Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦-Toy模板网

这篇具有很好参考价值的文章主要介绍了Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

版本：2.0.4

官方文档：pyecharts - A Python Echarts Plotting Library built with love.

1.调整三个坐标轴的显示长度

在如下的设置中，X轴(width)和Y轴(depth)长度相同，Z轴要略矮一点

sc = (Scatter3D(init_opts=opts.InitOpts(width="1000px", height="600px")))
sc.options.update(grid3D=opts.Grid3DOpts(width=200, height=100, depth=200))

2.显示多组数据，每组数据用不同颜色区分

方法一：

可以将每个样本点的数据设置为4维，前3个维度对应X-Y-Z坐标，第4个维度对应类别，然后通过全局配置项中的视觉映射配置项，type_设置为color，dimension设置为3（从0开始计数，第4个维度对应索引号3）这样每个类别就是不同的颜色了。

方法二：

通过多次add添加每组数据的图像，每次add时，通过itemstyle_opts，给各组数据设置不同颜色

Scatter3D.add(itemstyle_opts=opts.ItemStyleOpts(color='#5470c6'))

我在实际应用的时候，采用的是方法二，方法一每个样本点只能是一种颜色，在我的数据场景下，某些样本点同时属于多个类别，方法二更适用。

代码示例如下：其中，data为随机生成的，含有3组数据，每组数据有100个点，每个点有5个维度，前3个数对应数值坐标，余下两个维度表征了一些其他信息。

from pyecharts.charts import Scatter3D
import pyecharts.options as opts
import numpy as np

sc = (Scatter3D(init_opts=opts.InitOpts(width="1000px", height="600px")))

color_list = ['#5470c6', '#91cc75', '#fac858', '#ee6666', '#73c0de', '#3ba272', '#fc8452', '#9a60b4', '#ea7ccc',
              '#AB8F39', '#6E338A', '#0537A7', '#119999', '#8C3F21', '#C45D8D', '#037BAD', '#158333', '#659F4B']
data_list = [np.concatenate((np.random.normal(size=(100, 4)), np.ones((100, 1))), axis=1).tolist() for i in range(3)]
name_list = ['A', 'B', 'C', 'D']

# 颜色查询 https://www.fontke.com/tool/rgb/84,112,198


def get_scatter3d(i, sc, name, data):
    sc.add(
        series_name=name,
        data=data,
        xaxis3d_opts=opts.Axis3DOpts(name='X', type_="value"),
        yaxis3d_opts=opts.Axis3DOpts(name='Y', type_="value"),
        zaxis3d_opts=opts.Axis3DOpts(name='Z', type_="value"),
        itemstyle_opts=opts.ItemStyleOpts(color=color_list[i % 18])
    )
    sc.set_global_opts(
        title_opts=opts.TitleOpts(title="Practice 3D图示", pos_top='20'),
        legend_opts=opts.LegendOpts(
            is_show=True,
            type_='scroll',  # plain普通图例，scroll：可以滚动翻页的图例，用于图例较多的情况
            pos_top="20%",
            pos_left='0',  # 图例位置：pos_left,pos_right,pos_top,pos_bottom
            orient="vertical",  # horizontal 或 vertical
        ),
    )


for i, data in enumerate(data_list):
    get_scatter3d(i, sc, name_list[i], data)

sc.options.update(
    grid3D=opts.Grid3DOpts(width=200, height=100, depth=200)
)

sc.render("3d_figure.html")

结果如下：

Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦,数据可视化,python,echarts,数据可视化

当把鼠标悬停在图上某一点时，可以看到，提示信息中含有样本点的5个值，不过后两个值的名称是value，value0，含义不明确，下一步考虑通过opts.TooltipOpts优化提示信息的内容。

Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦,数据可视化,python,echarts,数据可视化

2.设置Tooltip_opts，定制提示信息，formatter采用回调函数

先在全局配置部分增加如下tooltip_opts内容，这部分代码仅用来辅助查看params.data，后续会被替换掉。

        tooltip_opts=opts.TooltipOpts(
            is_always_show_content=True,
            formatter=JsCode(
                """function(params) {
                console.log(params.data);
            }"""
            )
        )

在生成的html图像上，右键点击检查，然后打开控制台，再运行一下代码，可以看到控制台显示如下信息：

Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦,数据可视化,python,echarts,数据可视化

由上述信息可知，params.data是一个数组，将刚才添加的提示框配置改为如下内容，注意return后是反单引号，在键盘数字1左侧，变量用${}包起来，换行使用<br/>。

        tooltip_opts=opts.TooltipOpts(
            is_always_show_content=True,
            formatter=JsCode(
                """function(params) {
                var obj = params.data;
                return `坐标信息: (${obj[0]}, ${obj[1]}, ${obj[2]})<br/>
                指标1: ${obj[3]}<br/>
                指标2: ${obj[4]}<br/>`
            }"""
            )
        ),

增加上述提示框配置后，数据再放到图上，得到的信息如下，是预期的效果。

Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦,数据可视化,python,echarts,数据可视化

参考链接：

当前场景需要采用回调函数，在一些简单场景，formatter也可通过字符串设置，具体方式可参考下方链接1。

【echarts】图表配置tooltip 的formatter，如何获取并显示返回值的其他字段，附示例_echarts tooltip formatter-CSDN博客

用Jupyter Notebook 来调试 pyecharts 中的 formatter 回调函数。_pyecharts formatter-CSDN博客

3.调整图中点透明度

可以在ItemStyleOpts中设置opacity；考虑到图中已经用颜色表示类别，我还希望体现每个样本点在另外一个维度的信息，需要使用类型为Size的视觉映射配置，因而透明度一并在视觉映射配置中设置。

        visualmap_opts=opts.VisualMapOpts(
                range_opacity=0.3,
                type_="size",
                is_calculable=True,
                dimension=3,
                max_=10,
                pos_top="10%",
                pos_left="0",
                range_size=[10, 30],
                textstyle_opts=opts.TextStyleOpts(line_height="14"),
                orient='horizontal'
            )

添加透明度的效果如下：

Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦,数据可视化,python,echarts,数据可视化

4.增加滑动条，可调整坐标轴显示范围 -- 3D场景基于当前版本未调试成功

（1）2D图可以通过设置全局配置项中的datazoom_opts，增加滑块调整坐标轴显示范围

在下面的例子中，我希望增加两个滑块用于X轴和Y轴显示范围的调节，且希望两个滑块都是横向显示的，因而orient都设置为horizontal，不过第一个滑块xaxis_index为0，只控制X轴；第二个滑块yaxis_index为0，只控制Y轴。range_start为0，range_end为100，可以让图像在一开始时显示全部的画面.

from pyecharts import options as opts
from pyecharts.charts import Line

# 创建一个Line图表对象
line_chart = (
    Line(init_opts=opts.InitOpts(width="1000px", height="500px"))
    .add_xaxis(["A", "B", "C", "D"])
    .add_yaxis("Series1", [5, 3, 7, 6])
)

# 将数据区域选项应用到图表上
line_chart.set_global_opts(datazoom_opts=[
    opts.DataZoomOpts(type_="slider", is_show=True, orient="horizontal", xaxis_index=0, pos_bottom="50"
                      , range_start=0, range_end=100),
    opts.DataZoomOpts(type_="slider", is_show=True, orient="horizontal", yaxis_index=0, pos_bottom="10"
                      , range_start=0, range_end=100)
])

# 生成HTML文件并保存
line_chart.render("line_chart.html")

Pyecharts绘制3D散点图：把一个图做精细，就能学到好多啦,数据可视化,python,echarts,数据可视化