- 用echart做图是很方便，但是如果是多维数据，数据处理起来就比较麻烦。还好echart4 出来了dataset，感觉还是很好用的。官方的例子有点看不懂，下面参照官网教程用几个例子简单介绍一下。
4以前使用 series，数据需要处理分割到各 series中
option = {
legend: {},
tooltip: {},
xAxis: {
type: 'category',
data: ['一季度', '二季度', '三季度', '四季度']
},
yAxis: {},
series: [
{
type: 'bar',
name: '动作',
data: [10,20,30,40]
},
{
type: 'bar',
name: '喜剧',
data: [30,30,30,30]
},
{
type: 'bar',
name: '科幻',
data: [60,50,40,30]
}
]
}
使用dataset
- 某电影院2015年各季度电影观看人次统计
option = {
legend: {},
tooltip: {},
dataset: {
// 提供一份数据。
source: [
['date', '观看人数'],
['一季度', 60],
['二季度', 50],
['三季度', 40],
['四季度', 30]
]
},
// 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。
xAxis: {type: 'category'},
// 声明一个 Y 轴，数值轴。
yAxis: {},
// 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。
series: [
{type: 'bar'}
]
};
- image.png
数据按 row/col 的形式划分，添加类目只需要添加新的一列即可
再来看下多类目使用dataset
统计2015 电影类目 '动作', '喜剧', '科幻' 的观看人数
option = {
legend: {},
tooltip: {},
dataset: {
// 提供一份数据。
source: [
['date', '动作', '喜剧', '科幻'],
['一季度', 60,30,10],
['二季度', 50,30,20],
['三季度', 40,30,30],
['四季度', 30,30,40]
]
},
// 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。
xAxis: {type: 'category'},
// 声明一个 Y 轴，数值轴。
yAxis: {},
// 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。
series: [
{type: 'bar'},
{type: 'bar'},
{type: 'bar'}
]
};
- image.png
类目和数据都放在source中，可能不好理解，而且数据里可能没有维度名，我们可以把他们分开，修改dataset对象为：
// 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。
// 如果不指定 dimensions，也可以通过指定 series.encode 完成映射，参见后文。
dimensions: ['date', '动作', '喜剧', '科幻'],
source: [
{date: '一季度', '动作': 43.3, '喜剧': 85.8, '科幻': 93.7},
{date: '二季度', '动作': 83.1, '喜剧': 73.4, '科幻': 55.1},
{date: '三季度', '动作': 86.4, '喜剧': 65.2, '科幻': 82.5},
{date: '四季度', '动作': 72.4, '喜剧': 53.9, '科幻': 39.1}
]
dimensions（维度），其实类似于 table 的列名，第一列是时间，第二列是动作。。。
总结一下
- dataset可以灵活指定按列（column）还是按行（row）映射图形系列（series），默认按列（column）
- 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。
- 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：
- 多坐标系
option = {
legend: {},
tooltip: {},
dataset: {
source: [
['date', '动作', '喜剧', '科幻'],
['一季度', 60,30,10],
['二季度', 50,30,20],
['三季度', 40,30,30],
['四季度', 30,30,40]
]
},
xAxis: [
{type: 'category', gridIndex: 0},
{type: 'category', gridIndex: 1}
],
yAxis: [
{gridIndex: 0},
{gridIndex: 1}
],
grid: [
{bottom: '55%'},
{top: '55%'}
],
series: [
// 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。
{type: 'bar', seriesLayoutBy: 'row'}, // 第一季度
{type: 'bar', seriesLayoutBy: 'row'}, // 第二季度
{type: 'bar', seriesLayoutBy: 'row'}, // 第三季度
{type: 'bar', seriesLayoutBy: 'row'}, // 第四季度
// 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。
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1}, // 动作
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1}, // 喜剧
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1} // 科幻
]
}
- image.png
其实就是分组，按类目分组还是按季度分组
encode 数据到图形的映射
- 薪资排行榜
var option = {
dataset: {
source: [
['score', 'amount', 'city'],
[50, 10000, '北京'],
[80, 9000, '上海'],
[70, 8000, '广东'],
[60, 7000, '深圳'],
[50, 6000, '苏州'],
[40, 5000, '南京'],
[30, 4000, '杭州']
]
},
grid: {containLabel: true},
xAxis: {},
yAxis: {type: 'category'},
series: [
{
type: 'bar',
encode: {
// amount 列映射到 x 轴
x: 'amount',
// city 映射到 y 轴
y: 'city'
}
}
]
};
- image.png
encode 基本规则
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。
// 例如在直角坐标系（grid/cartesian）中：
encode: {
// 把 “维度1”、“维度5”、“名为 score 的维度” 映射到 X 轴：
x: [1, 5, 'score'],
// 把“维度0”映射到 Y 轴。
y: 0,
// 使用 “名为 product 的维度” 和 “名为 score 的维度” 的值在 tooltip 中显示
tooltip: ['product', 'score']
// 使用 “维度 3” 的维度名作为系列名。（有时候名字比较长，这可以避免在 series.name 重复输入这些名字）
seriesName: 3,
// 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。
itemId: 2,
// 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。
itemName: 3
}
// 对于极坐标系，可以是：
encode: {
radius: 3,
angle: 2,
...
}
// 对于地理坐标系，可以是：
encode: {
lng: 3,
lat: 2
}
// 对于一些没有坐标系的图表，例如饼图、漏斗图等，可以是：
encode: {
value: 3
}
