Python下使用Altair数据制图

Altair 作为一个 Python 数据制图库，提供了优雅的接口及自有的绘图语言。

创新互联是专业的网站建设公司,提供网站建设,网站制作,网站设计等网站开发一体化解决方案;包括H5页面制作,成都小程序开发,网站定制,企业网站建设,商城网站制作,成都响应式网站建设公司,建网站,PHP网站建设,软件开发，软文发稿，网站营销。欢迎做网站的企业前来合作洽谈,创新互联将竭诚为您服务!

Python 中的 绘图库 提供了呈现数据的多种方式，可以满足你不同的偏好，如灵活性、布局、易用性，或者特殊的风格。

和其它方式相比，我发现，Altair 提供的是一种不同的解决方案，且总体而言使用起来更为简单。得益于声明式的绘图语言 Vega，Altair 拥有一套优雅的接口，可以直接定义要绘的图应该是什么样子，而不是通过写一大堆循环和条件判断去一步步构建。

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：

 
 
 
 
    
  
  
  
  
  1. import pandas as pd
    2. 
  
  
  
  
  2. df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')
    3.

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：

 
 
 
 
    
  
  
  
  
  1.     import altair as alt
    2. 
  
  
  
  
  2. 
  
  
  
  
  3.     chart = alt.Chart(df).mark_bar().encode(
    4. 
  
  
  
  
  4.         x='party',
    5. 
  
  
  
  
  5.         y='seats',
    6. 
  
  
  
  
  6.         column='year',
    7. 
  
  
  
  
  7.         color='party',
    8. 
  
  
  
  
  8.     )
    9. 
  
  
  
  
  9. 
  
  
  
  
  10.     chart.save('altair-elections.html')
    11.

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：

 
 
 
 
    
  
  
  
  
  1.     df['year'] = df['year'].astype(str)
    2.

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：

 
 
 
 
    
  
  
  
  
  1.     chart = alt.Chart(df).mark_bar().encode(
    2. 
  
  
  
  
  2.         # ...
    3. 
  
  
  
  
  3.         column=alt.Column('year', sort=list(df['year']), title=None),
    4. 
  
  
  
  
  4.         # ...
    5. 
  
  
  
  
  5.     )
    6.

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：

 
 
 
 
    
  
  
  
  
  1.     chart = alt.Chart(df).mark_bar().encode(
    2. 
  
  
  
  
  2.         x=alt.X('party', title=None),
    3. 
  
  
  
  
  3.         # ...
    4. 
  
  
  
  
  4.     )
    5.

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：

 
 
 
 
    
  
  
  
  
  1.     cmap = {
    2. 
  
  
  
  
  2.         'Conservative': '#0343df',
    3. 
  
  
  
  
  3.         'Labour': '#e50000',
    4. 
  
  
  
  
  4.         'Liberal': '#ffff14',
    5. 
  
  
  
  
  5.         'Others': '#929591',
    6. 
  
  
  
  
  6.     }
    7. 
  
  
  
  
  7. 
  
  
  
  
  8.     chart = alt.Chart(df).mark_bar().encode(
    9. 
  
  
  
  
  9.         # ...
    10. 
  
  
  
  
  10.         color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
    11. 
  
  
  
  
  11.     )
    12.

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：

 
 
 
 
    
  
  
  
  
  1.     import altair as alt
    2. 
  
  
  
  
  2.     from votes import long as df
    3. 
  
  
  
  
  3. 
  
  
  
  
  4.     cmap = {
    5. 
  
  
  
  
  5.         'Conservative': '#0343df',
    6. 
  
  
  
  
  6.         'Labour': '#e50000',
    7. 
  
  
  
  
  7.         'Liberal': '#ffff14',
    8. 
  
  
  
  
  8.         'Others': '#929591',
    9. 
  
  
  
  
  9.     }
    10. 
  
  
  
  
  10. 
  
  
  
  
  11.     df['year'] = df['year'].astype(str)
    12. 
  
  
  
  
  12. 
  
  
  
  
  13.     # We're still assigning, e.g. 'party' to x, but now we've wrapped it
    14. 
  
  
  
  
  14.     # in alt.X in order to specify its styling
    15. 
  
  
  
  
  15.     chart = alt.Chart(df).mark_bar().encode(
    16. 
  
  
  
  
  16.         x=alt.X('party', title=None),
    17. 
  
  
  
  
  17.         y='seats',
    18. 
  
  
  
  
  18.         column=alt.Column('year', sort=list(df['year']), title=None),
    19. 
  
  
  
  
  19.         color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
    20. 
  
  
  
  
  20.     )
    21. 
  
  
  
  
  21. 
  
  
  
  
  22.     chart.save('altair-elections.html')
    23.

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：

The Altair plot with our custom styling

结论

尽管在代码数量上，使用 Altair 绘图没有表现出优势，但它的声明式绘图语言使得对图层的操控更为精密，这是我比较欣赏的。Altair 还提供了清晰而独立的方式来调校显示样式，这使得 相关代码与绘图的代码块分离开来。Altair 确实是使用 Python 绘图时又一个很棒的工具库。

当前文章：Python下使用Altair数据制图
分享URL：http://www.mswzjz.cn/qtweb/news16/47016.html

攀枝花网站建设、攀枝花网站运维推广公司-贝锐智能，是专注品牌与效果的网络营销公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 贝锐智能

贝锐智能技术为您推荐以下文章

全网营销推广知识

各行业网站

云主机　　 　重庆水土三线托管　　 　成都企业网站建设公司　　 　400电话办理　　 　成都小程序开发公司　　 　西部信息机房　　 　成都小程序商城　　 　汕尾凯敏网站　　 　成都网站推广公司　　 　成都网站维护　　 　成都网站设计　　 　四川网站建设　　 　大橙子建站　　 　成都机柜租用　　 　化妆品企业网站建设方案　　 　橡塑保温材料　　 　成都网站制作　　 　手机网站制作　　 　软文推广　　 　遂宁做网站