python做图表，你会选择altair吗？
文末有送书福利噢！
Altair库作为Python中的一款强大工具，为用户提供了丰富的图表绘制功能。让我们从一个个例子入手，看看它能做到什么程度的图表。
青铜
创建一个简单的散点图：
import altair as alt
import pandas as pd
# 创建示例数据
data = pd.DataFrame({'x': [1, 2, 3, 4, 5], 'y': [6, 7, 8, 9, 10]})
# 绘制散点图
chart = (
alt.Chart(data)
.mark_point()
.encode(x="x", y="y")
.properties(
width=800, # 设置图表宽度为800像素
height=600, # 设置图表高度为600像素
)
)
# 显示图表
chart.save("chart.html")
alt.Chart(data), 函数创建了一个图表对象，传入了示例数据data作为参数.mark_point()方法将图表的标记类型设置为点状，表示我们要创建一个散点图.encode()方法来定义数据的映射关系，将x轴映射到数据中的x列，将y轴映射到数据中的y列chart.save会生成一个 html 文件，用浏览器打开即可看到图表
创建一个简单的柱状图：
import altair as alt
import pandas as pd
# 创建示例数据
data = pd.DataFrame({'category': ['A', 'B', 'C', 'D'], 'value': [10, 20, 15, 25]})
# 绘制柱状图
chart = (
alt.Chart(data)
.mark_bar(width=100)
.encode(x="category", y="value")
.properties(width=1000)
)
# 显示图表
chart.save("chart.html")
- 通过调用不同的
mark_???函数，就可以更换不同的图表类型 mark_bar也可以传入各种参数，width设置了 bar 之间的空隙
白银
创建一个分面散点图：
import altair as alt
import pandas as pd
import numpy as np
# 设置全局配置
alt.renderers.set_embed_options(width=1000, height=600)
# 创建示例数据
np.random.seed(0)
data = pd.DataFrame(
{
"x": np.random.randn(100),
"y": np.random.randn(100),
"category": np.random.choice(["A", "B", "C", "D"], size=100),
"size": np.random.uniform(50, 200, size=100),
}
)
# 绘制分面散点图
chart = (
alt.Chart(data)
.mark_point()
.encode(
x="x",
y="y",
color="category",
size=alt.Size("size", scale=alt.Scale(range=[50, 500])),
tooltip=["x", "y", "category", "size"],
)
.properties(title="Faceted Scatter Plot")
)
# 显示图表
chart.save("chart.html")
.encode中，通过参数color和size指定更多维度变量。可以从图中看出来，不同的颜色代表不同的分类(因为绑定数据源中的category列)。点的大小，代表不同的size列的值tooltip参数，使得当鼠标停在泡泡上面时，会出现提示信息
王者
接下来才是 altair 的核心，还是前面的泡泡图，不过可以缩放平移交互：
import altair as alt
import pandas as pd
# 创建示例数据
data = pd.DataFrame({'x': [1, 2, 3, 4, 5], 'y': [6, 7, 8, 9, 10], 'category': ['A', 'A', 'B', 'B', 'B']})
# 绘制交互式散点图
chart = alt.Chart(data).mark_point().encode(
x='x',
y='y',
color='category',
tooltip=['x', 'y', 'category']
).interactive()
# 显示图表
chart.show()
- 仅仅只需要在图表对象最后，调用
interactive方法即可
多图表交互：
import altair as alt
import pandas as pd
import numpy as np
# 创建示例数据
np.random.seed(0)
data = pd.DataFrame(
{
"x": np.random.randn(100),
"y": np.random.randn(100),
"category": np.random.choice(["A", "B", "C", "D"], size=100),
"size": np.random.uniform(50, 200, size=100),
"color": np.random.choice(["red", "blue", "green"], size=100),
}
)
# 创建区域选择器
brush = alt.selection(type="interval", encodings=["x"])
# 创建分面散点图
scatter_plot = (
alt.Chart(data)
.mark_point()
.encode(
x="x",
y="y",
color="color",
size=alt.Size("size", scale=alt.Scale(range=[50, 500])),
tooltip=["x", "y", "category", "size"],
)
.properties(title="Faceted Scatter Plot", width="container", height=300)
.add_params(brush)
)
# 创建分类变量的柱状图
bar_chart = (
alt.Chart(data)
.mark_bar()
.encode(x="category", y="count()", color="category")
.transform_filter(brush)
.properties(
width="container", # 宽度占满容器
height=150, # 设置高度为150像素
)
.interactive()
)
# 创建图表布局
chart = alt.vconcat(scatter_plot, bar_chart).configure(autosize="fit-x")
# 保存图表为HTML文件
chart.save("chart.html")
看看关键细节：
brush = alt.selection(type='interval', encodings=['x'])
- 这行代码创建了一个区域选择器，类型为
interval，并指定了它仅在 x 轴上生效
scatter_plot = alt.Chart(data).mark_point().encode( # 编码省略...
).properties( # 属性省略...
).add_selection( brush )
- 在散点图的属性中，我们使用
add_selection()方法将区域选择器应用于散点图，使得散点图可以根据选择的区域进行交互。
bar_chart = alt.Chart(data).mark_bar().encode( # 编码省略...
).transform_filter( brush
).properties( # 属性省略...
).interactive()
- 使用了
transform_filter()方法将区域选择器应用于数据，以便根据选择的区域过滤数据。这样当我们在散点图中选择区域时，下方的柱状图会根据所选择的区域显示相应的数据。
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2024-04-10，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读