Вы также можете попробовать Altair или ggpot , которые сфокусированы на декларативной визуализации.
import numpy as np
import pandas as pd
np.random.seed(1974)
# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))
from altair import Chart
c = Chart(df)
c.mark_circle().encode(x='x', y='y', color='label')
from ggplot import *
ggplot(aes(x='x', y='y', color='label'), data=df) +\
geom_point(size=50) +\
theme_bw()
myfield: Proptypes.objectOf (function (propValue, key, componentName, location, propFullName) {if (! /Matchme/.test (propValue [key])) {вернуть новую ошибку ('неверный prop ' + propFullName + '
передан в '+' ' + componentName + '
. Проверка не удалась. ');}})
Вы можете использовать функцию валидатора, подобную этой, чтобы показать ошибку. Ознакомьтесь с документами реагировать.