Python绘制散点图之可视化神器pyecharts

小满

发布时间：2026-10-15 | 3人浏览过

原创

本文详细介绍如何使用Python库pyecharts绘制散点图。内容涵盖散点图的定义、用途及构成要素，并演示简单散点图、多维数据散点图、带分割线散点图、二维大小散点图、3D散点图、动态涟漪散点图及箭头标志散点图的实现方法，帮助开发者掌握数据可视化的核心技巧。

散点图

什么是散点图？

散点图是数理统计回归分析中，用于展示数据点在直角坐标系平面分布情况的图表。它主要反映因变量随自变量变化的大致趋势，通过这种趋势可以选择合适的函数进行经验分布拟合，从而确定变量间的函数关系。

散点图有什么用处？

1、数据通过图表展示更为直观，在工作汇报等场合能起到事半功倍的效果，使听众更容易接受并理解所处理的数据。
2、散点图属于研究型图表，能够揭示变量之间隐藏的关系，为决策提供重要引导。
3、散点图的核心价值在于发现变量间的关系，这种关系不应简单理解为线性回归。变量间可能存在线性、指数、对数等多种关系，甚至“没有关系”也是一种重要的发现。
4、经过回归分析后，散点图可用于对相关对象进行预测分析，从而支持科学决策，避免模棱两可。例如，医学中的白细胞散点图可为健康检测提供精确分析，为医生的后续判断提供重要技术支持。

散点图的基本构成要素

散点图的主要构成元素包括数据源、横纵坐标轴、变量名以及研究对象。其基本要素是点，即统计的数据，通过观察这些点的分布情况，我们可以洞察变量之间的关系。

通常散点图研究两个变量之间的关系，往往难以满足日常复杂需求。因此，气泡图应运而生，它在散点图基础上增加了变量，通过点的大小或颜色定义第三个变量，提供更丰富的信息。由于图形类似气泡，故得名气泡图。

散点图模板系列

简单散点图

数据量越大，散点图的呈现效果越明显。这也是建模时采用回归拟合的原则：如果数据遵循某种函数关系，可以通过机器学习进行训练，不断迭代以达到最优效果。

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

data = [
[10.0, 8.04],
[8.0, 6.95],
[13.0, 7.58],
[9.0, 8.81],
[11.0, 8.33],
[14.0, 9.96],
[6.0, 7.24],
[4.0, 4.26],
[12.0, 10.84],
[7.0, 4.82],
[5.0, 5.68],
]
data.sort(key=lambda x: x[0])
x_data = [d[0] for d in data]
y_data = [d[1] for d in data]

(
Scatter(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="",
y_axis=y_data,
symbol_size=20,
label_opts=opts.LabelOpts(is_show=False),
)
.set_series_opts()
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="value", splitline_opts=opts.SplitLineOpts(is_show=True)
),
yaxis_opts=opts.AxisOpts(
type_="value",
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
tooltip_opts=opts.TooltipOpts(is_show=False),
)
.render("简单散点图.html")
)

多维数据散点图

在实际应用场景中，散点图有时因数据过多而显得过于密集。我们可能只需了解某一区域的分布数量。虽然柱状图可以解决部分问题，但散点图能更好地反映区域分布及数量趋势变化，可根据具体业务需求选择使用。

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.commons.utils import JsCode
from pyecharts.faker import Faker

c = (
Scatter()
.add_xaxis(Faker.choose())
.add_yaxis(
"类别1",
[list(z) for z in zip(Faker.values(), Faker.choose())],
label_opts=opts.LabelOpts(
formatter=JsCode(
"function(params){return params.value[1] +' : '+ params.value[2];}"
)
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="多维度数据"),
tooltip_opts=opts.TooltipOpts(
formatter=JsCode(
"function (params) {return params.name + ' : ' + params.value[2];}"
)
),
visualmap_opts=opts.VisualMapOpts(
type_="color", max_=150, min_=20, dimension=1
),
)
.render("多维数据散点图.html")
)
print([list(z) for z in zip(Faker.values(), Faker.choose())])

散点图显示分割线

显示分割线的散点图在实现上与之前类似，主要区别在于坐标轴配置中开启了分割线显示功能。

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Faker
c = (
Scatter()
.add_xaxis(Faker.choose())
.add_yaxis("A", Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
)
.render("分割线.html")
)

散点图凸出大小（二维）

利用二维数据展示每个类别的分布状况，图表可显示多个类别，极大地增强了数据的解释效果。

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Faker
c = (
Scatter()
.add_xaxis(Faker.choose())
.add_yaxis("1", Faker.values())
.add_yaxis("2", Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title="标题"),
visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),
)
.render("凸出大小散点图.html")
)

3D散点图展示

动态涟漪散点图

之前的散点图均为静态展示，下面我们将介绍动态散点图的实现方式。

from pyecharts import options as opts
from pyecharts.charts import EffectScatter
from pyecharts.faker import Faker
c = (
EffectScatter()
.add_xaxis(Faker.choose())
.add_yaxis("", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="散点图"))
.render("动态散点图.html")
)

箭头标志散点图

from pyecharts import options as opts
from pyecharts.charts import EffectScatter
from pyecharts.faker import Faker
from pyecharts.globals import SymbolType

c = (
EffectScatter()
.add_xaxis(Faker.choose())
.add_yaxis("", Faker.values(), symbol=SymbolType.ARROW)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("箭头动态散点图.html")
)