Python中怎么使用pyecharts繪制散點圖

這篇文章主要介紹“Python中怎么使用pyecharts繪制散點圖”，在日常操作中，相信很多人在Python中怎么使用pyecharts繪制散點圖問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python中怎么使用pyecharts繪制散點圖”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

散點圖

什么是散點圖？

散點圖是指在數理統計回歸分析中，數據點在直角坐標系平面上的分布圖， 散點圖表示因變量隨自變量而變化的大致趨勢，由此趨勢可以選擇合適的函數進行經驗分布的擬合，進而找到變量之間的函數關系。

散點圖有什么用處？

• 1、數據用圖表來展示，顯然比較直觀，在工作匯報等場合能起到事半功倍的效果，讓聽者更容易接受，理解你所處理的數據。

• 2、散點圖更偏向于研究型圖表，能讓我們發現變量之間隱藏的關系為我們決策作出重要的引導作用。

• 3、散點圖核心的價值在于發現變量之間的關系，千萬不要簡單地將這個關系理解為線性回歸關系。變量間的關系有很多，如線性關系、指數關系、對數關系等等，當然，沒有關系也是一種重要的關系。

• 4、散點圖經過回歸分析之后，可以對相關對象進行預測分析，進而做出科學的決策，而不是模棱兩可。比如說：醫學里的白細胞散點圖可以在醫學檢測方面為我們健康提供精確的分析，為醫生后續的判斷做出重要的技術支持。

散點圖的基本構成要素

散點圖主要的構成元素有：數據源，橫縱坐標軸，變量名，研究的對象。而基本的要素就是點，也就是我們統計的數據，由這些點的分布我們才能觀察出變量之間的關系。

而散點圖一般研究的是兩個變量之間的關系，往往滿足不了我們日常的需求。因此，氣泡圖的誕生就是為散點圖增加變量，提供更加豐富的信息，點的大小或者顏色可以定義為第三個變量，因為，做出來的散點圖類似氣泡，也由此得名為氣泡圖。

散點圖模板系列

簡單散點圖

數據越多散點圖呈現的效果就越明顯。這也就是我們平時在進行建模的時候，采用回歸擬合的原則，如果數據是遵循某種函數關系，我們可以通過機器進行訓練，不斷的迭代達到最優效果。

import pyecharts.options as opts
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]

(
Scatter(init_opts=opts.InitOpts(width="1200px", height="600px"))
.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("簡單散點圖.html")
)

多維數據散點圖

我們在平時的運用場景中，發現散點圖太多呈現的效果圖太密集了，我們只需要知道某一個區域它分布的數量，本來柱狀圖可以解決，但是這個散點圖一個更好，可以反映區域的分布，主要可以看見它的數量趨勢變化，根據自己的業務需求來使用吧。

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.commons.utils import JsCode
from pyecharts.faker import Faker

c = (
Scatter()
.add_xaxis(Faker.choose())
.add_yaxis(
"類別1",
[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="多維度數據"),
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("多維數據散點圖.html")
)
print([list(z) for z in zip(Faker.values(), Faker.choose())])

散點圖顯示分割線

顯示分割線，其實和之前的沒有異樣。

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Faker
c = (
Scatter()
.add_xaxis(Faker.choose())
.add_yaxis("A", Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title="標題"),
xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
)
.render("分割線.html")
)

散點圖凸出大小（二維）

用二維的數據來展示每個類別的分布狀況，圖表可顯示多個類別，這樣極大的增強了我們解釋的效果。

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Faker
c = (
Scatter()
.add_xaxis(Faker.choose())
.add_yaxis("1", Faker.values())
.add_yaxis("2", Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title="標題"),
visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),
)
.render("凸出大小散點圖.html")
)

 3D散點圖展示

動態漣漪散點圖

之前的散點都是靜態的，下面我們來看看動態的散點圖;

from pyecharts import options as opts
from pyecharts.charts import EffectScatter
from pyecharts.faker import Faker
c = (
EffectScatter()
.add_xaxis(Faker.choose())
.add_yaxis("", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="散點圖"))
.render("動態散點圖.html")
)

箭頭標志散點圖

from pyecharts import options as opts
from pyecharts.charts import EffectScatter
from pyecharts.faker import Faker
from pyecharts.globals import SymbolType

c = (
EffectScatter()
.add_xaxis(Faker.choose())
.add_yaxis("", Faker.values(), symbol=SymbolType.ARROW)
.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
.render("箭頭動態散點圖.html")
)

到此，關于“Python中怎么使用pyecharts繪制散點圖”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！