标签：product bar series dataset type 维度格式数据 echarts

数据集

数据集（dataset）是专门用来管理数据的组件。虽然每个系列都可以在 series.data 中设置数据，但是从 ECharts4 支持 数据集 开始，更推荐使用 数据集 来管理数据。因为这样，数据可以被多个组件复用，也方便进行 “数据和其他配置” 分离的配置风格。毕竟，在运行时，数据是最常改变的，而其他配置大多并不会改变。

在系列中设置数据

如果数据设置在 系列（series）中，例如：


option = { xAxis: { type: 'category', data: \['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'\] }, yAxis: {}, series: \[ { type: 'bar', name: '2015', data: \[89.3, 92.1, 94.4, 85.4\] }, { type: 'bar', name: '2016', data: \[95.8, 89.4, 91.2, 76.9\] }, { type: 'bar', name: '2017', data: \[97.7, 83.1, 92.5, 78.1\] } \] };```
option \= {
  xAxis: {
    type: 'category',
    data: \['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'\]
  },
  yAxis: {},
  series: \[
    {
      type: 'bar',
      name: '2015',
      data: \[89.3, 92.1, 94.4, 85.4\]
    },
    {
      type: 'bar',
      name: '2016',
      data: \[95.8, 89.4, 91.2, 76.9\]
    },
    {
      type: 'bar',
      name: '2017',
      data: \[97.7, 83.1, 92.5, 78.1\]
    }
  \]
};

live

这种方式的优点是，适于对一些特殊的数据结构（如“树”、“图”、超大数据）进行一定的数据类型定制。但是缺点是，常需要用户先处理数据，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。

在数据集中设置数据

而数据设置在 数据集（dataset）中，会有这些好处：

能够贴近数据可视化常见思维方式：（I）提供数据，（II）指定数据到视觉的映射，从而形成图表。
数据和其他配置可以被分离开来。数据常变，其他配置常不变。分开易于分别管理。
数据可以被多个系列或者组件复用，对于大数据量的场景，不必为每个系列创建一份数据。
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。

下面是一个最简单的 dataset 的例子：

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: \[{ type: 'bar' }, { type: 'bar' }, { type: 'bar' }\] };```
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: \[{ type: 'bar' }, { type: 'bar' }, { type: 'bar' }\]
};

live

或者也可以使用常见的“对象数组”的格式：

option = { legend: {}, tooltip: {}, dataset: { // 用 dimensions 指定了维度的顺序。直角坐标系中，如果 X 轴 type 为 category， // 默认把第一个维度映射到 X 轴上，后面维度映射到 Y 轴上。 // 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: \[{ type: 'bar' }, { type: 'bar' }, { type: 'bar' }\] };```
option \= {
  legend: {},
  tooltip: {},
  dataset: {
    // 用 dimensions 指定了维度的顺序。直角坐标系中，如果 X 轴 type 为 category，
    // 默认把第一个维度映射到 X 轴上，后面维度映射到 Y 轴上。
    // 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: \[{ type: 'bar' }, { type: 'bar' }, { type: 'bar' }\]
};

live

数据到图形的映射

如上所述，数据可视化的一个常见思路是：（I）提供数据，（II）指定数据到视觉的映射。

简而言之，可以进行这些映射的设定：

指定 数据集 的列（column）还是行（row）映射为 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 组件来配置（如果有需要映射颜色大小等视觉维度的话）。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。

下面详细解释这些映射的设定。

把数据集（ dataset ）的行或列映射为系列（series）

有了数据表之后，使用者可以灵活地配置：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：

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: \[ // 这几个系列会出现在第一个直角坐标系中，每个系列对应到 dataset 的每一行。 { type: 'bar', seriesLayoutBy: 'row' }, { type: 'bar', seriesLayoutBy: 'row' }, { type: 'bar', seriesLayoutBy: 'row' }, // 这几个系列会出现在第二个直角坐标系中，每个系列对应到 dataset 的每一列。 { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 }, { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 }, { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 }, { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 } \] };```
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: \[
    // 这几个系列会出现在第一个直角坐标系中，每个系列对应到 dataset 的每一行。
    { type: 'bar', seriesLayoutBy: 'row' },
    { type: 'bar', seriesLayoutBy: 'row' },
    { type: 'bar', seriesLayoutBy: 'row' },
    // 这几个系列会出现在第二个直角坐标系中，每个系列对应到 dataset 的每一列。
    { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 },
    { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 },
    { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 },
    { type: 'bar', xAxisIndex: 1, yAxisIndex: 1 }
  \]
};

live

维度（ dimension ）

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 ）：

var option1 = {
  dataset: {
    dimensions: [
      { name: 'score' },
      // 可以简写为 string ，表示 dimension name 。
      'amount',
      // 可以在 type 中指定维度类型。
      { name: 'product', type: 'ordinal' }
    ],
    source: [
      //...
    ]
  }
  // ...
};

var option2 = {
  dataset: {
    source: [
      // ...
    ]
  },
  series: {
    type: 'line',
    // series.dimensions 会更优先于 dataset.dimension 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 ECharts 会自动尝试判断。但是如果不足够准确时，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 默认会试图自动判断这个类型。但是自动判断也可能不准确，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（ series.encode ）

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

var option = { 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'] ] }, xAxis: {}, yAxis: { type: 'category' }, series: [ { type: 'bar', encode: { // 将 "amount" 列映射到 X 轴。 x: 'amount', // 将 "product" 列映射到 Y 轴。 y: 'product' } } ] };```
var option = {
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']
]
},
xAxis: {},
yAxis: { type: 'category' },
series: [
{
type: 'bar',
encode: {
// 将 "amount" 列映射到 X 轴。
x: 'amount',
// 将 "product" 列映射到 Y 轴。
y: 'product'
}
}
]
};


live

`series.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 `series.encode` 支持的属性：

// 在任何坐标系和系列中，都支持：
encode: {
// 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 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）
seriesName: [1, 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
}

// 直角坐标系（grid/cartesian）特有的属性：
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
}

// 单轴（singleAxis）特有的属性：
encode: {
single: 3
}

// 极坐标系（polar）特有的属性：
encode: {
radius: 3,
angle: 2
}

// 地理坐标系（geo）特有的属性：
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
}


这是个更丰富的 `series.encode` 的 [示例](https://echarts.apache.org/examples/zh/editor.html?c=dataset-encode1&edit=1&reset=1) 。

默认的 series.encode
-----------------

值得一提的是，当 `series.encode` 并没有指定时，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，会采用一些默认的映射规则。默认的映射规则比较简单，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。这是一个 [例子](https://echarts.apache.org/examples/zh/editor.html?c=dataset-default&edit=1&reset=1)。

几个常见的 series.encode 设置方式举例
--------------------------

问：如何把第三列设置为 X 轴，第五列设置为 Y 轴？

答：

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


问：如何把第三行设置为 X 轴，第五行设置为 Y 轴？

答：

option = {
series: {
encode: { x: 2, y: 4 },
seriesLayoutBy: 'row'
// ...
}
};


问：如何把第二列设置为标签？

答： 关于标签的显示 [label.formatter](https://echarts.apache.org/option.html##series.label.formatter)，现在支持引用特定维度的值，例如：

series: {
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: 'aaa{@product}bbb{@score}ccc{@[4]}ddd';
}
}


问：如何让第 2 列和第 3 列显示在提示框（tooltip）中？

答：

option = {
series: {
encode: {
tooltip: [1, 2]
// ...
}
// ...
}
};


问：数据里没有维度名，那么怎么给出维度名？

答：

var option = {
dataset: {
dimensions: ['score', 'amount'],
source: [
[89.3, 3371],
[92.1, 8123],
[94.4, 1954],
[85.4, 829]
]
}
};


问：如何把第三列映射为气泡图的点的大小？

答：

var option = { dataset: { source: \[ \[12, 323, 11.2\], \[23, 167, 8.3\], \[81, 284, 12\], \[91, 413, 4.1\], \[13, 287, 13.5\] \] }, visualMap: { show: false, dimension: 2, // 指向第三列（列序号从 0 开始记，所以设置为 2）。 min: 2, // 需要给出数值范围，最小数值。 max: 15, // 需要给出数值范围，最大数值。 inRange: { // 气泡尺寸：5 像素到 60 像素。 symbolSize: \[5, 60\] } }, xAxis: {}, yAxis: {}, series: { type: 'scatter' } };```
var option \= {
  dataset: {
    source: \[
      \[12, 323, 11.2\],
      \[23, 167, 8.3\],
      \[81, 284, 12\],
      \[91, 413, 4.1\],
      \[13, 287, 13.5\]
    \]
  },
  visualMap: {
    show: false,
    dimension: 2, // 指向第三列（列序号从 0 开始记，所以设置为 2）。
    min: 2, // 需要给出数值范围，最小数值。
    max: 15, // 需要给出数值范围，最大数值。
    inRange: {
      // 气泡尺寸：5 像素到 60 像素。
      symbolSize: \[5, 60\]
    }
  },
  xAxis: {},
  yAxis: {},
  series: {
    type: 'scatter'
  }
};

live

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'。

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。

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。

dataset: [
  {
    // 按行的 key-value 形式（对象数组），这是个比较常见的格式。
    source: [
      { product: 'Matcha Latte', count: 823, score: 95.8 },
      { product: 'Milk Tea', count: 235, score: 81.4 },
      { product: 'Cheese Cocoa', count: 1042, score: 91.2 },
      { product: 'Walnut Brownie', count: 988, score: 76.9 }
    ]
  },
  {
    // 按列的 key-value 形式。
    source: {
      product: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'],
      count: [823, 235, 1042, 988],
      score: [95.8, 81.4, 91.2, 76.9]
    }
  }
];

多个 dataset 以及如何引用他们

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：

var option = {
  dataset: [
    {
      // 序号为 0 的 dataset。
      source: []
    },
    {
      // 序号为 1 的 dataset。
      source: []
    },
    {
      // 序号为 2 的 dataset。
      source: []
    }
  ],
  series: [
    {
      // 使用序号为 2 的 dataset。
      datasetIndex: 2
    },
    {
      // 使用序号为 1 的 dataset。
      datasetIndex: 1
    }
  ]
};

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。

option = { xAxis: { type: 'category', data: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie'] }, yAxis: {}, series: [ { type: 'bar', name: '2015', data: [89.3, 92.1, 94.4, 85.4] }, { type: 'bar', name: '2016', data: [95.8, 89.4, 91.2, 76.9] }, { type: 'bar', name: '2017', data: [97.7, 83.1, 92.5, 78.1] } ] };```
option = {
xAxis: {
type: 'category',
data: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie']
},
yAxis: {},
series: [
{
type: 'bar',
name: '2015',
data: [89.3, 92.1, 94.4, 85.4]
},
{
type: 'bar',
name: '2016',
data: [95.8, 89.4, 91.2, 76.9]
},
{
type: 'bar',
name: '2017',
data: [97.7, 83.1, 92.5, 78.1]
}
]
};


live

其实，[series.data](https://echarts.apache.org/option.html##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](https://echarts.apache.org/option.html##series-treemap)、[graph](https://echarts.apache.org/option.html##series-graph)、[lines](https://echarts.apache.org/option.html##series-lines) 等，现在仍不支持在 dataset 中设置，仍然需要使用 [series.data](https://echarts.apache.org/option.html##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](https://echarts.apache.org/api.html#echartsInstance.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，给出这个 [示例](https://echarts.apache.org/examples/zh/editor.html?c=dataset-link&edit=1&reset=1)，多个图表共享一个 `dataset`，并带有联动交互。

  

本文转自 [https://echarts.apache.org/handbook/zh/concepts/dataset](https://echarts.apache.org/handbook/zh/concepts/dataset)，如有侵权，请联系删除。

标签：product,bar,series,dataset,type,维度,格式,数据,echarts
From： https://www.cnblogs.com/zhuoss/p/16601719.html

echarts 数据的各种格式

数据集

在系列中设置数据

在数据集中设置数据

数据到图形的映射

把数据集（ dataset ）的行或列映射为系列（series）

维度（ dimension ）

数据到图形的映射（ series.encode ）

视觉通道（颜色、尺寸等）的映射

数据的各种格式

多个 dataset 以及如何引用他们

ECharts 3 的数据设置方式（series.data）仍正常使用

相关文章

赞助商

阅读排行