吊打 Pyecharts,这个新 Python 绘图库竟然这么漂亮!

语言: CN / TW / HK

一起养成写作习惯!这是我参与「掘金日新计划 · 4 月更文挑战」的第27天,点击查看活动详情

最近看了一篇文章《一个牛逼的Python 可视化库:PyG2Plot》,可惜只是简单介绍,并且只有一个简陋的官方示例。

经过一番测试成功复现了其中一个示例图片,还很精致。今天正好把完整过程分享给大家,看看这个新库绘图也可以这么漂亮!

Python可视化新秀

这个Python可视化新秀,在GitHub上是这样介绍的:

🎨 PyG2Plot 是@AntV/G2Plot 在 Python3 上的封装。G2Plot 是一套简单、易用、并具备一定扩展能力和组合能力的统计图表库,基于图形语法理论搭建而成。

不过研究PyG2Plot还得先从G2开始讲,它是蚂蚁金服开源一个基于图形语法,面向数据分析的统计图表引擎。后来又在其基础上,封装出业务上常用的统计图表库——G2Plot

image.png

不过现在Python这么热,几乎每一个nb的前端可视化库,最终都会被用python开发一套生成相应html的库!它也不例外,封装出了Python可视化库——PyG2Plot

在GitHub上,也提供了一张示例图,我对右下角的散点图比较感兴趣。

image.png

结果兴致勃勃地去看示例,这简直买家秀与卖家秀啊!

image.png

我不管,我就要右边那个👉

自己动手,丰衣足食

看来还是需要自己动手,那就先安装PyG2Plot库吧

pip install pyg2plot

目前目前 pyg2plot 只提供简单的一个 API,只列出需要的参数

  • Plot

  • Plot(plot_type: str) : 获取 Plot 对应的类实例。

  • plot.set_options(options: object) : 给图表实例设置一个 G2Plot 图形的配置。
  • plot.render(path, env, kwargs) : 渲染出一个 HTML 文件,同时可以传入文件的路径,以及 jinja2 env 和 kwargs 参数。
  • plot.render_notebook(env, kwargs) : 将图形渲染到 jupyter 的预览。

于是我们可以先导入Plot方法

from pyg2plot import Plot

我们要画散点图

scatter = Plot("Scatter")

下一步就是要获取数据和设置参数plot.set_options(),这里获取数据直接利用requset解析案例json,而参数让我在后面一一道来:

``` import requests

请求地址

url = "http://gw.alipayobjects.com/os/bmw-prod/0b37279d-1674-42b4-b285-29683747ad9a.json"

发送get请求

a = requests.get(url)

获取返回的json数据,并赋值给data

data = a.json() ```

image.png

成功获取解析好的对象集合数据。

下面是对着参数,一顿操作猛如虎:

scatter.set_options( {     'appendPadding': 30,     'data': data,     'xField': 'change in female rate',     'yField': 'change in male rate',     'sizeField': 'pop',     'colorField': 'continent',     'color': ['#ffd500', '#82cab2', '#193442', '#d18768','#7e827a'],     'size': [4, 30],     'shape': 'circle',     'pointStyle':{'fillOpacity': 0.8,'stroke': '#bbb'},     'xAxis':{'line':{'style':{'stroke': '#aaa'}},},     'yAxis':{'line':{'style':{'stroke': '#aaa'}},},     'quadrant':{         'xBaseline': 0,         'yBaseline': 0,         'labels': [         {'content': 'Male decrease,\nfemale increase'},         {'content': 'Female decrease,\nmale increase'},         {'content': 'Female & male decrease'},         {'content': 'Female &\n male increase'}, ],}, })

如果在Jupyter notebook中预览的话,则执行下方语句

scatter.render_notebook()

如果想渲染出完整的html的话,则执行下方语句

scatter.render("散点图.html")

看一下成果吧

image.png

参数解析&完整代码

各位看官,这块可能比较无聊,可以直接划到文末或者点击收藏。

主要还是详解一下刚才scatter.set_options()里的参数,方便大家后续自己改造!

分成几个部分一点一点解释:

参数解释 一

'appendPadding': 30, #① 'data': data, #② 'xField': 'change in female rate', #③ 'yField': 'change in male rate',

① 图表在上右下左的间距,加不加这个参数具体看下图

image.png

② 设置图表数据源(其中data在前面已经赋值了),这里的数据源为对象集合,例如:[{ time: '1991',value: 20 }, { time: '1992',value: 20 }]。

③ xFieldyField这两个参数分别是横/纵向的坐标轴对应的字段。

参数解释 二

'sizeField': 'pop', #④ 'colorField': 'continent', #⑤ 'color': ['#ffd500', '#82cab2', '#193442', '#d18768','#7e827a'], #⑥ 'size': [4, 30], #⑦ 'shape': 'circle', #⑧

④ 指定散点大小对应的字段名,我们用的pop(人口)字段。

⑤ 指定散点颜色对应的字段名,我们用的continent(洲)字段。

image.png

⑥ 设置散点的颜色,指定了系列色值。

⑦ 设置散点的大小,可以指定大小数组 [minSize, maxSize]

⑧ 设置点的形状,比如ciclesquare

参数解释 三

'pointStyle':{'fillOpacity': 0.8,'stroke': '#bbb'}, #⑨ 'xAxis':{'line':{'style':{'stroke': '#aaa'}},}, #⑩ 'yAxis':{'line':{'style':{'stroke': '#aaa'}},},

⑨ pointStyle是指折线样式,不过在散点图里,指的是散点的描边。另外fillOpacity是设置透明度,stroke是设置描边颜色。

image.png

⑩ 这里只是设置了坐标轴线的颜色。

参数解释 四

'quadrant':{     'xBaseline': 0,     'yBaseline': 0,     'labels': [     {'content': 'Male decrease,\nfemale increase'},     {'content': 'Female decrease,\nmale increase'},     {'content': 'Female & male decrease'},     {'content': 'Female &\n male increase'}, ],},

quadrant是四象限组件,具体细分配置如下:

| 细分配置 | 功能描述 | | --------- | ------------------- | | xBaseline | x 方向上的象限分割基准线,默认为 0 | | yBaseline | y 方向上的象限分割基准线,默认为 0 | | labels | 象限文本配置 |

PyG2Plot的介绍文档还不完善,上文中的很多参数是摸索的,大家作为参考就好。

image.png

PyG2Plot 原理其实非常简单,其中借鉴了 pyecharts 的实现,但是因为蚂蚁金服的 G2Plot 完全基于可视分析理论的配置式结构,所以封装上比 pyecharts 简洁非常非常多。

如果有小伙伴对本文代码感兴趣,在公众号后台回复“pyg2plot” ,即可获取全部代码!

  • EOF -