显示散点图。
这是围绕st.altair_chart的语法糖。主要区别在于此命令使用数据自身的列和索引来确定图表的Altair规范。因此，在许多“只需绘制此图”的场景中，这更容易使用，但自定义性较差。
如果 st.scatter_chart 没有正确猜测数据规范，请尝试使用 st.altair_chart 指定您想要的图表。
| 函数签名[source] | |
|---|---|
st.scatter_chart(data=None, *, x=None, y=None, x_label=None, y_label=None, color=None, size=None, width=None, height=None, use_container_width=True) | |
| 参数 | |
data (Anything supported by st.dataframe) | 要绘制的数据。 |
x (str or None) | 与x轴数据关联的列名或键。如果x是None（默认值），Streamlit将使用数据索引作为x轴值。 |
y (str, 字符串序列, 或 None) | 与y轴数据相关联的列名或键。如果这是None（默认值），Streamlit 会将所有剩余列的数据绘制为数据系列。如果这是一个字符串Sequence，Streamlit 会在后台将您的宽格式表格转换为长格式表格，从而在同一图表上绘制多个系列。 |
x_label (str or None) | x轴的标签。如果这是None（默认值），Streamlit将使用x中指定的列名（如果可用），否则将不显示标签。 |
y_label (str or None) | y轴的标签。如果这是None（默认值），Streamlit将使用y中指定的列名（如果有），否则将不显示标签。 |
color (str, tuple, Sequence of str, Sequence of tuple, or None) | The color of the circles representing each datapoint. This can be:
If the dataframe is in wide format (that is, y is a Sequence of columns), this can also be:
|
size (str, float, int, or None) | 表示每个点的圆圈的大小。 这可以是：
|
width (int or None) | 图表所需的宽度，以像素表示。如果 width 是 None（默认值），Streamlit 会根据绘图库将图表的宽度设置为适合其内容，最大不超过父容器的宽度。如果 width 大于父容器的宽度，Streamlit 会将图表宽度设置为与父容器的宽度匹配。 要使用 width，必须设置 use_container_width=False。 |
height (int or None) | 图表所需的高度，以像素表示。如果height是None（默认值），Streamlit会根据绘图库自动调整图表的高度以适应其内容。 |
use_container_width (bool) | 是否用父容器的宽度覆盖width。如果use_container_width为True（默认），Streamlit会将图表的宽度设置为与父容器的宽度匹配。如果use_container_width为False，Streamlit会根据width设置图表的宽度。 |
示例
import streamlit as st import pandas as pd import numpy as np chart_data = pd.DataFrame(np.random.randn(20, 3), columns=["a", "b", "c"]) st.scatter_chart(chart_data)您还可以选择不同的列用于x和y，并根据第三列动态设置颜色（假设您的数据框是长格式）：
import streamlit as st import pandas as pd import numpy as np chart_data = pd.DataFrame( np.random.randn(20, 3), columns=["col1", "col2", "col3"] ) chart_data["col4"] = np.random.choice(["A", "B", "C"], 20) st.scatter_chart( chart_data, x="col1", y="col2", color="col4", size="col3", )最后，如果你的数据框是宽格式的，你可以在y参数下对多列进行分组，以显示不同颜色的多个系列：
import streamlit as st import pandas as pd import numpy as np chart_data = pd.DataFrame( np.random.randn(20, 4), columns=["col1", "col2", "col3", "col4"] ) st.scatter_chart( chart_data, x="col1", y=["col2", "col3"], size="col4", color=["#FF0000", "#0000FF"], # Optional )
| 函数签名[source] | |
|---|---|
element.add_rows(data=None, **kwargs) | |
| 参数 | |
data (pandas.DataFrame, pandas.Styler, pyarrow.Table, numpy.ndarray, pyspark.sql.DataFrame, snowflake.snowpark.dataframe.DataFrame, Iterable, dict, or None) | 要连接的表格。可选。 |
**kwargs (pandas.DataFrame, numpy.ndarray, Iterable, dict, or None) | 要连接的有名称的数据集。可选。你只能传入1个数据集（包括在data参数中的那个）。 |
示例
import streamlit as st import pandas as pd import numpy as np df1 = pd.DataFrame( np.random.randn(50, 20), columns=("col %d" % i for i in range(20)) ) my_table = st.table(df1) df2 = pd.DataFrame( np.random.randn(50, 20), columns=("col %d" % i for i in range(20)) ) my_table.add_rows(df2) # Now the table shown in the Streamlit app contains the data for # df1 followed by the data for df2.你可以对图表做同样的事情。例如，如果你想在折线图中添加更多数据：
# Assuming df1 and df2 from the example above still exist... my_chart = st.line_chart(df1) my_chart.add_rows(df2) # Now the chart shown in the Streamlit app contains the data for # df1 followed by the data for df2.对于数据集已命名的图表，您可以使用关键字参数传递数据，其中键是名称：
my_chart = st.vega_lite_chart( { "mark": "line", "encoding": {"x": "a", "y": "b"}, "datasets": { "some_fancy_name": df1, # <-- named dataset }, "data": {"name": "some_fancy_name"}, } ) my_chart.add_rows(some_fancy_name=df2) # <-- name used as keyword
还有问题吗？
我们的 论坛 充满了有用的信息和Streamlit专家。