Python 绘图工具详解：使用 Matplotlib、Seaborn 和 Pyecharts 绘制散点图

目录

• 数据可视化
• • [1.使用 matplotlib 库](#1.使用 matplotlib 库)
  • • • [matplotlib 库](#matplotlib 库)
  • [2 .使用 seaborn 库](#2 .使用 seaborn 库)
  • • • [seaborn 库](#seaborn 库)
  • [3 .使用 pyecharts库](#3 .使用 pyecharts库)
  • • • pyecharts库
    • 注意
    • • [1. 确保安装了所有必要的库](#1. 确保安装了所有必要的库)
      • [2. 检查Jupyter Notebook的版本](#2. 检查Jupyter Notebook的版本)
      • [3. 使用`render()`方法保存为HTML文件](#3. 使用render()方法保存为HTML文件)
      • [4. 使用`IFrame`在Notebook中显示HTML文件](#4. 使用IFrame在Notebook中显示HTML文件)
      • [5. 检查是否有其他输出干扰](#5. 检查是否有其他输出干扰)
      • [6. 重启Jupyter Notebook](#6. 重启Jupyter Notebook)
• 比较三种库的特点
• • 选择建议
  • • 目标
• 总结

数据可视化

1.使用 matplotlib 库

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 使用matplotlib绘制散点图
plt.scatter(x, y, label='Data Points', color='blue', marker='o')

# 添加标签和标题
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot')

# 添加图例和网格
plt.legend()
plt.grid(True)

# 显示图形
plt.show()

matplotlib 库

• 导入库 ：import matplotlib.pyplot as plt
• 创建数据 ：x = [1, 2, 3, 4, 5] 和 y = [2, 3, 5, 7, 11]
• 绘制散点图 ：plt.scatter(x, y, label='Data Points', color='blue', marker='o')
• 添加标签和标题 ：plt.xlabel('X-axis')，plt.ylabel('Y-axis')，plt.title('Scatter Plot')
• 添加图例和网格 ：plt.legend()，plt.grid(True)
• 显示图形 ：plt.show()

---

2 .使用 seaborn 库

import seaborn as sns
import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 使用Seaborn绘制散点图
sns.scatterplot(x=x, y=y, label='Data Points')

# 添加标签和标题
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot')

# 添加图例和网格
plt.legend()
plt.grid(True)

# 显示图形
plt.show()

seaborn 库

• 导入库 ：import seaborn as sns 和 import matplotlib.pyplot as plt
• 创建数据 ：x = [1, 2, 3, 4, 5] 和 y = [2, 3, 5, 7, 11]
• 绘制散点图 ：sns.scatterplot(x=x, y=y, label='Data Points')
• 添加标签和标题 ：plt.xlabel('X-axis')，plt.ylabel('Y-axis')，plt.title('Scatter Plot')
• 添加图例和网格 ：plt.legend()，plt.grid(True)
• 显示图形 ：plt.show()

---

3 .使用 pyecharts库

from pyecharts.charts import Scatter
from pyecharts import options as opts

# 创建数据
data = [(1, 2), (2, 3), (3, 5), (4, 7), (5, 11)]

# 创建散点图对象
scatter = (
    Scatter()
    .add_xaxis([x for x, y in data])
    .add_yaxis("Data Points", [y for x, y in data])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter Plot"),
        xaxis_opts=opts.AxisOpts(name="X-axis"),
        yaxis_opts=opts.AxisOpts(name="Y-axis"),
    )
)

# 渲染图表
# 如果在Jupyter Notebook中运行，使用render_notebook()
scatter.render_notebook()

# 如果在普通Python脚本中运行，使用render()保存为HTML文件
# scatter.render("scatter_plot.html")

pyecharts库

• 导入库 ：from pyecharts.charts import Scatter 和 from pyecharts import options as opts
• 创建数据 ：data = [(1, 2), (2, 3), (3, 5), (4, 7), (5, 11)]
• 创建散点图对象 ：scatter = Scatter().add_xaxis([x for x, y in data]).add_yaxis("Data Points", [y for x, y in data])
• 设置系列选项 ：set_series_opts(label_opts=opts.LabelOpts(is_show=False))
• 设置全局选项 ：set_global_opts(title_opts=opts.TitleOpts(title="Scatter Plot"), xaxis_opts=opts.AxisOpts(name="X-axis"), yaxis_opts=opts.AxisOpts(name="Y-axis"))
• 渲染图表 ：在Jupyter Notebook中使用render_notebook()，在普通Python脚本中使用render("scatter_plot.html")

注意

如果你在Jupyter Notebook中运行这段代码，但是图表没有显示出来，可能是因为render_notebook()方法没有被正确执行，或者你的环境配置有问题。下面是一些可能的解决方案：

1. 确保安装了所有必要的库

首先，确保已经安装了pyecharts及其相关依赖。可以使用以下命令来安装：

pip install pyecharts

2. 检查Jupyter Notebook的版本

确保使用的Jupyter Notebook版本支持render_notebook()方法。通常情况下，较新版本的Jupyter Notebook应该没有问题。

3. 使用render()方法保存为HTML文件

如果render_notebook()方法不起作用，可以尝试将图表保存为HTML文件，然后手动打开这个文件查看图表。

# 渲染图表并保存为HTML文件
scatter.render("scatter_plot.html")

保存后，你可以在文件浏览器中找到scatter_plot.html文件并双击打开它，查看图表。

4. 使用IFrame在Notebook中显示HTML文件

如果你希望在Jupyter Notebook中直接显示HTML文件，可以使用IPython.display.IFrame来实现。

from IPython.display import IFrame

# 渲染图表并保存为HTML文件
scatter.render("scatter_plot.html")

# 在Notebook中显示HTML文件
IFrame('scatter_plot.html', width=800, height=600)

5. 检查是否有其他输出干扰

有时候，Jupyter Notebook中的其他输出可能会干扰图表的显示。确保在执行绘图代码之前没有其他输出。

6. 重启Jupyter Notebook

如果以上方法都不奏效，可以尝试重启Jupyter Notebook服务器，有时这可以解决一些临时性的问题。

---

比较三种库的特点

库	特点	适用场景
matplotlib	基础库，支持自定义，静态图表	科研论文，数据分析报告
seaborn	基于 matplotlib，样式美观	统计分析，探索性数据分析
pyecharts	交互性强，适合网页展示	数据展示，交互式仪表板

选择建议

• 如果需要在科研或数据分析中生成静态图表，matplotlib 是基础且可靠的选择。
• 需要更多美观效果和便捷的统计分析时，seaborn 提供了友好的界面。
• 若要在网页中展示交互式图表，pyecharts 能生成包含交互功能的 HTML 文件，非常适合网络发布。

---

目标

• 学习和实践 ：通过实际操作，掌握使用 matplotlib、seaborn 和 pyecharts 绘制散点图的方法。
• 比较不同库的特点：了解每个库的优缺点，选择最适合具体需求的工具。
• 数据可视化：通过散点图展示数据之间的关系，帮助更好地理解和解释数据。

总结

嘿，数据可视化这事儿暂时要告一段落啦，不过以后有机会的话，咱还能再写写关于数据可视化的东西。😎