手把手教你用ECharts画散点图和气泡图-echarts气泡图教程

[[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。