维度（dimension）:
常用图表所描述的数据大部分是"二维表"结构,其都使用二位数组来容纳二维表.
现在当把系列(series)对应到"列"的时候,那么每一列就称为一个"维度 (英文 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(或第一列)
如:
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']
]
},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.
也可以设置dataset.sourceHeader:true显式声明第一行(列)就是维度,或者dataset.sourceHeader:false表示第一行(列)开始就直接是数据了.
维度的定义,也可以使用单独的(数据集)dataset.dimensions或者(系列)series.dimensions来定义,这样可以同时指定维度名,和维度的类型(dimension type)
在系列 series.dimensions 中定义的维度会更优先采纳.
var option2 = {
dataset: {
source: [...]
},
series: {
type: 'line',
// 在系列中设置的 dimensions 会更优先采纳。
dimensions: [
null, // 可以设置为 null 表示不想设置维度名
'amount',
{name: 'product', type: 'ordinal'}
]
},
...
};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.
dimension type 维度类型有:
- '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,那么会自动设置为'time'类型.时间类型的支持参见data.<<https://www.echartsjs.com/option.html#series-line.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.
这几天看了一些网上的demo,发现有些series是老式的设置:
![[echarts] - 多维度的数据展示_数据](https://s2.51cto.com/images/blog/202205/25010443_628d102b3800897871.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_30,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=/resize,m_fixed,w_1184)
后来都使用了数据集dataset: (注意看下面示例代码的注释)
option = {
legend: {},
tooltip: {},
dataset: {
// 提供一份数据。
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]
]
},
// 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'}
]
}对象数组格式:
option = {
legend: {},
tooltip: {},
dataset: {
// 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: ['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'}
]
};数据到图形的映射
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:
1. 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.
2. 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.
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,改变图表对行列的理解. seriesLayoutBy 可取值:
1. 'column' : 默认值. 系列被安放到 dataset 的列上面.
2. 'row' : 系列被安放到 dataset 的行上面.
看下面例子:
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: [
// 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'},
{type: 'bar', seriesLayoutBy: 'row'},
{type: 'bar', seriesLayoutBy: 'row'},
// 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},
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1}
]
}修改之后:
option = {
legend: {
//公司名数组 需与source中的第一列中一致才可显示
data:['Matcha Latte','Milk Tea','Cheese Cocoa']
},
tooltip: {
trigger: 'axis'
},
dataset: {
// sourceHeader: false,
source: [
['time', '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,axisLabel: {rotate: 50, interval: 0}}, //旋转50度
// {type: 'category', gridIndex: 1}
],
yAxis: [
{gridIndex: 0},
// {gridIndex: 1}
],
grid: [
{bottom: '10%'},
{top: '10%'}
],
series: [
// These series are in the first grid.
{type: 'line', seriesLayoutBy: 'row'},
{type: 'line', seriesLayoutBy: 'row'},
{type: 'line', seriesLayoutBy: 'row'},
// These series are in the second grid.
// {type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
// {type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
// {type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
// {type: 'bar', xAxisIndex: 1, yAxisIndex: 1}
]
};
https://www.echartsjs.com/gallery/editor.html?c=dataset-default
![[echarts] - 多维度的数据展示_cocoa_02](https://s2.51cto.com/images/blog/202205/25010443_628d102b7bfd448101.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_30,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=/resize,m_fixed,w_1184)
https://www.echartsjs.com/gallery/editor.html?c=dynamic-data 多x轴动态展示
下面代码基本可以展示公司名与价格走向,指标参数还在测试:
option = {
legend: {
data:['Matcha Latte','Milk Tea','Cheese Cocoa']
},
tooltip: {
trigger: 'axis',
},
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],
['sulfur1',1.4,1.2,1.5,0.5],
['sulfur2',2.4,3.2,1.5,1.5],
['sulfur3',2.4,3.2,1.5,1.5],
],
dimensions: [
'product',
'Matcha Latte',
'Milk Tea',
'Cheese Cocoa',
'sulfur1',
'sulfur2',
'sulfur3',
// '2012',
]
},
xAxis: [
{type: 'category', gridIndex: 0,axisLabel: {rotate: 50, interval: 0,formatter:function(value){return value+'年'}}},
{type: 'category', gridIndex:1}
],
yAxis: [
{gridIndex: 0},
{gridIndex: 1}
],
grid: [
{bottom: '55%'},
{top: '55%'}
],
// label: {
// // `'{@score}'` 表示 “名为 score” 的维度里的值。
// // `'{@[4]}'` 表示引用序号为 4 的维度里的值。
// formatter: '{@sulfur1}' },
series: [
// These series are in the first grid.
{type: 'line', seriesLayoutBy: 'row'},
{type: 'line', seriesLayoutBy: 'row'},
{type: 'line', seriesLayoutBy: 'row'},
// {type: 'line', seriesLayoutBy: 'row'},
// {type: 'line', seriesLayoutBy: 'row'},
// {type: 'line', seriesLayoutBy: 'row'},
// These series are in the second grid.
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1},
{type: 'bar', xAxisIndex: 1, yAxisIndex: 1}
]
};
