妙啊这款 Python 数据可视化工具强的很

发布时间：2022-06-25 11:22 所属栏目：125 来源：互联网

导读：使用 Altair ，你可以将更多时间专注于数据及其含义，下面我将详细介绍：示例这是一个在 JupyterLab 中使用 Altair 快速可视化和显示数据集的示例：复制 import altair as alt # load a simple dataset as a pandas DataFrame from vega_datasets import

　　使用 Altair ，你可以将更多时间专注于数据及其含义，下面我将详细介绍：

　　示例
　　这是一个在 JupyterLab 中使用 Altair 快速可视化和显示数据集的示例：

　　复制
　　import altair as alt
　　# load a simple dataset as a pandas DataFrame
　　from vega_datasets import data
　　cars = data.cars()
　　alt.Chart(cars).mark_point().encode(
　　    x='Horsepower',
　　    y='Miles_per_Gallon',
　　    color='Origin',
　　)

　　源自 Vega-Lite 的 Altair 的独特功能之一是声明性语法，它不仅具有可视化功能，还具有交互性。通过对上面的示例进行一些修改，我们可以创建一个链接的直方图，该直方图根据散点图的选择进行过滤。

　　复制
　　import altair as alt
　　from vega_datasets import data
　　source = data.cars()
　　brush = alt.selection(type='interval')
　　points = alt.Chart(source).mark_point().encode(
　　    x='Horsepower',
　　    y='Miles_per_Gallon',
　　    color=alt.condition(brush, 'Origin', alt.value('lightgray'))
　　).add_selection(
　　    brush
　　)
　　bars = alt.Chart(source).mark_bar().encode(
　　    y='Origin',
　　    color='Origin',
　　    x='count(Origin)'
　　).transform_filter(
　　    brush
　　)
　　points & bars

　　安装方法
　　Altair需要以下依赖项：

　　pandas
　　 traitlets
　　IPython
　　如果已克隆存储库，请从存储库的根目录运行以下命令：

　　复制
　　pip install -e .[dev]

　　如果你不想克隆存储库，则可以使用以下命令进行安装：

　　更多内容详情，可以查看github链接：

　　三大操作
　　接下来，我将详细地介绍 Altair 如何创建过滤、分组和合并操作的可视化对象，可以将其用作探索性数据分析过程的一部分。

　　我们构建两个数据帧的模拟数据。第一个是餐厅订单，第二个是餐厅订单中的商品价格。

　　复制
　　# import libraries
　　import numpy as np
　　import pandas as pd
　　import altair as alt
　　import random
　　# mock data
　　orders = pd.DataFrame({
　　   "order_id": np.arange(1,101),
　　   "item": np.random.randint(1, 50, size=100),
　　   "qty": np.random.randint(1, 10, size=100),
　　   "tip": (np.random.random(100) * 10).round(2)
　　})
　　prices = pd.DataFrame({
　　   "item": np.arange(1,51),
　　   "price": (np.random.random(50) * 50).round(2)
　　})
　　order_type = ["lunch", "dinner"] * 50
　　random.shuffle(order_type)
　　orders["order_type"] = order_type

　　首先，我们创建一个简单的图来 Altair 语法结构。

　　复制
　　alt.Chart(orders).mark_circle(size=50).encode(
　　   x="qty", y="tip", color="order_type"
　　).properties(
　　   title = "Tip vs Quantity"
　　)

　　Altair 基本语法四步曲：

　　将数据传递到 Chart 对象，数据可以采用Pandas数据框或指向json或csv文件的URL字符串的形式。
　　选择可视化的类型（例如 mark_circle，mark_line 等）。
　　encode 编码函数指定在给定数据帧中要绘制的内容。因此，我们在编码函数中编写的任何内容都必须链接到数据帧。
　　使用properties函数指定图的某些属性。
　　考虑这样一种情况，我们需要创建 pirce 和 tip 值的散点图，它们位于不同的数据帧中。一种选择是合并两个数据帧，并在散点图中使用这两列。

　　Altair提供了一种更实用的方法，它允许在其他数据框中查找列，类似 Pandas 的 merge 函数功能相同。

　　复制
　　alt.Chart(orders).mark_circle(size=50).encode(
　　   x="tip", y="price:Q", color="order_type"
　　).transform_lookup(
　　   lookup="item",
　　   from_=alt.LookupData(data=prices, key="item", fields=["price"])
　　).properties(
　　   title = "Price vs Tip"
　　)

　　transform_lookup 函数类似于 Pandas 的 merge 函数。用于匹配观察值的列（即行）将传递给lookup参数。fields参数用于从另一个数据帧中选择所需的列。

　　我们还可以把过滤组件集成到绘图中，让我们绘制价格超过10美元的数据点。

　　复制
　　alt.Chart(orders).mark_circle(size=50).encode(
　　   x="tip", y="price:Q", color="order_type"
　　).transform_lookup(
　　   lookup="item",
　　   from_=alt.LookupData(data=prices, key="item", fields=["price"])
　　).transform_filter(
　　   alt.FieldGTPredicate(field='price', gt=10)
　　).properties(
　　   title = "Price vs Tip"
　　)

　　transform_filter 函数用于过滤。FieldGTPredicate处理"大于"的条件。

　　除了过滤和合并外，Altair 还允许在绘图之前对数据点进行分组。例如，我们可以创建一个条形图来显示每种订单类型的商品平均价格。此外，我们可以对价格低于20美元的商品执行此操作。

　　复制
　　alt.Chart(orders).mark_bar().encode(
　　   y="order_type", x="avg_price:Q"
　　).transform_lookup(
　　   lookup="item",
　　   from_=alt.LookupData(data=prices, key="item", fields=["price"])
　　).transform_filter(
　　   alt.FieldLTPredicate(field='price', lt=20)
　　).transform_aggregate(
　　   avg_price = "mean(price)", groupby = ["order_type"]
　　).properties(
　　   height=200, width=300
　　)

　　让我们详细说明每个步骤：

　　transform_lookup：从价格数据框中查找价格。
　　transform_filter：过滤价格低于20美元的价格。
　　transform_aggregate：按订单类型对价格进行分组并计算均值。
　　结论
　　Altair 与其他常见的可视化库的不同之处在于，它可以无缝地将数据分析组件集成到可视化中，是一款非常实用的数据探索工具。

　　筛选、合并和分组对于探索性数据分析过程至关重要。Altair 允许在创建数据可视化时执行所有这些操作。从这个意义上讲，Altair也可以视为数据分析工具。如果你感兴趣，赶快尝试一下吧。

（编辑：ASP站长网）

妙啊 这款 Python 数据可视化工具强的很

妙啊这款 Python 数据可视化工具强的很