吊打Pyecharts，这个新Python绘图库也可以这么漂亮！

原创 朱小五 快学Python 5天前

作者：朱小五来源：快学Python人生苦短，快学Python！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。经过小五一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。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。

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PlotPlot(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json数据,并赋值给datadata = 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', #⑧④ 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。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xBaselinex 方向上的象限分割基准线，默认为 0yBaseliney 方向上的象限分割基准线，默认为 0labels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，扫码👇关注「快学Python」后台回复“PyG2Plot” ，建议直接复制，即可获取全部代码！万水千山总是情，点个 👍 行不行喜欢此内容的人还喜欢Python 做一个属于自己的web网站「上」Python 做一个属于自己的web网站「上」...AI悦创不喜欢不看的原因确定内容质量低不看此公众号可能是全网最完整的 Python 操作 Excel库总结！可能是全网最完整的 Python 操作 Excel库总结！...法纳斯特不喜欢不看的原因确定内容质量低不看此公众号用Python 操作 Excel，这篇文章别错过了!（超全总结）用Python 操作 Excel，这篇文章别错过了!（超全总结）...Python编程时光不喜欢不看的原因确定内容质量低不看此公众号