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:

Python cookbook（数据结构与算法）将序列分解为单独变量的方法
这篇文章主要介绍了Python cookbook（数据结构与算法）将序列分解为单独变量的方法,结合实例形式分析了Python序列赋值实现的分解成单独变量功能相关操作技巧,需要的朋友可以参考下
2018-02-02
PyQt5+requests实现车票查询工具
这篇文章主要为大家详细介绍了PyQt5+requests实现车票查询工具，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-01-01
python 动态规划问题解析(背包问题和最长公共子串)
这篇文章主要介绍了python 动态规划（背包问题和最长公共子串）,在动态规划中，你要将某个指标最大化。在这个例子中，你要找出两个单词的最长公共子串。fish和fosh都包含的最长子串是什么呢,感兴趣的朋友跟随小编一起看看吧
2022-05-05
python的多元数据类型(下)
这篇文章主要为大家详细介绍了python的多元数据类型，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
2021-11-11
Python调用REST API接口的几种方式汇总
这篇文章主要介绍了Python调用REST API接口的几种方式汇总，帮助大家更好的利用python进行自动化运维，感兴趣的朋友可以了解下
2020-10-10
python numpy 矩阵堆叠实例
今天小编就为大家分享一篇python numpy 矩阵堆叠实例，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
2020-01-01
PyQt5的QWebEngineView使用示例
这篇文章主要介绍了PyQt5的QWebEngineView使用示例，帮助大家更好的学习和使用python，感兴趣的朋友可以了解下
2020-10-10
利用Python抢回在蚂蚁森林逝去的能量(实现代码)
蚂蚁森林是一项旨在带动公众低碳减排的公益项目，每个人的低碳行为在蚂蚁森林里可计为"绿色能量"，很多小伙伴都玩过，今天小编给大家分享一篇教程关于Python抢回在蚂蚁森林逝去的能量，感兴趣的朋友跟随小编一起看看吧
2022-03-03
Python3按一定数据位数格式处理bin文件的方法
今天小编就为大家分享一篇Python3按一定数据位数格式处理bin文件的方法，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
2019-01-01
一文带你学会如何利用Python实现一个三维绘图系统
tkinter是Python标准库中自带的GUI工具,使用十分方便,所以本文旨在带大家学会如何将matplotlib嵌入到tkinter中并绘制三维绘图系统,感兴趣的可以了解下
2023-09-09