python绘制散点图、在窗口显示_Python交互图表可视化Bokeh：3. 散点图

标签：

散点图

① 基本散点图绘制

② 散点图颜色、大小设置方法

③ 不同符号的散点图

1. 基本散点图绘制

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

% matplotlib inline

import warnings

warnings.filterwarnings('ignore')

# 不发出警告

from bokeh.io import output_notebook

output_notebook()

# 导入notebook绘图模块

from bokeh.plotting import figure,show

# 导入图表绘制、图标展示模块

# 1、基本散点图绘制

s = pd.Series(np.random.randn(80))

# 创建数据

p = figure(plot_width=600, plot_height=400)

p.circle(s.index, s.values, # x，y值，也可以写成：x=s.index, y = s.values

size=25, color="navy", alpha=0.5, # 点的大小、颜色、透明度（注意，这里的color是线+填充的颜色，同时线和填充可以分别上色，参数如下）

fill_color = 'red',fill_alpha = 0.6, # 填充的颜色、透明度

line_color = 'black',line_alpha = 0.8,line_dash = 'dashed',line_width = 2, # 点边线的颜色、透明度、虚线、宽度

# 同时还有line_cap、line_dash_offset、line_join参数

legend = 'scatter-circle', # 设置图例

#radius = 2 # 设置点的半径，和size只能同时选一个

)

# 创建散点图，基本参数

# bokeh对line和fill是同样的设置方法

p.legend.location = "bottom_right"

# 设置图例位置

show(p)

2. 散点图不同 颜色上色/散点大小 的方法

# 2、散点图不同 颜色上色/散点大小 的方法

# ① 数据中有一列专门用于设置颜色 / 点大小

from bokeh.palettes import brewer

rng = np.random.RandomState(1)

df = pd.DataFrame(rng.randn(100,2)*100,columns = ['A','B'])

# 创建数据，有2列随机值

df['size'] = rng.randint(10,30,100) # 设置点大小字段

# colormap1 = {1: 'red', 2: 'green', 3: 'blue'}

# df['color1'] = [colormap1[x] for x in rng.randint(1,4,100)] # 调色盘1；

df['color1'] = np.random.choice(['red', 'green', 'blue'], 100) #跟上面两行是一样的； 这两种都是在本身的数据中增加size和color1标签，再去绘制图标；

print(df.head())

p = figure(plot_width=600, plot_height=400)

p.circle(df['A'], df['B'], # 设置散点图x，y值

line_color = 'white', # 设置点边线为白色

fill_color = df['color1'],fill_alpha = 0.5, # 设置内部填充颜色，这里用到了颜色字段

size = df['size'] # 设置点大小，这里用到了点大小字段,按照size的随机数去设置点的大小

)

show(p)

n = 8

colormap2 = brewer['Blues'][n]

print(colormap2)

df['color2'] = [colormap2[x] for x in rng.randint(0,n,100)] # 通过调色盘2的方式

print(df.head())

# # 设置颜色字段

# # 通过字典/列表，识别颜色str

# # 这里设置了两个调色盘，第二个为蓝色渐变

p = figure(plot_width=600, plot_height=400)

p.circle(df['A'], df['B'], # 设置散点图x，y值

line_color = 'white', # 设置点边线为白色

fill_color = df['color2'],fill_alpha = 0.5, # 设置内部填充颜色，这里用到了颜色字段

size = df['size'] # 设置点大小，这里用到了点大小字段,按照size的随机数去设置点的大小

)

show(p)

# 2、散点图不同 颜色上色/散点大小 的方法

# ② 遍历数据分开做图

rng = np.random.RandomState(1)

df = pd.DataFrame(rng.randn(100,2)*100,columns = ['A','B'])

df['type'] = rng.randint(0,7,100)

print(df.head())

# 创建数据；type是做不同类别的一个分组

colors = ["red", "olive", "darkred", "goldenrod", "skyblue", "orange", "salmon"]

# 创建颜色列表

p1 = figure(plot_width=600, plot_height=400)

p2 = figure(plot_width=600, plot_height=400)

p3 = figure(plot_width=600, plot_height=400)

plst = [p1, p2, p3]

# for t in df['type'].unique():

for t,pi in zip(df['type'].unique()[:3], plst):

#p = figure(plot_width=600, plot_height=400,tools = "pan,wheel_zoom,box_select,lasso_select,reset")

pi.circle(df['A'][df['type'] == t], df['B'][df['type'] == t], # 设置散点图x，y值

size = 20,alpha = 0.5,

color = colors[t],

legend = 'type%i' % t)

show(pi)

# 通过分类设置颜色

3. 不同符号的散点图

# 3、不同符号的散点图

# asterisk(), circle(), circle_cross(), circle_x(), cross(), diamond(), diamond_cross(), inverted_triangle()

# square(), square_cross(), square_x(), triangle(), x()

p = figure(plot_width=600, plot_height=400,x_range = [0,3], y_range = [0,7])

p.circle_cross(1, 1, size = 30, alpha = 0.5, legend = 'circle_cross')

p.asterisk(1, 2, size = 30, alpha = 0.5, legend = 'asterisk')

p.circle_x(1, 3, size = 30, alpha = 0.5, legend = 'circle_x')

p.cross(1, 4, size = 30, alpha = 0.5, legend = 'cross')

p.diamond(1, 5, size = 30, alpha = 0.5, legend = 'diamond')

p.diamond_cross(1, 6, size = 30, alpha = 0.5, legend = 'diamond_cross')

p.inverted_triangle(2, 1, size = 30, alpha = 0.5, legend = 'inverted_triangle')

p.square(2, 2, size = 30, alpha = 0.5, legend = 'square')

p.square_cross(2, 3, size = 30, alpha = 0.5, legend = 'square_cross')

p.square_x(2, 4, size = 30, alpha = 0.5, legend = 'square_x')

p.triangle(2, 5, size = 30, alpha = 0.5, legend = 'triangle')

p.x(2, 6, size = 30, alpha = 0.5, legend = 'x')

p.legend.location = "bottom_right"

# 设置图例位置

show(p)

# 详细参数可参考文档：http://bokeh.pydata.org/en/latest/docs/reference/plotting.html#bokeh.plotting.figure.Figure.circle

标签：

来源： https://www.cnblogs.com/shengyang17/p/9736757.html