count': [823, 235, 1042, 988],
    14.         'score': [95.8, 81.4, 91.2, 76.9]
    15.     }
    16. }]

    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.     }]
    19. }

    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.     }]
    20. }

    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： https://echarts.baidu.com/gallery/view.html?c=dataset-link&edit=1&reset=1