简单概括一下就是
数据集(dataset)中除第一行元素外,每一行数据对应x轴一个类目,有多少个系列,类中就有多少图(或者说bar图里的多少根柱子)
一个系列等于数据集的一列,默认数据集第一列为类目列(category)
当系列个数大于数据集中数据行数时,会在每个类中增加系列(每个类目里增加图),但是多余的系列的值等于dataset第二列的数据值。
//系列中的数据内容数组。数组项通常为具体的数据项。
//通常来说,数据用一个二维数组(arr[x][y])表示。如下,每一列被称为一个『维度』。
series: [{
data: [
// 维度X 维度Y 其他维度 ...
[ 3.4, 4.5, 15, 43], //arr[0][y]一行
[ 4.2, 2.3, 20, 91],
[ 10.8, 9.5, 30, 18],
[ 7.2, 8.8, 18, 57]
]
}]//在 直角坐标系 (grid) 中『维度X』和『维度Y』会默认对应于 xAxis 和 yAxis。
在 极坐标系 (polar) 中『维度X』和『维度Y』会默认对应于 radiusAxis 和 angleAxis。//后面的其他维度是可选的,可以在别处被使用,例如:
//在 visualMap 中可以将一个或多个维度映射到颜色,大小等多个图形属性上。
//在 series.symbolSize 中可以使用回调函数,基于某个维度得到 symbolSize 值。
//使用 tooltip.formatter 或 series.label.normal.formatter 可以把其他维度的值展示出来。
//特别地,当只有一个轴为类目轴(axis.type 为 'category')的时候,数据可以简化用一个一维数组表示。例如:
xAxis: {
data: ['a', 'b', 'm', 'n']
},
series: [{
// 与 xAxis.data 一一对应。
data: [23, 44, 55, 19]
// 它其实是下面这种形式的简化:
// data: [[0, 23], [1, 44], [2, 55], [3, 19]]
}]
特别地,当只有一个轴为类目轴(axis.type 为 'category')的时候,数据可以简化用一个一维数组表示。 『值』与 轴类型 的关系:
//当某维度对应于数值轴(axis.type 为 'value' 或者 'log')的时候:
//其值可以为 number(例如 12)。(也可以兼容 string 形式的 //number,例如 '12')
//当某维度对应于类目轴(axis.type 为 'category')的时候:
//其值须为类目的『序数』(从 0 开始)或者类目的『字符串值』。例如:
xAxis: {
type: 'category',
data: ['星期一', '星期二', '星期三', '星期四']
},
yAxis: {
type: 'category',
data: ['a', 'b', 'm', 'n', 'p', 'q']
},
series: [{
data: [
// xAxis yAxis
[ 0, 0, 2 ], // 意思是此点位于 xAxis: '星期一', yAxis: 'a'。
[ '星期四', 2, 1 ], // 意思是此点位于 xAxis: '星期四', yAxis: 'm'。
[ 2, 'p', 2 ], // 意思是此点位于 xAxis: '星期三', yAxis: 'p'。
[ 3, 3, 5 ]
]
}]