Pyecharts 散点图

Pyecharts 散点图语法

在 Pyecharts 中，我们可以使用 Scatter 这个模块来绘制一个散点图。散点图的主要作用是：判断两个变量之间是否存在关联趋势。

语法：

scatter = Scatter()
scatter.add_xaxis(xaxis_data).
scatter.add_yaxis(series_name, y_axis)

说明：

散点图和折线图的语法是一样的，首先使用 Scatter() 创建一个散点图对象 scatter，然后调用该对象下面的 add_xaxis() 方法来添加 x 轴数据，以及调用 add_yaxis() 方法来添加 y 轴数据。

示例 1：一组散点

import pandas as pd
from pyecharts.charts import Scatter

# 数据
data = [
    ['1月', 450],
    ['2月', 420],
    ['3月', 560],
    ['4月', 480],
    ['5月', 530],
    ['6月', 620]
]
df = pd.DataFrame(data, columns=['月份', '上衣'])

# 绘图
scatter = Scatter()
scatter.add_xaxis(xaxis_data=list(df['月份']))
scatter.add_yaxis(series_name='上衣', y_axis=list(df['上衣']))

# 渲染
scatter.render()

运行生成的 render.html，浏览器效果如下图所示。

pyecharts散点图只有一组散点

分析：

在 Pyecharts 中，折线图、柱状图、散点图这 3 种图表的基本语法是非常相似的。小伙伴们可以多多对比一下，这样更能加深理解和记忆。

示例 2：多组散点

import pandas as pd
from pyecharts.charts import Scatter

# 数据
data = [
    ['1月', 450, 110],
    ['2月', 420, 220],
    ['3月', 560, 150],
    ['4月', 480, 310],
    ['5月', 530, 250],
    ['6月', 620, 160]
]
df = pd.DataFrame(data, columns=['月份', '上衣', '裤子'])

# 绘图
scatter = Scatter()
scatter.add_xaxis(xaxis_data=list(df['月份']))
# 第1组散点
scatter.add_yaxis(series_name='上衣', y_axis=list(df['上衣']))
# 第2组散点
scatter.add_yaxis(series_name='裤子', y_axis=list(df['裤子']))

# 渲染
scatter.render()

运行生成的 render.html，浏览器效果如下图所示。

pyecharts散点图包含多组散点

分析：

对于散点图来说，有多少组散点，就调用多少次 add_yaxis() 方法。

Pyecharts 散点图样式

在 Pyecharts 中，对于散点图的自定义样式，主要包括 2 个方面：①散点样式；②添加区分。

1. 散点样式

在 Pyecharts 中，我们可以使用 add_yaxis() 方法的 symbol 参数来定义散点的形状，也可以使用 symbol_size 参数来定义散点的大小。

语法：

obj.add_yaxis(
    ……
    symbol,
    symbol_size
)

说明：

参数 symbol 用于定义散点的形状，常用取值如下表所示。

参数 symbol 的取值
取值	说明
circle（默认值）	圆形
rect	矩形
triangle	三角形
diamond	钻石状
arrow	箭头状

参数 symbol_size 用于定义散点的大小，默认值为 10（即 10 像素）。

示例 3：自定义散点样式

import pandas as pd
from pyecharts.charts import Scatter

# 数据
data = [
    ['1月', 450],
    ['2月', 420],
    ['3月', 560],
    ['4月', 480],
    ['5月', 530],
    ['6月', 620]
]
df = pd.DataFrame(data, columns=['月份', '上衣'])

# 绘图
scatter = Scatter()
scatter.add_xaxis(xaxis_data=list(df['月份']))
scatter.add_yaxis(
    series_name='上衣', 
    y_axis=list(df['上衣']),
    symbol='diamond',
    symbol_size=20
)

# 渲染
scatter.render()

运行生成的 render.html，浏览器效果如下图所示。

pyecharts散点图symbol='diamond'

分析：

symbol='diamond' 表示定义散点的形状为 “钻石状”，symbol_size=20 表示将散点的大小定义为 20 像素。如果我们将 symbol='diamond' 改为 symbol='arrow'，此时效果如下图所示。

如果想要改变散点的颜色，此时应该怎么做呢？小伙伴们别忘了上一节介绍的 set_colors() 方法和 color 参数。对于这个例子来说，下面 2 种方式都是可行的，再次运行后的效果如下图所示。

# 方式1
scatter.add_yaxis(
    series_name='上衣', 
    y_axis=list(df['上衣']),
    symbol='diamond',
    symbol_size=20
)
scatter.set_colors(['#009999'])

# 方式2
scatter.add_yaxis(
    series_name='上衣', 
    y_axis=list(df['上衣']),
    symbol='diamond',
    symbol_size=20,
    color='#009999'
)

pyecharts散点图的散点颜色

2. 添加区分

在 Pyecharts 中，我们可以使用 set_global_opts() 方法结合 visualmap_opts 参数来为散点图添加区分，包括颜色区分、大小区分等。

示例 4：颜色区分

import pandas as pd
from pyecharts.charts import Scatter
import pyecharts.options as opts

# 数据
data = [
    ['1月', 450],
    ['2月', 420],
    ['3月', 560],
    ['4月', 480],
    ['5月', 530],
    ['6月', 620]
]
df = pd.DataFrame(data, columns=['月份', '上衣'])

# 绘图
scatter = Scatter()
scatter.add_xaxis(xaxis_data=list(df['月份']))
scatter.add_yaxis(
    series_name='上衣', 
    y_axis=list(df['上衣']),
    symbol_size=20
)
# 添加颜色区分
scatter.set_global_opts(visualmap_opts=opts.VisualMapOpts(
    type_='color',
    min_=420,
    max_=620,
    pos_bottom=50,
    pos_right=0
))

# 渲染
scatter.render()

运行生成的 render.html，浏览器效果如下图所示。

pyecharts散点图添加颜色区分

分析：

scatter.set_global_opts(visualmap_opts=opts.VisualMapOpts(
    type_='color',
    min_=420,
    max_=620,
    pos_bottom=50,
    pos_right=0
))

type_='color' 表示使用颜色来进行区分。由于这一组数据的最小值是 420，最大值是 620，所以这里我们设置 min_=420 和 max_=620。min_=420 和 max_=620 表示颜色条取值范围是从 420 开始，然后到 620 结束。

当然了，我们也可以设置颜色条是从 0 开始的，只需要设置 min_=0 就可以了，此时效果如下图所示。从结果看出来，此时散点的区分度并不高，所以我们并不推荐设置 min_=0。

pyecharts散点图min_=0

最后，pos_bottom 和 pos_right 这 2 个参数是用于定义颜色条的位置，这里我们将其放在右下角的位置。

示例 5：自定义颜色

import pandas as pd
from pyecharts.charts import Scatter
import pyecharts.options as opts

# 数据
data = [
    ['1月', 450],
    ['2月', 420],
    ['3月', 560],
    ['4月', 480],
    ['5月', 530],
    ['6月', 620]
]
df = pd.DataFrame(data, columns=['月份', '上衣'])

# 绘图
scatter = Scatter()
scatter.add_xaxis(xaxis_data=list(df['月份']))
scatter.add_yaxis(
    series_name='上衣', 
    y_axis=list(df['上衣']),
    symbol_size=20
)
# 添加颜色区分
scatter.set_global_opts(visualmap_opts=opts.VisualMapOpts(
    type_='color',
    min_=420,
    max_=620,
    pos_bottom=50,
    pos_right=0,
    range_color=['lightskyblue', 'yellow', 'orangered']
))

# 渲染
scatter.render()

运行生成的 render.html，浏览器效果如下图所示。

pyecharts散点图自定义颜色

分析：

如果你觉得颜色条默认的颜色不好看，我们还可以使用 range_color 这个参数来自定义颜色。range_color 参数的取值是一个列表，range_color=['lightskyblue', 'yellow', 'orangered'] 表示颜色条是从 “lightskyblue” 过渡到 “yellow”，然后再从 “yellow” 过渡到 “orangered”。

示例 6：添加大小区分

import pandas as pd
from pyecharts.charts import Scatter
import pyecharts.options as opts

# 数据
data = [
    ['1月', 450],
    ['2月', 420],
    ['3月', 560],
    ['4月', 480],
    ['5月', 530],
    ['6月', 620]
]
df = pd.DataFrame(data, columns=['月份', '上衣'])

# 绘图
scatter = Scatter()
scatter.add_xaxis(xaxis_data=list(df['月份']))
scatter.add_yaxis(
    series_name='上衣', 
    y_axis=list(df['上衣']),
    symbol_size=20
)
# 添加大小区分
scatter.set_global_opts(visualmap_opts=opts.VisualMapOpts(
    type_='size',
    min_=420,
    max_=620,
    pos_bottom=50,
    pos_right=0
))

# 渲染
scatter.render()

运行生成的 render.html，浏览器效果如下图所示。

pyecharts散点图添加大小区分

分析：

scatter.set_global_opts(visualmap_opts=opts.VisualMapOpts(
    type_='size',
    min_=420,
    max_=620,
    pos_bottom=50,
    pos_right=0
))

如果想要为散点添加大小区分，我们只需要将 type_='color' 改为 type_='size' 就可以了，非常的简单。