深入解析 Python 绘图工具：Matplotlib、Seaborn 和 Pyecharts 散点图的实现技巧

#推荐

深入解析 Python 绘图工具：Matplotlib、Seaborn 和 Pyecharts 散点图的实现技巧

数据可视化

借助 matplotlib 库实现：

import matplotlib.pyplot as plt

# 数据准备
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 35]

# 创建图表
plt.scatter(x, y, color='blue', label='数据点')
plt.title('Matplotlib 散点图示例')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.legend()
plt.grid(True)

# 显示图表
plt.show()

matplotlib 库

导入所需的库：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='数据点', color='blue', marker='o')
添加标签和标题：使用 plt.xlabel('X轴标签')，plt.ylabel('Y轴标签') 和 plt.title('散点图示例')
增加图例与网格：通过 plt.legend() 和 plt.grid(True)

显示图形：调用 plt.show()

# 实现代码
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

plt.scatter(x, y, label='数据点', color='blue', marker='o')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.title('散点图示例')
plt.legend()
plt.grid(True)

plt.show()

Seaborn 库

导入必要的库：import seaborn as sns 和 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：使用 sns.scatterplot(x=x, y=y, label='数据点')
添加标签和标题：调用 plt.xlabel('X轴标签')，plt.ylabel('Y轴标签') 和 plt.title('散点图示例')
增加图例与网格：通过 plt.legend() 和 plt.grid(True)

显示图形：使用 plt.show()

# 实现代码
import seaborn as sns
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

sns.scatterplot(x=x, y=y, label='数据点')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.title('散点图示例')
plt.legend()
plt.grid(True)

plt.show()

Pyecharts 库

导入必要模块：from pyecharts.charts import Scatter 和 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：使用 scatter = Scatter().add_xaxis([x for x, y in data]).add_yaxis("数据点", [y for x, y in data])
设置系列选项：调用 set_series_opts(label_opts=opts.LabelOpts(is_show=False))
设置全局选项：通过 set_global_opts(title_opts=opts.TitleOpts(title="散点图示例"), xaxis_opts=opts.AxisOpts(name="X轴"), yaxis_opts=opts.AxisOpts(name="Y轴"))

确认所需库已安装
确保已经安装了 pyecharts 及相关依赖。可以通过以下命令安装：

pip install pyecharts
检查 Jupyter Notebook 版本
请确保使用的 Jupyter Notebook 版本支持 render_notebook() 方法。通常较新版本的 Jupyter Notebook 能正常支持。
使用 render() 方法保存为 HTML 文件
如果 render_notebook() 无法正常工作，可以尝试将图表渲染为 HTML 文件并手动打开：

# 渲染图表并保存为 HTML 文件 scatter.render("scatter_plot.html")

保存完成后，在文件管理器中找到 scatter_plot.html 文件并双击打开查看图表。
使用 IFrame 在 Notebook 中显示 HTML 文件
如果需要在 Jupyter Notebook 中直接显示 HTML 文件，可以使用 IPython.display.IFrame 实现：

from IPython.display import IFrame # 渲染图表并保存为 HTML 文件 scatter.render("scatter_plot.html")
# 在 Notebook 中显示 HTML 文件 IFrame('scatter_plot.html', width=800, height=600)
检查是否有其他输出干扰
在某些情况下，Jupyter Notebook 中的其他输出可能会干扰图表显示。确保在执行绘图代码时没有其他不必要的输出。

重启 Jupyter Notebook
如果上述方法均无效，尝试重启 Jupyter Notebook 服务器。这通常可以解决一些临时性的问题。

渲染图表：在 Jupyter Notebook 中使用 render_notebook()，在普通 Python 脚本中使用 render("scatter_plot.html")

# 实现代码
from pyecharts.charts import Scatter
from pyecharts import options as opts

data = [(1, 2), (2, 3), (3, 5), (4, 7), (5, 11)]

scatter = (
    Scatter()
    .add_xaxis([x for x, y in data])
    .add_yaxis("数据点", [y for x, y in data])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图示例"),
        xaxis_opts=opts.AxisOpts(name="X轴"),
        yaxis_opts=opts.AxisOpts(name="Y轴")
    )
)

# 渲染输出
scatter.render("scatter_plot.html")

注意事项
如果你在 Jupyter Notebook 中运行代码时发现图表未能正确显示，可能是由于 render_notebook() 方法未正常执行，或者你的运行环境配置存在问题。以下是一些可能的解决方案：

三种绘图库的特点对比

库	特点	适用场景
matplotlib	基础绘图库，支持高度自定义，生成静态图表	科研论文，数据分析报告
seaborn	基于 matplotlib，提供更美观的样式	统计分析，探索性数据分析
pyecharts	交互性强，适合动态网页展示	数据展示，交互式仪表盘