給大家推薦的這個(gè)開(kāi)源項(xiàng)目是一個(gè)非常棒的可視化庫(kù) -- PyG2Plot 。

PyG2Plot 可視化

這個(gè)Python可視化新秀，在GitHub上是這樣介紹的：

?? PyG2Plot 是@AntV/G2Plot 在 Python3 上的封裝。G2Plot 是一套簡(jiǎn)單、易用、并具備一定擴(kuò)展能力和組合能力的統(tǒng)計(jì)圖表庫(kù)，基于圖形語(yǔ)法理論搭建而成。

不過(guò)研究PyG2Plot還得先從G2開(kāi)始講，它是螞蟻金服開(kāi)源一個(gè)基于圖形語(yǔ)法，面向數(shù)據(jù)分析的統(tǒng)計(jì)圖表引擎。后來(lái)又在其基礎(chǔ)上，封裝出業(yè)務(wù)上常用的統(tǒng)計(jì)圖表庫(kù)——G2Plot 。

不過(guò)現(xiàn)在Python這么熱，幾乎每一個(gè)nb的前端可視化庫(kù)，最終都會(huì)被用python開(kāi)發(fā)一套生成相應(yīng)html的庫(kù)！它也不例外，封裝出了Python可視化庫(kù)——PyG2Plot。

在GitHub上，也提供了一張示例圖，我對(duì)右下角的散點(diǎn)圖比較感興趣。

結(jié)果興致勃勃地去看示例，這簡(jiǎn)直買家秀與賣家秀啊！

我不管，我就要右邊那個(gè)??

自己動(dòng)手，豐衣足食

看來(lái)還是需要自己動(dòng)手，那就先安裝PyG2Plot庫(kù)吧

pip install pyg2plot

目前目前 pyg2plot 只提供簡(jiǎn)單的一個(gè) API，只列出需要的參數(shù)

• Plot

1. Plot(plot_type: str): 獲取 Plot 對(duì)應(yīng)的類實(shí)例。
2. plot.set_options(options: object): 給圖表實(shí)例設(shè)置一個(gè) G2Plot 圖形的配置。
3. plot.render(path, env, **kwargs): 渲染出一個(gè) HTML 文件，同時(shí)可以傳入文件的路徑，以及 jinja2 env 和 kwargs 參數(shù)。
4. plot.render_notebook(env, **kwargs): 將圖形渲染到 jupyter 的預(yù)覽。

于是我們可以先導(dǎo)入Plot方法

from pyg2plot import Plot

我們要畫散點(diǎn)圖

scatter = Plot("Scatter")

下一步就是要獲取數(shù)據(jù)和設(shè)置參數(shù)plot.set_options()，這里獲取數(shù)據(jù)直接利用requset解析案例json，而參數(shù)讓我在后面一一道來(lái)：

import requests

#請(qǐng)求地址
url = "https://gw.alipayobjects.com/os/bmw-prod/0b37279d-1674-42b4-b285-29683747ad9a.json"

#發(fā)送get請(qǐng)求
a = requests.get(url)

#獲取返回的json數(shù)據(jù),并賦值給data
data = a.json()

成功獲取解析好的對(duì)象集合數(shù)據(jù)。

下面是對(duì)著參數(shù)，一頓操作猛如虎：

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中預(yù)覽的話，則執(zhí)行下方語(yǔ)句

scatter.render_notebook()

如果想渲染出完整的html的話，則執(zhí)行下方語(yǔ)句

scatter.render("散點(diǎn)圖.html")

看一下成果吧

參數(shù)解析&完整代碼

各位看官，這塊可能比較無(wú)聊，可以直接劃到文末或者點(diǎn)擊收藏。

主要還是詳解一下剛才scatter.set_options()里的參數(shù)，方便大家后續(xù)自己改造！

分成幾個(gè)部分一點(diǎn)一點(diǎn)解釋：

參數(shù)解釋

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

①圖表在上右下左的間距，加不加這個(gè)參數(shù)具體看下圖

②設(shè)置圖表數(shù)據(jù)源（其中data在前面已經(jīng)賦值了），這里的數(shù)據(jù)源為對(duì)象集合，例如：[{ time: '1991'，value: 20 }, { time: '1992'，value: 20 }]。

③xField和yField這兩個(gè)參數(shù)分別是橫/縱向的坐標(biāo)軸對(duì)應(yīng)的字段。

參數(shù)解釋

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

④指定散點(diǎn)大小對(duì)應(yīng)的字段名，我們用的pop（人口）字段。

⑤指定散點(diǎn)顏色對(duì)應(yīng)的字段名，我們用的continent（洲）字段。

⑥設(shè)置散點(diǎn)的顏色，指定了系列色值。

⑦設(shè)置散點(diǎn)的大小，可以指定大小數(shù)組 [minSize, maxSize]

⑧設(shè)置點(diǎn)的形狀，比如cicle、square

參數(shù)解釋

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

⑨pointStyle是指折線樣式，不過(guò)在散點(diǎn)圖里，指的是散點(diǎn)的描邊。另外fillOpacity是設(shè)置透明度，stroke是設(shè)置描邊顏色。

⑩這里只是設(shè)置了坐標(biāo)軸線的顏色。

參數(shù)解釋

'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是四象限組件，具體細(xì)分配置如下：

PyG2Plot的介紹文檔還不完善，上文中的很多參數(shù)是摸索的，大家作為參考就好。

PyG2Plot 原理其實(shí)非常簡(jiǎn)單，其中借鑒了 pyecharts 的實(shí)現(xiàn)，但是因?yàn)槲浵伣鸱?G2Plot 完全基于可視分析理論的配置式結(jié)構(gòu)，所以封裝上比 pyecharts 簡(jiǎn)潔非常非常多。