altair 8800_使用Altair在Python中进行简明数据绘图

altair 8800

Python中可用的绘图库提供了多种根据您的喜好显示数据的方法，无论您是灵活性，设计，易用性还是特定样式。

Altair中的绘图提供了与其他解决方案不同的解决方案，我发现这比绘制完成的比例更简单。感谢Vega （声明性绘图语言），它具有一个优雅的界面，该语言使您可以定义绘图的外观，而不用编写循环和条件语句来构造它们。

流利的绘图

我通过绘制相同的多栏图来比较每个Python绘图库。在继续之前，请注意，您可能需要调整Python环境以使此代码运行，包括以下内容。

安装最新版本的Python（ Linux ， Mac和Windows的说明）
验证Python版本是否与本教程中使用的库兼容

数据可在线获得，并可使用熊猫导入：

 import pandas as pd

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

现在我们准备出发了。作为比较，这是我们在Matplotlib中绘制的图：

Matplotlib图需要16行代码来创建，包括手动计算每个条的位置。

这是在Altair中进行类似绘制的方法：

import altair as alt

chart = alt. Chart ( df ) . mark_bar ( ) . encode ( 
x = 'party' , 
y = 'seats' , 
column = 'year' , 
color = 'party' , 
) 

chart. save ( 'altair-elections.html' )

更简洁！与Seaborn一样，Altair处理的数据每个变量只有一列（ Long Form ）。这使您可以将每个变量映射到绘图的某个方面，Altair称这些方面为“通道”。在我们的示例中，我们希望每个party在x轴上有一个小节，我们希望每个方在y轴上获胜的seats ，并且希望将这些小节按year分组到s column 。我们也想按party给color 。这就是您用语言描述它的方式，而这正是代码中所说的！

这是情节的样子：

调整样式

year组显示在中间，中间有一点空白-这只是Altair多栏图的一个功能，这不是问题。

但是，我们确实要进行其他一些小的样式改进。

非整数值

两个非整数年份名称（ Feb 1974和Oct 1974 Feb 1974 Oct 1974 ）显示为NaN 。我们可以通过将year值转换为字符串来解决这些问题：

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

指定排序顺序

然后，我们还需要告诉Altair如何对数据进行排序。 Altair允许我们通过向其传递Column对象来指定有关column通道的更多详细信息。因此，我们告诉它按照数据在DataFrame中出现的顺序进行排序：

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

删除轴标题

我们通过设置title=None从图的顶部删除了“ year”标签。我们还从每个列中删除“ party”标签：

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

指定色彩图

最后，我们要指定自己的颜色以用于条形图。 Altair使我们可以指定domain值和range颜色之间的映射，这正是我们所需要的：

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 ( ) ) ) ) 
)

带有样式调整的最终代码

在应用了这些样式调整之后，我们的代码看起来就不那么令人愉快了，但是它仍然使用使Altair如此可伸缩的声明性方法。我们仍然将数据中的自变量分配给绘图的各个方面，而不是像在Matplotlib中通常需要执行的那样执行复杂的数据操作。唯一的区别是，变量名现在被包裹在alt.X()这样的对象中，这些对象使我们可以调整它们的显示方式：

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' )

公平地说，与Matplotlib一样，我们现在达到的代码行数（16）与此处使用的相同！

这是应用了样式调整的Altair图：

结论

尽管使用Altair进行绘图所需的代码量与其他库相似，但其声明性绘图语言增加了一层我已逐渐意识到的复杂性。 Altair还提供了一种完全独立的方法来调整和调整样式，从而使该语法不受用于绘图的代码块的影响。考虑使用Python的绘图解决方案时，Altair是另一个很棒的库。您可以在Anvil （使用帐户）上交互式运行此代码，也可以使用此开源运行时本地运行。

---

本文基于Anvil博客上Altair中的 P 抽签，并经允许重复使用。

翻译自: https://opensource.com/article/20/6/altair-python

altair 8800