一、概念

數據集 (dataset) 是專門用來管理數據的組件。雖然可以在 series.data 中設置每個系列數據，但是使用數據集來管理數據更高效，數據可以被多個組件復用，可以方便進行 數據和其他配置 分離的配置風格。

二、回顧在系列(series)中設置數據

如果在序列(series)中設置數據，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]}]
};

• 優點：
  適于對一些特殊的數據結構（如“樹”、“圖”、超大數據）進行一定的數據類型定制
• 缺點：
  但是缺點是，常需要用戶先處理數據，把數據分割設置到各個系列（和類目軸）中。此外，不利于多個系列共享一份數據，也不利于基于原始數據進行圖表類型、系列的映射安排。

三、在數據集中設置數據

• 優勢：
• 能夠貼近數據可視化常見思維方式：（I）提供數據，（II）指定數據到視覺的映射，從而形成圖表。
• 數據和其他配置可以被分離開來。數據常變，其他配置常不變。分開易于分別管理。
• 數據可以被多個系列或者組件復用，對于大數據量的場景，不必為每個系列創建一份數據。
• 支持更多的數據的常用格式，例如二維數組、對象數組等，一定程度上避免使用者為了數據格式而進行轉換

如：

option = {legend: {},tooltip: {},dataset: {// 提供一份數據。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]]},// 聲明一個 X 軸，類目軸（category）。默認情況下，類目軸對應到 dataset 第一列。xAxis: { type: 'category' },// 聲明一個 Y 軸，數值軸。yAxis: {},// 聲明多個 bar 系列，默認情況下，每個系列會自動對應到 dataset 的每一列。series: [{ type: 'bar' }, { type: 'bar' }, { type: 'bar' }]
};

或者使用常見的 對象數組 格式：

option = {legend: {},tooltip: {},dataset: {// 用 dimensions 指定了維度的順序。直角坐標系中，如果 X 軸 type 為 category，// 默認把第一個維度映射到 X 軸上，后面維度映射到 Y 軸上。// 如果不指定 dimensions，也可以通過指定 series.encode// 完成映射，參見后文。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' }]
};

3.1 數據集(dataset) 基礎

使用dataset設置數據集，可以將數據和配置項分開，便于動態數據的使用，易于管理。
數據集的位置一般為option.dataset, 又兩個常用的屬性分別為 source 和 dimensions

• source
  用于指定數據 可以是二維數組，也可以是對象數組
• dimensions
  用于指定維度與數據項，當指定列為維度的時候，那么每行就是一個數據項。

dataset 配置項遵循 先類目、后數據 的規律，在默認情況下，先選擇類目軸的內容，接下來內容則為繪制圖形中對應的數據值。

3.2 二維數組數據(默認)

在使用 dataset 時，ECharts 會自動搜索 source 中的數據，在未指定的情況下默認 第1列從第2行開始為類目軸中的顯示內容(產品名稱)，第2列開始每1列為一組數據，即從左向右看為 先類目、后數據,

四、把數據集(dataset) 的行或列 映射為 序列 (series)

可以使用 seriesLayoutBy 配置項，改變圖表對于行列的理解。seriesLayoutBy 可取值：
'column': 默認值。系列被安放到 dataset 的列上面。
'row': 系列被安放到 dataset 的行上面。

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: [// 這幾個系列會出現在第一個直角坐標系中，每個系列對應到 dataset 的每一行。{ type: 'bar', seriesLayoutBy: 'row', xAxisIndex: 0, yAxisIndex: 0 },{ type: 'bar', seriesLayoutBy: 'row', xAxisIndex: 0, yAxisIndex: 0 },{ type: 'bar', seriesLayoutBy: 'row', xAxisIndex: 0, yAxisIndex: 0 },// 這幾個系列會出現在第二個直角坐標系中，每個系列對應到 dataset 的每一列。{ type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 },{ type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 },{ type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 },{ type: 'bar', seriesLayoutBy: 'column', xAxisIndex: 1, yAxisIndex: 1 }]
};

五、維度(dimension)

當我們把系列（series）對應到“列”的時候，那么每一列就稱為一個“維度（dimension）”，而每一行稱為數據項（item）。反之，如果我們把系列（series）對應到表行，那么每一行就是“維度（dimension）”，每一列就是數據項（item）。

維度可以有單獨的名字，便于在圖表中顯示。維度名（dimension name）可以在定義在 dataset 的第一行（或者第一列）。例如下面的例子中，‘score’、‘amount’、‘product’ 就是維度名。從第二行開始，才是正式的數據。dataset.source 中第一行（列）到底包含不包含維度名，ECharts 默認會自動探測。當然也可以設置 dataset.sourceHeader: true 顯示聲明第一行（列）就是維度，或者 dataset.sourceHeader: false 表明第一行（列）開始就直接是數據。

維度的定義，也可以使用單獨的 dataset.dimensions 或者 series.dimensions 來定義，這樣可以同時指定維度名，和維度的類型（dimension type）：

var option1 = {dataset: {dimensions: [{ name: 'score' },// 可以簡寫為 string ，表示 dimension name 。'amount',// 可以在 type 中指定維度類型。{ name: 'product', type: 'ordinal' }],source: [//...]}// ...
};var option2 = {dataset: {source: [// ...]},series: {type: 'line',// series.dimensions 會更優先于 dataset.dimension 采納。dimensions: [null, // 可以設置為 null 表示不想設置維度名'amount',{ name: 'product', type: 'ordinal' }]}// ...
};

大多數情況下，我們并不需要去設置維度類型，因為 ECharts 會自動嘗試判斷。但是如果不足夠準確時，可以手動設置維度類型。

維度類型（dimension type）可以取這些值：

• 'number' : 默認，表示普通數據。
• 'ordinal': 對于類目、文本這些 string 類型的數據，如果需要能在數軸上使用，須是 ‘ordinal’ 類型。ECharts 默認會試圖自動判斷這個類型。但是自動判斷也可能不準確，所以使用者也可以手動強制指定。
  'time': 表示時間數據。設置成 ‘time’ 則能支持自動解析數據成時間戳（timestamp），比如該維度的數據是 ‘2017-05-10’，會自動被解析。如果這個維度被用在時間數軸（axis.type 為 ‘time’）上，那么會被自動設置為 ‘time’ 類型。時間類型的支持參見 data。
  'float': 如果設置成 ‘float’，在存儲時候會使用 TypedArray，對性能優化有好處。
  'int': 如果設置成 ‘int’，在存儲時候會使用 TypedArray，對性能優化有好處。

六、數據到圖形的映射 （series.encode）

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: {// 將 "amount" 列映射到 X 軸。x: 'amount',// 將 "product" 列映射到 Y 軸。y: 'product'}}]
};