scatter，标记点，标记线配置项

于 2024-06-05 22:28:12 发布
阅读量420 收藏 5
点赞数 18
文章标签： python 信息可视化 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wh_8023_wss/article/details/139481464
版权

​

要求

表格共三列，SKU,库存天数，库存周转率， 要求根据横坐标是库存天数，纵坐标是库存周转率，各自均值划分界限，形成四象限；并且每个点对应各自的SKU

SKU库存天数库存周转率
1453.15
2704.56

散点图

# Import necessary libraries
import numpy as np
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.globals import ThemeType

# Load the data
data = pd.read_excel('库存周转率(已计算).xlsx')  

# Prepare the data for the scatter plot
x_data = data['库存天数'].tolist()
y_data = data['库存周转率'].tolist()
sku_data = data['SKU'].tolist()  

# Create the scatter plot
scatter = (
    Scatter(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(x_data)
    .add_yaxis('库存周转率', y_data)
)

scatter.set_global_opts(
    xaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存天数",
        type_="value",
        min_=0,
        max_=90
    ),
    yaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存周转率",
        type_="value",
        min_=0,
        max_=7
    ),
    visualmap_opts=opts.VisualMapOpts(type_='size', min_=1, max_=7),
    title_opts=opts.TitleOpts(title="库存天数 vs 库存周转率")
)

scatter.render_notebook()

结果：
scatter1

区域缩放配置项DataZoomOpts

class DataZoomOpts(
    # 是否显示 组件。如果设置为 false，不会显示，但是数据过滤的功能还存在。
    is_show: bool = True,

    # 组件类型，可选 "slider", "inside"
    type_: str = "slider",

    # 拖动时，是否实时更新系列的视图。如果设置为 false，则只在拖拽结束的时候更新。
    is_realtime: bool = True,

    # 数据窗口范围的起始百分比。范围是：0 ~ 100。表示 0% ~ 100%。
    range_start: Numeric = 20,

    # 数据窗口范围的结束百分比。范围是：0 ~ 100
    range_end: Numeric = 80,

    # 数据窗口范围的起始数值。如果设置了 start 则 startValue 失效。
    start_value: Union[int, str, None] = None,

    # 数据窗口范围的结束数值。如果设置了 end 则 endValue 失效。
    end_value: Union[int, str, None] = None,

    # 布局方式是横还是竖。不仅是布局方式，对于直角坐标系而言，也决定了，缺省情况控制横向数轴还是纵向数轴
    # 可选值为：'horizontal', 'vertical'
    orient: str = "horizontal",

    # 设置 dataZoom-inside 组件控制的 x 轴（即 xAxis，是直角坐标系中的概念，参见 grid）。
    # 不指定时，当 dataZoom-inside.orient 为 'horizontal'时，默认控制和 dataZoom 平行的第一个 xAxis
    # 如果是 number 表示控制一个轴，如果是 Array 表示控制多个轴。
    xaxis_index: Union[int, Sequence[int], None] = None,

    # 设置 dataZoom-inside 组件控制的 y 轴（即 yAxis，是直角坐标系中的概念，参见 grid）。
    # 不指定时，当 dataZoom-inside.orient 为 'horizontal'时，默认控制和 dataZoom 平行的第一个 yAxis
    # 如果是 number 表示控制一个轴，如果是 Array 表示控制多个轴。
    yaxis_index: Union[int, Sequence[int], None] = None,

    # 是否锁定选择区域（或叫做数据窗口）的大小。
    # 如果设置为 true 则锁定选择区域的大小，也就是说，只能平移，不能缩放。
    is_zoom_lock: bool = False,

    # dataZoom-slider 组件离容器左侧的距离。
    # left 的值可以是像 20 这样的具体像素值，可以是像 '20%' 这样相对于容器高宽的百分比，
    # 也可以是 'left', 'center', 'right'。
    # 如果 left 的值为 'left', 'center', 'right'，组件会根据相应的位置自动对齐。
    pos_left: Optional[str] = None,

    # dataZoom-slider 组件离容器上侧的距离。
    # top 的值可以是像 20 这样的具体像素值，可以是像 '20%' 这样相对于容器高宽的百分比，
    # 也可以是 'top', 'middle', 'bottom'。
    # 如果 top 的值为 'top', 'middle', 'bottom'，组件会根据相应的位置自动对齐。
    pos_top: Optional[str] = None,

    # dataZoom-slider 组件离容器右侧的距离。
    # right 的值可以是像 20 这样的具体像素值，可以是像 '20%' 这样相对于容器高宽的百分比。
    # 默认自适应。
    pos_right: Optional[str] = None,

    # dataZoom-slider组件离容器下侧的距离。
    # bottom 的值可以是像 20 这样的具体像素值，可以是像 '20%' 这样相对于容器高宽的百分比。
    # 默认自适应。
    pos_bottom: Optional[str] = None,
)

更新散点图

# Import necessary libraries
import numpy as np
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.globals import ThemeType

# Load the data
data = pd.read_excel('库存周转率(已计算).xlsx')  

# Prepare the data for the scatter plot
x_data = data['库存天数'].tolist()
y_data = data['库存周转率'].tolist()
sku_data = data['SKU'].tolist()  

# Create the scatter plot
scatter = (
    Scatter(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(x_data)
    .add_yaxis('库存周转率', y_data)
)

scatter.set_global_opts(
    xaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存天数",
        type_="value",
        min_=0,
        max_=90
    ),
    yaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存周转率",
        type_="value",
        min_=0,
        max_=7
    ),
    visualmap_opts=opts.VisualMapOpts(type_='color', min_=1, max_=7),
    title_opts=opts.TitleOpts(title="库存天数 vs 库存周转率"),
    datazoom_opts=opts.DataZoomOpts(
        range_start=0,
        range_end=100
    ),
)

scatter.render_notebook()

out:
scatter2
局部放大以后，重合的点还是重合的，绝望
sctter3

标识线

class MarkLineOpts(
    # 图形是否不响应和触发鼠标事件，默认为 false，即响应和触发鼠标事件。
    is_silent: bool = False,

    # 标记线数据，参考 `series_options.MarkLineItem`
    data: Sequence[Union[MarkLineItem, dict]] = None,

    # 标线两端的标记类型，可以是一个数组分别指定两端，也可以是单个统一指定，具体格式见 data.symbol。
    symbol: Optional[str] = None,

    # 标线两端的标记大小，可以是一个数组分别指定两端，也可以是单个统一指定。
    symbol_size: Union[None, Numeric] = None,

    # 标线数值的精度，在显示平均值线的时候有用。
    precision: int = 2,

    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: LabelOpts = LabelOpts(),

    # 标记线样式配置项，参考 `series_options.LineStyleOpts`
    linestyle_opts: Union[LineStyleOpts, dict, None] = None,
)



scatter.set_series_opts(
    markline_opts=opts.MarkLineOpts(
        data=[
            opts.MarkLineItem(type_='average', x=x_midpoint, symbol='arrow'),
            opts.MarkLineItem(type_='average', y=y_midpoint, symbol='arrow')
        ]
    )
)

scatter-标识线
完整代码：

# Import necessary libraries
import numpy as np
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.globals import ThemeType

# Load the data
data = pd.read_excel('库存周转率(已计算).xlsx')  

# Prepare the data for the scatter plot
x_data = data['库存天数'].tolist()
y_data = data['库存周转率'].tolist()
sku_data = data['SKU'].tolist()  

# Calculate the midpoints for each axis
x_midpoint = sum(x_data) / len(x_data)
y_midpoint = sum(y_data) / len(y_data)

# Create the scatter plot
scatter = (
    Scatter(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(x_data)
    .add_yaxis('库存周转率', y_data)
)

scatter.set_global_opts(
    xaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存天数",
        type_="value",
        min_=20,
        max_=90
    ),
    yaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存周转率",
        type_="value",
        min_=0,
        max_=7
    ),
    visualmap_opts=opts.VisualMapOpts(type_='color', min_=1, max_=7),
    title_opts=opts.TitleOpts(title="库存天数 vs 库存周转率"),
    datazoom_opts=opts.DataZoomOpts(
        range_start=0,
        range_end=100
    ),
)

scatter.set_series_opts(
    markline_opts=opts.MarkLineOpts(
        data=[
            opts.MarkLineItem(type_='average', x=x_midpoint, symbol='arrow'),
            opts.MarkLineItem(type_='average', y=y_midpoint, symbol='arrow')
        ]
    )
)

scatter.render_notebook()

标识点

class MarkPointItem(
    # 标注名称。
    name: Optional[str] = None,

    # 特殊的标注类型，用于标注最大值最小值等。可选:
    # 'min' 最大值。
    # 'max' 最大值。
    # 'average' 平均值。
    type_: Optional[str] = None,

    # 在使用 type 时有效，用于指定在哪个维度上指定最大值最小值，可以是 
    # 0（xAxis, radiusAxis），
    # 1（yAxis, angleAxis），默认使用第一个数值轴所在的维度。
    value_index: Optional[Numeric] = None,

    # 在使用 type 时有效，用于指定在哪个维度上指定最大值最小值。这可以是维度的直接名称，
    # 例如折线图时可以是 x、angle 等、candlestick 图时可以是 open、close 等维度名称。
    value_dim: Optional[str] = None,

    # 标注的坐标。坐标格式视系列的坐标系而定，可以是直角坐标系上的 x, y，
    # 也可以是极坐标系上的 radius, angle。例如 [121, 2323]、['aa', 998]。
    coord: Optional[Sequence] = None,

    # 相对容器的屏幕 x 坐标，单位像素。
    x: Optional[Numeric] = None,

    # 相对容器的屏幕 y 坐标，单位像素。
    y: Optional[Numeric] = None,

    # 标注值，可以不设。
    value: Optional[Numeric] = None,

    # 标记的图形。
    # ECharts 提供的标记类型包括 'circle', 'rect', 'roundRect', 'triangle', 
    # 'diamond', 'pin', 'arrow', 'none'
    # 可以通过 'image://url' 设置为图片，其中 URL 为图片的链接，或者 dataURI。
    symbol: Optional[str] = None,

    # 标记的大小，可以设置成诸如 10 这样单一的数字，也可以用数组分开表示宽和高，
    # 例如 [20, 10] 表示标记宽为 20，高为 10。
    symbol_size: Union[Numeric, Sequence] = None,

    # 标记点样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[ItemStyleOpts, dict, None] = None,
)



# Import necessary libraries
import numpy as np
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.globals import ThemeType

# Load the data
data = pd.read_excel('库存周转率(已计算).xlsx')  

# Prepare the data for the scatter plot
x_data = data['库存天数'].tolist()
y_data = data['库存周转率'].tolist()
sku_data = data['SKU'].tolist()  

# Calculate the midpoints for each axis
x_midpoint = sum(x_data) / len(x_data)
y_midpoint = sum(y_data) / len(y_data)

# Create the scatter plot
scatter = (
    Scatter(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(x_data)
    .add_yaxis('库存周转率', y_data, label_opts=opts.LabelOpts(is_show=False))
)

scatter.set_global_opts(
    xaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存天数",
        type_="value",
        min_=20,
        max_=90
    ),
    yaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(is_show=True),
        name="库存周转率",
        type_="value",
        min_=0,
        max_=7
    ),
    visualmap_opts=opts.VisualMapOpts(type_='size', min_=1, max_=7),
    title_opts=opts.TitleOpts(title="库存天数 vs 库存周转率"),
    datazoom_opts=opts.DataZoomOpts(
        range_start=0,
        range_end=100
    ),
)

scatter.set_series_opts(
    markline_opts=opts.MarkLineOpts(
        data=[
            opts.MarkLineItem(type_='average', x=x_midpoint, symbol='arrow'),
            opts.MarkLineItem(type_='average', y=y_midpoint, symbol='arrow')
        ]
    ),
    markpoint_opts=opts.MarkPointOpts(
        data=[
            opts.MarkPointItem(
                coord=[x,y],
                name=sku,
                value=sku,
                symbol_size=50,
                itemstyle_opts=opts.ItemStyleOpts(color='rgba(255, 127, 80, 0.6)')
            )
            for x,y,sku in zip(x_data, y_data, sku_data)
        ]
    )
)

scatter.render_notebook()

在这里插入图片描述

wh_8023_wss
关注
Python数据可视化 Pyecharts 制作 Scatter 散点图
Mr数据杨
04-15 3万+
大家好，我是Mr数据杨。今天，我们要像三国的谋士一样来解读Python中的散点图。就像郭嘉使用天时地利人和的智谋，我们也需要学会如何掌握和运用这个工具。散点图就如同三国战场上的各路英雄，他们在各自的位置上，有的披荆斩棘，有的锐意进取，每个点都代表了一个英勇的战士，而他们的位置则代表了他们的战绩和贡献。可以通过坐标轴的设置来确定他们的位置，这如同周瑜布置八阵图，每个位置都有其深远的含义。散点图的数据项就像为战斗准备的兵马粮草，没有数据，就没有战斗，没有胜利。
Echarts3里的地图标记点事件效果实现
garson328的博客
02-16 2万+
echarts官方api：http://echarts.baidu.com/index.html
PyQt5_pyqtgraph股票指标与所处行业位置控件
m0_37967652的博客
04-28 800
目录 效果： 代码： 使用： 数据： 效果： 1. 点击左边的点，右边显示左边点对应时点该股票在行业中所处位置的散点图，并红星标出 2. 点击右边的点，左边显示右边点对应股票该指标的时间序列数据，并红星标出当前的时点 代码： 需要的包和字符串横坐标控件 import sys import pandas as pd from typing import Any,Dict from PyQt5 import QtCore,QtWidgets,QtGui from PyQt5.Q
Matlab 散点图（Scatter）和颜色图（Colormap）
RainaRaina的博客
06-30 1万+
从 MATLAB 的 颜色图和散点图，到对分组数据一键出图。从零开始学会离散数据和分组数据的分析。
ECharts - 散点图scatter 用线连接任意两点
SCY164759920的博客
10-07 7199
使用ECharts中的markLine，达到使用线段连接散点图中任意两点的需求
MATLAB中scatter函数的用法（绘制散点图）
热门推荐
xuxinrk的博客
05-06 35万+
转载自https://ww2.mathworks.cn/help/matlab/ref/scatter.html#btrli6p-1scatter散点图语法scatter(x,y)scatter(x,y,sz)scatter(x,y,sz,c)scatter(___,'filled')scatter(___,mkr)scatter(___,Name,Value)scatter(ax,___)s =...
matlab scatter散点图加标记和colorbar
KEEPace_6的博客
06-20 9577
对matlab绘制三维散点图,并进行text标记和设置colorbar, 进行总结.
Echarts-配置项手册.zip
10-24
- **交互功能**：包括缩放、平移、刷选、标记点、提示框等，增强了用户的交互体验。 2. **ECharts配置项**： - **全局配置**：如theme（主题）、renderer（渲染器，canvas或svg）、toolbox（工具箱）等，可以设置...
echarts 各个配置项详细说明总结
weixin_43790703的博客
01-30 369
每个系列通过 type 决定自己的图表类型： type: 'bar'：柱状/条形图 type: 'line'：折线/面积图 type: 'pie'：饼图 type: 'scatter'：散点（气泡）图 type: 'effectScatter'：带有涟漪特效动画的散点（气泡） type: 'radar'：雷达图 type: 'tree'：树型图 type: 'treemap'：树型图 type: 'sunburst'：旭日图
echart 地图圆点标记点样式
最新发布
07-14
要设置 ECharts 地图的圆点标记点样式，你可以通过配置 `series` 中的 `effectScatter` 或 `scatter` 类型来实现。下面是一个示例代码，展示了如何设置圆点标记点的样式： ```javascript // 引入 ECharts import * ...
matplotlib scatter 散点图 用文字标注每个点
我的博客
05-18 2万+
x = [2,4,6,7,8,5,4,3] y = [3,6,5,8,4,3,2,4] txt = ['我','今','晚','上','吃','了','个','鲸'] import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.scatter(x, y) for i in range(len(x)): plt.annotate(txt[i], xy = (x[i], y[i])
Matlab中散点图绘制详细教程scatter函数（附matlab代码）
iii66yy的博客
04-18 12万+
** Matlab中scatter函数绘制散点图 **
数据可视化图表-散点图（Scatter plot）
Cassiel60的博客
03-12 1万+
本文是接着这篇内容的：https://blog.csdn.net/Cassiel60/article/details/88350442 散点图是用于研究两个变量之间关系的经典的和基本的图表。 如果数据中有多个组，则可能需要以不同颜色可视化每个组。 在 matplotlib 中，您可以使用plt.scatterplot（）方便地执行此操作 #Import dataset midwest =...
python scatter参数详解_Python中scatter函数参数用法详解
weixin_39626211的博客
11-20 1393
原博文2018-10-21 16:09 −1、scatter函数原型 2、其中散点的形状参数marker如下： 3、其中颜色参数c如下: 4、基本的使用方法如下： #导入必要的模块 import numpy as np import matplotlib...相关推荐2019-11-27 20:58 −scatter() 和 scatter_() 的作用是一样的，只不...
Python可视化：`scatter()`函数详细参数
HsinglukLiu的博客
08-05 1803
Python可视化：scatter()函数详细参数 Python中绘制散点图的函数scatter的详细参数解释如下： Signature: plt.scatter( x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, e
GUI编程—欢迎来到PyQtGraph-中文版（中）！
一个苦逼的文艺青年的博客
05-28 1万+
六、Qt 快速教学 几乎所有的PyQtGraph库的图形界面都是由Qt来生成。 Qt的文档写得很好，我们鼓励所有pyqtgraph开发人员熟悉它。 本节的目的是介绍如何使用Qt（使用PyQt或PySide）编写pyqtgraph开发者程序。 窗口和布局 Qt GUI几乎都是由几个基本组件组成： 一个窗口。 这通常由QMainWindow提供，但请注意，如果窗口小部件没有父窗口，只需调...
seaborn系列 (2) | 散点图scatterplot()
脑机接口社区
09-16 2万+
本篇是《Seaborn系列》文章的第2篇. 散点图散点图 scatterplot函数原型参数解读案例教程案例地址 散点图 scatterplot seaborn.scatterplot()散点图 解读 可以通过调整颜色、大小和样式等参数来显示数据之间的关系。 函数原型 seaborn.scatterplot(x=None, y=None, hue=None, ...
Echarts图给坐标轴加一个标识线markLine
lhxsirky的博客
08-29 4万+
Echart3数据可视化视图 给坐标轴加一个标识线markLine 当X轴不是数值时，而是一个类型数据，如年份，公司名，企业名，这时Echarts图就不是从X轴起始位置开始的，所以我们就要给X轴加一个虚拟的值’0’，在markLine中也是在赋值起始位置X轴值时，放置虚拟数据，并且设置一个boundaryGap: 0,可以让坐标轴与刻度之间空白变为0，这时标示线就从X轴起始位置开始了，详细属性...
用matplotlib中的scatter方法画散点图
bitcarmanlee的博客
09-14 1万+
1.最简单的绘制方式 绘制散点图是数据分析过程中的常见需求。python中最有名的画图工具是matplotlib，matplotlib中的scatter方法可以方便实现画散点图的需求。下面我们来绘制一个最简单的散点图。 数据格式如下： 0 746403 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值