代码收藏家技术教程 2024-12-07

【数据可视化入门】Python散点图全攻略：Matplotlib、Seaborn、Pyecharts实战代码大公开！

数据可视化入门-系列文章目录

Python散点图全攻略：Matplotlib、Seaborn、Pyecharts实战代码大公开！

文章目录

数据可视化入门-系列文章目录

Python散点图全攻略：Matplotlib、Seaborn、Pyecharts实战代码大公开！

前言

1. Matplotlib：基础绘图库

2. Seaborn：基于Matplotlib的高级绘图库

3. Pyecharts：交互式图表库

特点比较与选择建议

前言

在数据分析的世界里，数据可视化是将复杂数据转化为直观图形的重要手段。今天，我们将手把手教你如何使用Python中的Matplotlib、Seaborn和Pyecharts三大库来绘制散点图，让你的数据展示更加生动有趣！

1. Matplotlib：基础绘图库

Matplotlib是Python中的基础绘图库，它提供了丰富的绘图功能，适用于科研论文和数据分析报告。以下是使用Matplotlib绘制散点图的详细步骤和代码：

导入库：

import matplotlib.pyplot as plt

创建数据：

x = [1, 2, 3, 4, 5]
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('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()

2. Seaborn：基于Matplotlib的高级绘图库

Seaborn是基于Matplotlib的高级绘图库，它提供了更加美观的样式和便捷的统计分析功能。以下是使用Seaborn绘制散点图的步骤和代码：

导入库：

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]

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()

3. Pyecharts：交互式图表库

Pyecharts是一个强大的交互式图表库，适合在网页中展示数据。以下是使用Pyecharts绘制散点图的步骤和代码：

导入库：

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：
在Jupyter Notebook中使用：