螞蟻開源，又一超棒的 Python 開源可視化庫
PyG2Plot 可視化
這個Python可視化新秀，在GitHub上是這樣介紹的：
- ?? PyG2Plot 是@AntV/G2Plot 在 Python3 上的封裝。G2Plot 是一套簡單、易用、并具備一定擴展能力和組合能力的統計圖表庫，基于圖形語法理論搭建而成。
不過研究PyG2Plot還得先從G2開始講，它是螞蟻金服開源一個基于圖形語法，面向數據分析的統計圖表引擎。后來又在其基礎上，封裝出業務上常用的統計圖表庫——G2Plot 。
不過現在Python這么熱，幾乎每一個nb的前端可視化庫，最終都會被用python開發一套生成相應html的庫！它也不例外，封裝出了Python可視化庫——PyG2Plot。
在GitHub上，也提供了一張示例圖，我對右下角的散點圖比較感興趣。
結果興致勃勃地去看示例，這簡直買家秀與賣家秀啊！
我不管，我就要右邊那個??
自己動手，豐衣足食
看來還是需要自己動手，那就先安裝PyG2Plot庫吧。
pip install pyg2plot
目前目前 pyg2plot 只提供簡單的一個 API，只列出需要的參數
- Plot
- Plot(plot_type: str): 獲取 Plot 對應的類實例。
- plot.set_options(options: object): 給圖表實例設置一個 G2Plot 圖形的配置。
- plot.render(path, env, **kwargs): 渲染出一個 HTML 文件，同時可以傳入文件的路徑，以及 jinja2 env 和 kwargs 參數。
- plot.render_notebook(env, **kwargs): 將圖形渲染到 jupyter 的預覽。
于是我們可以先導入Plot方法：
from pyg2plot import Plot
我們要畫散點圖：
scatter = Plot("Scatter")
下一步就是要獲取數據和設置參數plot.set_options()，這里獲取數據直接利用requset解析案例json，而參數讓我在后面一一道來：
import requests
#請求地址
url = "https://gw.alipayobjects.com/os/bmw-prod/0b37279d-1674-42b4-b285-29683747ad9a.json"
#發送get請求
a = requests.get(url)
#獲取返回的json數據,并賦值給data
data = a.json()
成功獲取解析好的對象集合數據。
下面是對著參數，一頓操作猛如虎：
scatter.set_options(
{
'appendPadding': 30,
'data': data,
'xField': 'change in female rate',
'yField': 'change in male rate',
'sizeField': 'pop',
'colorField': 'continent',
'color': ['#ffd500', '#82cab2', '#193442', '#d18768','#7e827a'],
'size': [4, 30],
'shape': 'circle',
'pointStyle':{'fillOpacity': 0.8,'stroke': '#bbb'},
'xAxis':{'line':{'style':{'stroke': '#aaa'}},},
'yAxis':{'line':{'style':{'stroke': '#aaa'}},},
'quadrant':{
'xBaseline': 0,
'yBaseline': 0,
'labels': [
{'content': 'Male decrease,\nfemale increase'},
{'content': 'Female decrease,\nmale increase'},
{'content': 'Female & male decrease'},
{'content': 'Female &\n male increase'}, ],},
})
如果在Jupyter notebook中預覽的話，則執行下方語句：
scatter.render_notebook()
如果想渲染出完整的html的話，則執行下方語句：
scatter.render("散點圖.html")
看一下成果吧。
參數解析&完整代碼
各位看官，這塊可能比較無聊，可以直接劃到文末或者點擊收藏。
主要還是詳解一下剛才scatter.set_options()里的參數，方便大家后續自己改造！
分成幾個部分一點一點解釋：
參數解釋
'appendPadding': 30, #①
'data': data, #②
'xField': 'change in female rate', #③
'yField': 'change in male rate',
①圖表在上右下左的間距，加不加這個參數具體看下圖：
②設置圖表數據源（其中data在前面已經賦值了），這里的數據源為對象集合，例如：[{ time: '1991'，value: 20 }, { time: '1992'，value: 20 }]。
③xField和yField這兩個參數分別是橫/縱向的坐標軸對應的字段。
參數解釋
'sizeField': 'pop', #④
'colorField': 'continent', #⑤
'color': ['#ffd500', '#82cab2', '#193442', '#d18768','#7e827a'], #⑥
'size': [4, 30], #⑦
'shape': 'circle', #⑧
④指定散點大小對應的字段名，我們用的pop（人口）字段。
⑤指定散點顏色對應的字段名，我們用的continent（洲）字段。
⑥設置散點的顏色，指定了系列色值。
⑦設置散點的大小，可以指定大小數組 [minSize, maxSize]
⑧設置點的形狀，比如cicle、square
參數解釋
'pointStyle':{'fillOpacity': 0.8,'stroke': '#bbb'}, #⑨
'xAxis':{'line':{'style':{'stroke': '#aaa'}},}, #⑩
'yAxis':{'line':{'style':{'stroke': '#aaa'}},},
⑨pointStyle是指折線樣式，不過在散點圖里，指的是散點的描邊。另外fillOpacity是設置透明度，stroke是設置描邊顏色。
⑩這里只是設置了坐標軸線的顏色。
參數解釋
'quadrant':{
'xBaseline': 0,
'yBaseline': 0,
'labels': [
{'content': 'Male decrease,\nfemale increase'},
{'content': 'Female decrease,\nmale increase'},
{'content': 'Female & male decrease'},
{'content': 'Female &\n male increase'}, ],},
quadrant是四象限組件，具體細分配置如下：
細分配置 | 功能描述 |
xBaseline | x 方向上的象限分割基準線，默認為 0 |
yBaseline | y 方向上的象限分割基準線，默認為 0 |
labels | 象限文本配置 |
PyG2Plot的介紹文檔還不完善，上文中的很多參數是摸索的，大家作為參考就好。
PyG2Plot 原理其實非常簡單，其中借鑒了 pyecharts 的實現，但是因為螞蟻金服的 G2Plot 完全基于可視分析理論的配置式結構，所以封裝上比 pyecharts 簡潔非常非常多。
