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

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()

散点图示例

matplotlib 库说明：

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(), plt.ylabel(), plt.title()
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 散点图示例

seaborn 库说明：

导入库：import seaborn as sns 和 import matplotlib.pyplot as plt
创建数据：同上
绘制散点图：sns.scatterplot(x=x, y=y, label='Data Points')
其他设置：与 matplotlib 类似，通过 plt 接口完成

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 库说明：

导入库：from pyecharts.charts import Scatter 和 from pyecharts import options as opts
创建数据：data = [(1, 2), ...]
创建散点图对象：链式调用 .add_xaxis(), .add_yaxis()
设置选项：.set_series_opts(), .set_global_opts()
渲染图表：Notebook 用 render_notebook()，脚本用 render()

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：

确保安装了所有必要的库
```
pip install pyecharts
```
检查 Jupyter Notebook 的版本 确保使用的 Jupyter Notebook 版本支持 render_notebook() 方法。
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。
```
scatter.render("scatter_plot.html")
```

使用 IFrame 在 Notebook 中显示 HTML 文件

from IPython.display import IFrame
scatter.render("scatter_plot.html")
IFrame('scatter_plot.html', width=800, height=600)

检查是否有其他输出干扰 确保在执行绘图代码之前没有其他输出。
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。

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。

总结

本文对比了 Matplotlib、Seaborn 和 Pyecharts 三种 Python 绘图库在绘制散点图时的用法与特点。Matplotlib 适合基础静态图表，Seaborn 适合统计美化，Pyecharts 适合交互式网页展示。开发者可根据具体需求选择合适的工具。

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

数据可视化

1. 使用 matplotlib 库

2. 使用 seaborn 库

3. 使用 pyecharts 库

注意

比较三种库的特点

选择建议

总结

更多推荐文章

相关免费在线工具

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

数据可视化

1. 使用 matplotlib 库

2. 使用 seaborn 库

3. 使用 pyecharts 库

注意

比较三种库的特点

选择建议

总结

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具