手把手教你用ECharts画散点图和气泡图 |
您所在的位置:网站首页 › 气泡图的概念 › 手把手教你用ECharts画散点图和气泡图 |
[[403872]]
本文转载自微信公众号「大数据DT」,作者王大伟。转载本文请联系大数据DT公众号。 01 散点图散点图是一种基础的可视化图,在ECharts中,制作散点图时需要将series中type参数值设置为scatter,一幅简单的散点图如图4-17所示。这里省略了很多组件,感兴趣的读者可以自行查阅。 ▲图4-17 散点图 代码如下: option = { xAxis: {}, yAxis: {}, series: [{ data: [ [2.0, 8.04], [3.0, 6.95], [23.0, 7.58], [18.0, 8.81], [12.0, 8.33], [4.0, 9.96], [16.0, 7.24], [14.0, 4.26], [12.0, 10.84], [10.0, 4.82], [7.0, 5.68] ], type: 'scatter' }] };需要注意的是,图4-17的散点图是在二维直角坐标系上绘制的,所以每个点需要用两个维度表示,同时要注意data参数中的数据结构,这和之前几种可视化的数据结构差异较大。 我们常常需要将不同类别的散点展现在同一张图中,按照之前几幅图的学习经验,只需要在series中增加新的数据即可,代码如下: option = { xAxis: {}, yAxis: {}, legend: { data: ['类别1','类别2'] }, series: [{ name: '类别1', data: [ [2.0, 8.04], [3.0, 6.95], [23.0, 7.58], [18.0, 8.81], [12.0, 8.33], [4.0, 9.96], [16.0, 7.24], [14.0, 4.26], [12.0, 10.84], [10.0, 4.82], [7.0, 5.68] ], type: 'scatter' }, { name: '类别2', data: [ [1.0, 2.04], [2.0, 15.95], [26.0, 17.58], [13.0, 7.81], [22.0, 5.33], [14.0, 9.96], [6.0, 4.24], [4.0, 4.26], [22.0, 13.84], [16.0, 14.82], [17.0, 15.68] ], type: 'scatter' } ] };这里为数据赋予了name参数,所以可以使用legend区分两种散点。 可视化结果如图4-18所示。 ▲图4-18 多类别的散点图 02 气泡图气泡图和散点图类似,区别是二维散点图展现的是两个维度信息,而二维气泡图可以展现三个维度的信息,因为多了一个展示气泡大小的维度信息。 我们修改散点图的代码,在类别1的数据中增加一个维度数据作为气泡大小,这里会使用到function函数功能,函数返回当前气泡信息(三维数据)的第三个维度数据,也就是气泡的大小,需要注意的是,data[2]代表第三维数据,因为是从data[0]开始计算。具体代码如下: option = { xAxis: {}, yAxis: {}, legend: { data: ['类别1','类别2'] }, series: [{ name: '类别1', data: [ [2.0, 8.04, 10], [3.0, 6.95, 20], [23.0, 7.58, 30], [18.0, 8.81, 15], [12.0, 8.33, 16], [4.0, 9.96, 5], [16.0, 7.24, 18], [14.0, 4.26, 35], [12.0, 10.84, 20], [10.0, 4.82, 50], [7.0, 5.68, 13] ], symbolSize: function (data) { return data[2]; }, type: 'scatter' }, { name: '类别2', data: [ [1.0, 2.04], [2.0, 15.95], [26.0, 17.58], [13.0, 7.81], [22.0, 5.33], [14.0, 9.96], [6.0, 4.24], [4.0, 4.26], [22.0, 13.84], [16.0, 14.82], [17.0, 15.68] ], type: 'scatter' } ] };可视化结果如图4-19所示,类别1的气泡大小不一,而类别2的气泡大小相同,为一般散点图。 ▲图4-19 气泡图 关于作者:王大伟,毕业于华东理工大学,硕士学历,目前就职于平安金融壹账通,从事数据挖掘算法工作,擅长ECharts、Python、自然语言处理、数据分析挖掘、机器学习。曾获微软最有价值专家(MVP)荣誉称号。
本文摘编自《ECharts数据可视化:入门、实战与进阶》,经出版方授权发布。
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |