altair 默认生成无交互的静态图表，需显式调用.interactive()启用缩放平移；探索性功能依赖selection_interval()或selection_point()配合transform_filter()等实现；大数据需预处理避免max_rows报错。
Altair 的声明式语法本身不支持交互式探索（比如拖拽缩放、悬停筛选），它生成的是静态 Vega-Lite JSON；所谓“探索性可视化”，实际依赖 Vega-Lite 运行时在前端（Jupyter、浏览器）中激活的交互能力——你得显式启用，否则图表就是一张图。
交互功能必须手动添加，interactive() 不是默认行为
Altair 默认输出无交互的静态图表。即使你在 Jupyter 中运行，chart.display() 或直接返回 Chart 对象，也不会自动响应鼠标事件。
- 必须显式调用
.interactive()才能启用缩放和平移（pan/zoom），且只对支持的编码通道（如x,y,color）生效 -
.interactive()仅作用于当前图层；若用alt.layer()或alt.concat()组合多个图表，需分别调用或在外层统一加 - 在非 Jupyter 环境（如导出 HTML 文件）中，
.interactive()仍有效，但需确保 Vega-Embed 正确加载——导出时用chart.save("plot.html")即可，不用额外配置
selection_interval() 和 selection_point() 是探索逻辑的核心
真正实现“探索性”（比如刷选、联动过滤、条件高亮）靠的是 selection 对象，不是图表样式设置。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
-
alt.selection_interval()创建矩形框选择器，常用于 x/y 轴范围筛选；绑定后需用transform_filter()或condition()驱动响应 -
alt.selection_point()支持点击多选（配合fields指定依据字段），适合类别型维度的联动高亮 - selection 本身不渲染 UI 元素；要显示选择器控件（如滑块、下拉），得用
bind_range()或bind_select()配合param()，属于高级用法，容易混淆 selection 和 param
数据量大时，max_rows 报错不是 bug，是设计限制
Altair 默认限制 5000 行数据输入，超过会抛出 RuntimeError: Data has more than 5000 rows. ——这不是性能警告，而是为防止前端卡死做的硬性拦截。
- 临时解决：设
alt.data_transformers.enable('default', max_rows=None)，但导出 HTML 后大数据仍可能让浏览器崩溃 - 合理做法：在传入 Altair 前用 Pandas 聚合或采样，例如
df.sample(n=3000, random_state=42)或按时间/分组聚合 - 注意：
max_rows=None不影响 Vega-Lite 渲染逻辑，只绕过 Python 端校验；真实瓶颈在 JSON 序列化体积和浏览器解析速度
Altair 的“声明式”优势在于描述“想要什么”，但交互行为必须靠 selection + transform 显式拼装；漏掉一个 transform_filter() 或误把 selection 当成变量直接 print，就只能看到空白图或报错。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
