大家好，我是Sitin涛哥！
最近看了一篇文章《一个牛逼的Python 可视化库：PyG2Plot》，可惜只是简单介绍，并且只有一个简陋的官方示例。
经过小五一番测试成功复现了其中一个示例图片，还很精致。今天正好把完整过程分享给大家，看看这个新库绘图也可以这么漂亮！
Python可视化新秀
这个Python可视化新秀，在GitHub上是这样介绍的：
🎨 PyG2Plot 是
@AntV/G2Plot在 Python3 上的封装。G2Plot 是一套简单、易用、并具备一定扩展能力和组合能力的统计图表库，基于图形语法理论搭建而成。
不过研究PyG2Plot还得先从G2开始讲，它是蚂蚁金服开源一个基于图形语法，面向数据分析的统计图表引擎。后来又在其基础上，封装出业务上常用的统计图表库——G2Plot。
不过现在Python这么热，几乎每一个nb的前端可视化库，最终都会被用python开发一套生成相应html的库！它也不例外，封装出了Python可视化库——PyG2Plot。
在GitHub上，也提供了一张示例图，我对右下角的散点图比较感兴趣。
结果兴致勃勃地去看示例，这简直买家秀与卖家秀啊！
我不管，我就要右边那个👉
自己动手，丰衣足食
看来还是需要自己动手，那就先安装PyG2Plot库吧
pip install pyg2plot
目前目前 pyg2plot 只提供简单的一个 API，只列出需要的参数
- Plot
- Plot(plot_type: str): 获取
Plot对应的类实例。 - plot.set_options(options: object): 给图表实例设置一个 G2Plot 图形的配置。
- plot.render(path, env, **kwargs): 渲染出一个 HTML 文件，同时可以传入文件的路径，以及 jinja2 env 和 kwargs 参数。
- plot.render_notebook(env, **kwargs): 将图形渲染到 jupyter 的预览。
于是我们可以先导入Plot方法
from pyg2plot import Plot
我们要画散点图
scatter = Plot("Scatter")
下一步就是要获取数据和设置参数plot.set_options()，这里获取数据直接利用requset解析案例json，而参数让我在后面一一道来：
import requests #请求地址 url = "https://gw.alipayobjects.com/os/bmw-prod/0b37279d-1674-42b4-b285-29683747ad9a.json" #发送get请求 a = requests.get(url) #获取返回的json数据,并赋值给data data = a.json()
成功获取解析好的对象集合数据。
下面是对着参数，一顿操作猛如虎：
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中预览的话，则执行下方语句
scatter.render_notebook()
如果想渲染出完整的html的话，则执行下方语句
scatter.render("散点图.html")
看一下成果吧
