Pyecharts直角坐标系图：散点图

2024-04-15 15:08
文章标签 pyecharts 散点图 直角坐标 系图

本文主要是介绍Pyecharts直角坐标系图：散点图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Pyecharts直角坐标系图：散点图

文章目录

  • Pyecharts直角坐标系图：散点图
  • 前言
  • 一. Scatter：散点图
    • 1.1 add 函数
    • 1.2 散点图数据项
  • 二. 案例
    • 2.1 基本散点表
    • 2.2 多维度
    • 2.3 可视图颜色
    • 2.4 分割线
    • 2.5 可视图大小
  • 总结

前言

本文主要展示了Pyecharts散点图的基本应用和有趣案例。

一. Scatter：散点图

1.1 add 函数

这里主要是：名称，数据，x轴的索引，系列颜色，标记的大小，配置项。

# func pyecharts.charts.Scatter.add_yaxis
def add_yaxis(# 系列名称，用于 tooltip 的显示，legend 的图例筛选。series_name: str,# 系列数据y_axis: Sequence,# 是否选中图例is_selected: bool = True,# 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。xaxis_index: Optional[Numeric] = None,# 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。yaxis_index: Optional[Numeric] = None,# 系列 label 颜色color: Optional[str] = None,# 标记的图形。# ECharts 提供的标记类型包括 'circle', 'rect', 'roundRect', 'triangle', # 'diamond', 'pin', 'arrow', 'none'# 可以通过 'image://url' 设置为图片，其中 URL 为图片的链接，或者 dataURI。symbol: Optional[str] = None,# 标记的大小，可以设置成诸如 10 这样单一的数字，也可以用数组分开表示宽和高，# 例如 [20, 10] 表示标记宽为 20，高为 10。symbol_size: Numeric = 10,# 标记的旋转角度。注意在 markLine 中当 symbol 为 'arrow' 时会忽略 symbolRotate 强制设置为切线的角度。symbol_rotate: types.Optional[types.Numeric] = None,# 标签配置项，参考 `series_options.LabelOpts`label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(position="right"),# 标记点配置项，参考 `series_options.MarkPointOpts`markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,# 标记线配置项，参考 `series_options.MarkLineOpts`markline_opts: Union[opts.MarkLineOpts, dict, None] = None,# 图表标域，常用于标记图表中某个范围的数据，参考 `series_options.MarkAreaOpts`markarea_opts: types.MarkArea = None,# 提示框组件配置项，参考 `series_options.TooltipOpts`tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,# 图元样式配置项，参考 `series_options.ItemStyleOpts`itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,# 可以定义 data 的哪个维度被编码成什么。encode: types.Union[types.JSFunc, dict, None] = None,
)

1.2 散点图数据项

这里主要是：名称，数据项值，单个数据的图形，标记大小。

class ScatterItem(# 数据项名称。name: Union[str, Numeric] = None,# 数据项值。value: Union[str, Numeric] = None,# 单个数据标记的图形。# ECharts 提供的标记类型包括 # 'circle', 'rect', 'roundRect', 'triangle', 'diamond', 'pin', 'arrow', 'none'# 可以通过 'image://url' 设置为图片，其中 URL 为图片的链接，或者 dataURI。# 可以通过 'path://' 将图标设置为任意的矢量路径。symbol: Optional[str] = None,# 单个数据标记的大小，可以设置成诸如 10 这样单一的数字# 也可以用数组分开表示宽和高，例如 [20, 10] 表示标记宽为20，高为10。symbol_size: Union[Sequence[Numeric], Numeric] = None,# 单个数据标记的旋转角度（而非弧度）。正symbol_rotate: Optional[Numeric] = None,# 如果 symbol 是 path:// 的形式，是否在缩放时保持该图形的长宽比。symbol_keep_aspect: bool = False,# 单个数据标记相对于原本位置的偏移。symbol_offset: Optional[Sequence] = None,# 标签配置项，参考 `series_options.LabelOpts`label_opts: Union[LabelOpts, dict, None] = None,# 图元样式配置项，参考 `series_options.ItemStyleOpts`itemstyle_opts: Union[ItemStyleOpts, dict, None] = None,# 提示框组件配置项，参考 `series_options.TooltipOpts`tooltip_opts: Union[TooltipOpts, dict, None] = None,
)

二. 案例

2.1 基本散点表

import pyecharts.options as opts
from pyecharts.charts import Scatterdata = [[10.0, 8.04],[8.0, 6.95],[13.0, 7.58],[9.0, 8.81],[11.0, 8.33],[14.0, 9.96],[6.0, 7.24],[4.0, 4.26],[12.0, 10.84],[7.0, 4.82],[5.0, 5.68],
]
data.sort(key=lambda x: x[0])
x_data = [d[0] for d in data]
y_data = [d[1] for d in data](Scatter(init_opts=opts.InitOpts(width="1600px", height="1000px")).add_xaxis(xaxis_data=x_data).add_yaxis(series_name="",y_axis=y_data,symbol_size=20,label_opts=opts.LabelOpts(is_show=False),).set_series_opts().set_global_opts(xaxis_opts=opts.AxisOpts(type_="value", splitline_opts=opts.SplitLineOpts(is_show=True)),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),tooltip_opts=opts.TooltipOpts(is_show=False),).render("basic_scatter_chart.html")
)

基本散点表

2.2 多维度

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.commons.utils import JsCode
from pyecharts.faker import Fakerc = (Scatter().add_xaxis(Faker.choose()).add_yaxis("商家A",[list(z) for z in zip(Faker.values(), Faker.choose())],label_opts=opts.LabelOpts(formatter=JsCode("function(params){return params.value[1] +' : '+ params.value[2];}")),).set_global_opts(title_opts=opts.TitleOpts(title="Scatter-多维度数据"),tooltip_opts=opts.TooltipOpts(formatter=JsCode("function (params) {return params.name + ' : ' + params.value[2];}")),visualmap_opts=opts.VisualMapOpts(type_="color", max_=150, min_=20, dimension=1),).render("scatter_multi_dimension.html")
)

多维度

2.3 可视图颜色

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Fakerc = (Scatter().add_xaxis(Faker.choose()).add_yaxis("商家A", Faker.values()).set_global_opts(title_opts=opts.TitleOpts(title="Scatter-VisualMap(Color)"),visualmap_opts=opts.VisualMapOpts(max_=150),).render("scatter_visualmap_color.html")
)

可视图颜色

2.4 分割线

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Fakerc = (Scatter().add_xaxis(Faker.choose()).add_yaxis("商家A", Faker.values()).set_global_opts(title_opts=opts.TitleOpts(title="Scatter-显示分割线"),xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),).render("scatter_splitline.html")
)

显示分格线

2.5 可视图大小

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Fakerc = (Scatter().add_xaxis(Faker.choose()).add_yaxis("商家A", Faker.values()).add_yaxis("商家B", Faker.values()).set_global_opts(title_opts=opts.TitleOpts(title="Scatter-VisualMap(Size)"),visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),).render("scatter_visualmap_size.html")
)

可视图大小

总结

本文中主要展示了Pyecharts散点图的常见应用和几个有趣的案例，特别是后面几个，会比较有点意思。

这篇关于Pyecharts直角坐标系图：散点图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/906158。

相关文章

高斯平面直角坐标讲解，以及地理坐标转换高斯平面直角坐标

高斯平面直角坐标讲解，以及地理坐标转换高斯平面直角坐标

高斯平面直角坐标系（Gauss-Krüger 坐标系）是基于 高斯-克吕格投影 的一种常见的平面坐标系统，主要用于地理信息系统 (GIS)、测绘和工程等领域。该坐标系将地球表面的经纬度（地理坐标）通过一种投影方式转换为平面直角坐标，以便在二维平面中进行距离、面积和角度的计算。 一 投影原理 高斯平面直角坐标系使用的是 高斯-克吕格投影（Gauss-Krüger Projection），这是 横
阅读更多...
使用matplotlib绘制散点图、柱状图和饼状图-学习篇

使用matplotlib绘制散点图、柱状图和饼状图-学习篇

一、散点图 Python代码如下： num_points = 100x = np.random.rand(num_points) #x点位随机y = np.random.rand(num_points) #y点位随机colors = np.random.rand(num_points) #颜色随机sizes = 1000 * np.random.rand(num_points) # 大
阅读更多...
Python利用pyecharts实现数据可视化

Python利用pyecharts实现数据可视化

小编会持续更新知识笔记，如果感兴趣可以三连支持。闲来无事，水文一篇，不过上手实践一下倒还是挺好玩的，这一块知识说不定以后真可以尝试拿来做数据库的报表显示。         有梦别怕苦，想赢别喊累。 目录 前言 JSON数据格式的转换 pyecharts简介和入门使用 前言       小编我今天闲来无事，打算学习一下py，结果你猜怎么着，竟然看到py可以将数据
阅读更多...
【python 数据可视化】pyecharts的使用

【python 数据可视化】pyecharts的使用

无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂， 而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。人工智能教程 Echarts是百度出的很有名 也很叼。 Echarts 是百度开源的一个数据可视化 JS 库。主要用于数据可视化。 pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与
阅读更多...
【python 散点图】美观画时间序列散点图

【python 散点图】美观画时间序列散点图

经常遇到时间序列的数据，用散点图可以直观的查看数据的分布情况。matplotlib模块的pyplot有画散点图的函数，但是该函数要求x轴是数字类型。pandas的plot函数里，散点图类型’scatter’也要求数字型的，用时间类型的会报错。 最终摸索出画散点图的简单办法。可以使用pyplot的plot_date()画散点图。 # -*- coding: utf-8 -*-"""spee
阅读更多...
【python 数据可视化】美丽漂亮的画图神器--pyecharts

【python 数据可视化】美丽漂亮的画图神器--pyecharts

今天我们介绍下pyechats 的用法和一个简单的例子。 安装： pip install pyecharts 步骤1：导入相关包： # 导入包import pandas as pdfrom pyecharts.charts import *from pyecharts import options as optsfrom pyecharts.globals import *f
阅读更多...
Pyecharts 数据可视化大屏：创建引人注目的数据展示

Pyecharts 数据可视化大屏：创建引人注目的数据展示

在数据分析和报告中，数据可视化是将复杂数据转化为易于理解的图表和图形的关键步骤。Pyecharts 是一个功能强大的 Python 库，用于创建互动和美观的数据可视化图表。本文将介绍如何使用 Pyecharts 创建数据可视化大屏，以便在各种场景中展示数据的洞察和分析结果。 一、Pyecharts 简介 Pyecharts 是一个基于 Apache ECharts 的 Python 封装库，提
阅读更多...
Python数据可视化神器pyecharts

Python数据可视化神器pyecharts

Python 文章目录 Python前言 前言 百度开源了一个Echarts数据可视化库，支持绘制各种主流的图表。Python在数据分析方面是十分强大的，于是，pyecharts就应运而生了。 pyecharts简介及安装 pyecharts继承了Echarts的优点，有如下特点: 囊括了 30+ 种常见图表，应有尽有 高度灵活的配置项，可轻松搭配出精美的图表 多达
阅读更多...
pyecharts可视化数据大屏

pyecharts可视化数据大屏

1. 简介 1.1. 概述 PyECharts 是一个用于生成 ECharts 图表的 Python 库。ECharts 是一款由阿里巴巴开发的开源 JavaScript 图表库，广泛应用于网页端的数据可视化。而 PyECharts 将 ECharts 的功能带到了 Python 环境中，使得 Python 开发者可以方便地在数据分析、机器学习等领域的项目中使用 ECharts 图表进行数据可
阅读更多...
【大数据】浅谈Pyecharts：数据可视化的强大工具

【大数据】浅谈Pyecharts：数据可视化的强大工具

文章目录 一、引言二、Pyecharts是什么三、Pyecharts的发展历程四、如何使用Pyecharts1. 安装Pyecharts2. 创建图表（1）导入Pyecharts模块：（2）创建图表实例：（3）添加数据：（4）设置图表样式：（5）渲染图表： 3. 运行和查看图表 五、目前的市场情况六、总结 一、引言 在数据时代，数据可视化已成为数据分析的重要组成部分。Pyecha
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2