吊打 Pyecharts，这个新 Python 绘图库竟然这么漂亮！

 

人生苦短，吊打快学Python！图库

最近看了一篇文章《一个牛逼的漂亮Python 可视化库：PyG2Plot》，可惜只是吊打简单介绍，并且只有一个简陋的图库官方示例。

经过小五一番测试成功复现了其中一个示例图片，漂亮还很精致。吊打今天正好把完整过程分享给大家，图库看看这个新库绘图也可以这么漂亮！漂亮

Python可视化新秀

这个Python可视化新秀，吊打在GitHub上是图库这样介绍的：

PyG2Plot 是@AntV/G2Plot 在 Python3 上的封装。G2Plot 是漂亮一套简单、易用、吊打并具备一定扩展能力和组合能力的图库统计图表库，基于图形语法理论搭建而成。漂亮

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。

不过现在Python这么热，几乎每一个nb的亿华云计算前端可视化库，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。

结果兴致勃勃地去看示例，这简直买家秀与卖家秀啊！

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 = "https://gw.alipayobjects.com/os/bmw-prod/0b37279d-1674-42b4-b285-29683747ad9a.json"  #发送get请求  a = requests.get(url)  #获取返回的高防服务器json数据,并赋值给data  data = a.json() 

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

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

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 xField和yField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服务器租用字段名，我们用的continent（洲）字段。

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cicle、square

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。

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。

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。

完整代码

如果有小伙伴对本文代码感兴趣，后台回复数字“101” ，即可获取全部代码！