Python+Pyecharts实现散点图的绘制

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：

来源：https://blog.csdn.net/m0_56660914/article/details/125369328