Python+Pyecharts实现散点图的绘制

更新时间：2022年06月20日 14:14:04 作者：数据程序设计

散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。本文将利用Python Pyecharts实现散点图的绘制，需要的可以参考一下

第1关：Scatter：散点图（一）

编程要求

根据以上介绍，在右侧编辑器补充代码，绘制给定数据的散点图，要求：

画布大小初始化为宽 1600 像素，高 1000 像素
X 轴数据设置为 x_data
添加 Y 轴数据。系列名称设置为空，数据使用 y_data，标记的大小设置为20，不显示标签
X 轴类型设置为数值轴，并显示分割线
Y 轴类型设置为数值轴，并显示分割线以及坐标轴刻度
不显示提示框

代码

from PreTest import *
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_phantomjs import snapshot
 
from pyecharts.charts import Scatter
 
 
data = [
    [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]
 
 
def scatter_chart() -> Scatter:
    # ********* Begin *********#  
    scatter = (
        Scatter(init_opts=opts.InitOpts(width="1600px", height="1000px"))
        .add_xaxis(x_data)
        .add_yaxis("",
            y_data,
            symbol_size=20
            )
        .set_series_opts(
            label_opts=opts.LabelOpts(is_show=False)
            )
        .set_global_opts(
            tooltip_opts=opts.TooltipOpts(is_show=False),
            xaxis_opts=opts.AxisOpts(
                type_="value",
                splitline_opts=opts.SplitLineOpts(is_show=True)
            ),
            yaxis_opts=opts.AxisOpts(
                type_="value",
                splitline_opts=opts.SplitLineOpts(is_show=True),
                axistick_opts=opts.AxisTickOpts(is_show=True)
            )
        )
    )
    # ********** End **********#
    return scatter
 
make_snapshot(snapshot, scatter_chart().render("Result/render.html"), 'StudentAnswer/student_answer.png') # 输出图片
make_snapshot(snapshot, scatter_base(x_data, y_data).render(), "StandardAnswer/task1/standard_answer_1.png")

测试说明

平台会运行你编写的代码进行绘图，并与预期图片进行比对。预期效果如下：

第2关：Scatter：散点图（二）

编程要求

根据以上介绍，在右侧编辑器补充代码，利用给定数据绘制相应的散点图，要求：

X 轴数据项使用data_x
添加两组 Y 轴数据。
第一组系列名称设置为“商家A”，数据使用data_y_1
第二组系列名称设置为“商家B”，数据使用data_y_2
将标题设置为“Scatter-VisualMap(Size)”
视觉映射过渡类型选择“size”，最大值设为 150，最小值设置为 20

代码

from PreTest import *
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_phantomjs import snapshot
 
from pyecharts.charts import Scatter
 
from pyecharts.faker import Faker
 
 
data_x = Faker.choose()
 
data_y_1 = Faker.values()
 
data_y_2 = Faker.values()
 
 
def scatter_chart() -> Scatter:
    # ********* Begin *********#  
    scatter = (
        Scatter()
        .add_xaxis(data_x)
        .add_yaxis("商家A",data_y_1)
        .add_yaxis("商家B",data_y_2)
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Scatter-VisualMap(Size)"),
            visualmap_opts=opts.VisualMapOpts(is_show=True,type_='size',min_=20,max_=150)
        )
    )
 
    # ********** End **********#
    return scatter
 
make_snapshot(snapshot, scatter_chart().render("Result/render.html"), "StudentAnswer/student_answer.png") # 输出图片
make_snapshot(snapshot, scatter_visual(data_x, data_y_1, data_y_2).render(), "StandardAnswer/task2/standard_answer_2.png")

测试说明

平台会运行你编写的代码进行绘图，并与预期图片进行比对。预期效果如下：

第3关：Scatter：散点图（三）

编程要求

根据以上介绍，在右侧编辑器补充代码，利用给定数据绘制相应的散点图，要求：

X 轴数据项使用data_x
Y 轴数据项使用data_y，系列名称设置为“商家A”，并用 JsCode 格式化标签（具体格式见文末）
标题设置为“Scatter-多维度数据”
用 JsCode 格式化提示框文本（详见文末）
视觉映射类型设置为颜色，最大值设置为 150，最小值设置为 20，组件映射维度为 1

代码

from PreTest import *
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_phantomjs import snapshot
 
from pyecharts.charts import Scatter
from pyecharts.faker import Faker
from pyecharts.commons.utils import JsCode
 
data_x = Faker.choose()
 
data_y = [list(z) for z in zip(Faker.values(), Faker.choose())]
 
 
def scatter_chart() -> Scatter:
    # ********* Begin *********#  
    scatter = (
        Scatter()
        .add_xaxis(data_x)
        .add_yaxis(
            "商家A",
            data_y,
            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"),
            visualmap_opts=opts.VisualMapOpts(is_show=True,type_='color',min_=20,max_=150,dimension=1),
            tooltip_opts=opts.TooltipOpts(
                formatter=JsCode("""function (params) {return params.name + ' : ' + params.value[2];}""")
            )
        )
 
    )
 
    # ********** End **********#
    return scatter
 
make_snapshot(snapshot, scatter_chart().render("Result/render.html"), 'StudentAnswer/student_answer.png') # 输出图片
make_snapshot(snapshot, scatter_multi(data_x, data_y).render(), "StandardAnswer/task3/standard_answer_3.png")

测试说明

平台会运行你编写的代码进行绘图，并与预期图片进行比对。预期效果如下：

以上就是Python+Pyecharts实现散点图的绘制的详细内容，更多关于Python Pyecharts散点图的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

解决TensorFlow训练模型及保存数量限制的问题
这篇文章主要介绍了解决TensorFlow训练模型及保存数量限制的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-03-03
python使用xslt提取网页数据的方法
这篇文章主要为大家详细介绍了Python使用xslt提取网页数据的方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-02-02
python实现爱奇艺登陆密码RSA加密的方法示例详解
这篇文章主要介绍了python实现爱奇艺登陆的密码RSA加密的方法，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2020-05-05
Python之Selenium自动化浏览器测试详解
这篇文章主要为大家详细介绍了Python自动化浏览器测试，使用Selenium，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
2022-01-01
python处理按钮消息的实例详解
这篇文章主要介绍了python处理按钮消息的实例详解的相关资料,需要的朋友可以参考下
2017-07-07
如何关掉pycharm中的python console(图解)
本文通过图文并茂的形式给大家介绍了如何关掉pycharm中的python console，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下
2019-10-10
详解Python的Lambda函数与排序
本篇文章主要是介绍了Python的Lambda函数与排序，简单的介绍了Lambda函数的用法和排序，有需要的朋友可以了解一下。
2016-10-10
Python数据可视化教程之Matplotlib实现各种图表实例
这篇文章主要给大家介绍了关于Python数据可视化教程之利用Matplotlib实现各种图表的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面来一起看看吧
2019-01-01
Python Behave框架学习
behave是python语言的行为驱动开发，全称：Behavior-driven development，简称BDD，它是一种敏捷软件开发技术，它鼓励软件项目中的开发人员、QA和非技术或业务参与者之间进行协作，本文给大家介绍Python Behave框架，感兴趣的朋友一起看看吧
2022-07-07
利用Python求阴影部分的面积实例代码
这篇文章主要给大家介绍了关于利用Python求阴影部分面积的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用python具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2018-12-12