Python中怎么利用Altair实现数据制图

这篇文章给大家介绍Python中怎么利用Altair实现数据制图，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

创新互联是一家集网站建设,鹤山企业网站建设,鹤山品牌网站建设,网站定制,鹤山网站建设报价,网络营销,网络优化,鹤山网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。

绘图流程

我通过绘制同一个多柱状图比较了多个 Python 绘图库的差异。正式开始之前，你需要将你的 Python 环境调整到能运行下面代码的状态。具体就是：

• 安装最新版的 Python（ Linux、Mac 和 Windows 系统下的安装方法）

• 确认该版本 Python 可以运行本教程所使用的库

演示用数据可从网络下载，并且可以用 pandas 直接导入：

import pandas as pddf = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')

准备开始吧。为了做个比较，先看下面这个用 Matplotlib 做的图：

Matplotlib UK election results

使用 Matplotlib 需要 16 行代码，图柱的位置需要自己计算。

使用 Altair 绘制相似的图，代码如下：

    import altair as alt     chart = alt.Chart(df).mark_bar().encode(        x='party',        y='seats',        column='year',        color='party',    )     chart.save('altair-elections.html')

真是简洁多了！与 Seaborn 类似，Altair 所用数据的组织形式是每个变量一列（即 数据列 ）。这种方式下可以将每个变量映射到图的一个属性上 —— Altair 称之为“通道”。在上例中，我们期望每个 “党派” 在 x 轴上显示为一组图柱， 其 “席位” 显示在 y 轴，且将图柱按照 “年份” 分开为 “列”。我们还想根据 “党派” 给图柱使用不同的 “颜色”。用语言表述需求的话就是上面这个样子，而这也正是代码所要表述的！

现在把图画出来：

Altair plot with default styling

调整样式

这和我们期待的效果有点接近了。与 Matplotlib 方案相比，主要区别在于 Altair 方案中，每个 year 组显示的时候，内部之间都有个小空白 —— 这不是问题，这只是 Altair 多柱状图显示的一个特性。

所以说呢，还需要对显示样式再做一些改进。

非整形数据

两个不是整数的年份名称（Feb 1974 和 Oct 1974）显示为 NaN 了。这可以通过将年份数值 year 转换为字符串来解决：

    df['year'] = df['year'].astype(str)

指定数据排序方法

还需要让 Altair 知道如何对数据进行排序。Altair 允许通过传给它一个 Column 对象，来设定 Column 通道的更多细节。现在让 Altair 按照数据在数据集中出现的顺序排列：

    chart = alt.Chart(df).mark_bar().encode(        # ...        column=alt.Column('year', sort=list(df['year']), title=None),        # ...    )

移除坐标轴标签

我们通过设置 title=None 移除了图顶的 "year" 标签。下面再一处每列数据的 "party" 标签：

    chart = alt.Chart(df).mark_bar().encode(        x=alt.X('party', title=None),        # ...    )

指定颜色图

最后，我们还想自己指定图柱的颜色。Altair 允许建立 domain 中数值与 range 中颜色的映射来实现所需功能，太贴心了：

    cmap = {        'Conservative': '#0343df',        'Labour': '#e50000',        'Liberal': '#ffff14',        'Others': '#929591',    }     chart = alt.Chart(df).mark_bar().encode(        # ...        color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))    )

样式调整后的最终代码

应用上述样式调整之后，代码看起来不那么悦目了，但我们仍然是用声明的方式实现的，这正是 Altair 如此有弹性的原因所在。实现过程中，仍然是使用的异于显示数据的独立变量来分离图中不同属性的，而不是像在 Matplotlib 中那样直接对显示数据做复杂的操作。唯一的不同是，我们的变量名字封装在类似 alt.X() 的对象中，从而实现对显示效果的控制：

    import altair as alt    from votes import long as df     cmap = {        'Conservative': '#0343df',        'Labour': '#e50000',        'Liberal': '#ffff14',        'Others': '#929591',    }     df['year'] = df['year'].astype(str)     # We're still assigning, e.g. 'party' to x, but now we've wrapped it    # in alt.X in order to specify its styling    chart = alt.Chart(df).mark_bar().encode(        x=alt.X('party', title=None),        y='seats',        column=alt.Column('year', sort=list(df['year']), title=None),        color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))    )     chart.save('altair-elections.html')

现在与 Matplotlib 方案扯平了，代码数量达到了 16 行！

下图是使用我们的样式调整方案之后的 Altair 效果图：

关于Python中怎么利用Altair实现数据制图就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。