数据可视化技术Pyecharts散点图scatter详细代码注释学习笔记4

ps：散点图是指在回归分析中，经常用来分析2类数据之间正相关和负相关的可视化图表，本章例1将会用到自定义数据来更直观理解散点图，其他例子采用随机数据

导入python模块

from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.charts import Scatter # 导入散点图绘制模块
from pyecharts.commons.utils import JsCode

# 例1 自定义数据基本示例
y1=[[12,4],[2,5],[2,6],[3,15],[3,6]]
y2=[[8,2],[28,4],[18,6],[8,61],[7,2]]
scatter1=(
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis('数据1',y1)
    .add_yaxis('数据2',y2)
    .set_global_opts(title_opts=opts.TitleOpts(title='例1 scatter自定义数据基本示例'))
)
scatter1.render('echarts-scatter.html')

# 例2 显示分割线
scatter2=(
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis('数据1',Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title='例2 scatter 显示分割线'),
        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),# 显示x轴分割线
        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True))# 显示y轴分割线
    )
)
scatter2.render('echarts-scatter.html')

# 例3 VisualMap(带color)
scatter3=(
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis('数据1',Faker.values())
    .set_global_opts( 
        title_opts=opts.TitleOpts(title='例3 scatter VisualMap(带color)'),
        visualmap_opts=opts.VisualMapOpts(max_=200)# 产生一个能够交互式的显示数据的工具图
    )
)
scatter3.render('echarts-scatter.html')

visualmap_opts不设置类型默认 为 带颜色的工具图

# 例4 VisualMap(size)
scatter4=(
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis('数据1',Faker.values())
    .add_yaxis('数据2',Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title='例4 scatter VisualMap(size)'),
        visualmap_opts=opts.VisualMapOpts(type='size',max_=150,min_=20)
        # 产生能够交互式的显示数据的工具图,类型为size，不设置的话默认是类型为color
    )
)
scatter4.render('echarts-scatter.html')

# 例5 多维度+自定义数据
scatter5=(
    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(# 调用js代码设置方法提取参数第2个值和参数第3个值
                "function(params){return params.value[1] +' : '+ params.value[2];}"
            )
        ),
    )
        .set_global_opts(
        title_opts=opts.TitleOpts(title="例5 Scatter-多维度数据"),
        tooltip_opts=opts.TooltipOpts(# tooltip是鼠标移上去的提示
            formatter=JsCode(# 调用js代码设置方法提取参数名字和参数第3个值
                "function (params) {return params.name + ' : ' + params.value[2];}"
            )
        ),
        visualmap_opts=opts.VisualMapOpts(
             max_=150, min_=20, dimension=1
            # dimension设置维度为1维
        ),
    )
)
scatter5.render('echarts-scatter.html')

官方给出的一些配置参数

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
s_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,
# 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,
)