Altair被稱為是統計視覺化庫,因為它可以透過分類匯總、數據變換、數據交互、圖形複合等方式全面地認識數據、理解和分析數據,並且其安裝的過程也是十分的簡單,直接透過pip指令來執行,如下:
pip install altair pip install vega_datasets pip install altair_viewer
如果使用的是conda套件管理器來安裝Altair模組的話,程式碼如下:
conda install -c conda-forge altair vega_datasets
我們先簡單地來嘗試繪製一個直方圖,先建立一個DataFrame資料集,程式碼如下:
df = pd.DataFrame({"brand":["iPhone","Xiaomi","HuaWei","Vivo"], "profit(B)":[200,55,88,60]})
接下來便是繪製直方圖的程式碼:
import altair as alt import pandas as pd import altair_viewer chart = alt.Chart(df).mark_bar().encode(x="brand:N",y="profit(B):Q") # 展示数据,调用display()方法 altair_viewer.display(chart,inline=True)
output
#從整個的語法結構來看,先使用alt.Chart()指定使用的資料集,然後使用實例方法mark_*()繪圖圖表的樣式,最後指定X軸和Y軸所代表的數據,可能大家會感到好奇,當中的N以及Q分別代表的是什麼,這個是變數類型的縮寫形式,換句話說,Altair模組需要了解繪製圖形所涉及的變數類型,只有這樣,繪製的圖形才是我們所期望的效果。
其中的N代表的是名目型的變數(Nominal),例如手機的品牌都是一個個專有名詞,而Q代表的是數值型變數(Quantitative),可以分成離散型數據(discrete)和連續型數據(continuous),除此之外還有時間序列型數據,縮寫是T以及次序型變數(O),例如在網購過程當中的對商家的評級有1-5個星級。
最後的圖表的保存,我們可以直接呼叫save()方法來保存,將物件保存成HTML文件,程式碼如下:
chart.save("chart.html")
也可以儲存成JSON文件,從程式碼來看十分的相類似。
chart.save("chart.json")
當然我們也能夠保存成圖片格式的文件,如下圖所示:
我們在上面的基礎之上,進一步的衍生和拓展,例如我們想要繪製一張水平方向的條形圖,X軸和Y軸的數據互換,代碼如下:
chart = alt.Chart(df).mark_bar().encode(x="profit(B):Q", y="brand:N") chart.save("chart1.html")
output
同時我們也來嘗試繪製一張折線圖,呼叫的是mark_line()方法程式碼如下:
## 创建一组新的数据,以日期为行索引值 np.random.seed(29) value = np.random.randn(365) data = np.cumsum(value) date = pd.date_range(start="20220101", end="20221231") df = pd.DataFrame({"num": data}, index=date) line_chart = alt.Chart(df.reset_index()).mark_line().encode(x="index:T", y="num:Q") line_chart.save("chart2.html")
output
我們也可以來繪製一張甘特圖,通常在專案管理上面用到的比較多,X軸添加的是時間日期,而Y軸上表示的則是專案的進展,程式碼如下:
project = [{"project": "Proj1", "start_time": "2022-01-16", "end_time": "2022-03-20"}, {"project": "Proj2", "start_time": "2022-04-12", "end_time": "2022-11-20"}, ...... ] df = alt.Data(values=project) chart = alt.Chart(df).mark_bar().encode( alt.X("start_time:T", axis=alt.Axis(format="%x", formatType="time", tickCount=3), scale=alt.Scale(domain=[alt.DateTime(year=2022, month=1, date=1), alt.DateTime(year=2022, month=12, date=1)])), alt.X2("end_time:T"), alt.Y("project:N", axis=alt.Axis(labelAlign="left", labelFontSize=15, labelOffset=0, labelPadding=50)), color=alt.Color("project:N", legend=alt.Legend(labelFontSize=12, symbolOpacity=0.7, titleFontSize=15))) chart.save("chart_gantt.html")
output
從上圖我們看到團隊當中正在做的幾個項目,每個項目的進展程度不同,當然了,不同項目的時間跨度也不盡相同,表現在圖表上面的話就顯得十分的直觀了。
緊接著,我們再來繪製散佈圖,呼叫的是mark_circle()方法,程式碼如下:
df = data.cars() ## 筛选出地区是“USA”也就是美国的乘用车数据 df_1 = alt.Chart(df).transform_filter( alt.datum.Origin == "USA" ) df = data.cars() df_1 = alt.Chart(df).transform_filter( alt.datum.Origin == "USA" ) chart = df_1.mark_circle().encode( alt.X("Horsepower:Q"), alt.Y("Miles_per_Gallon:Q") ) chart.save("chart_dots.html")
output
當然我們可以將其進一步的優化,讓圖表顯得更加美觀一些,添加一些顏色上去,代碼如下:
chart = df_1.mark_circle(color=alt.RadialGradient("radial",[alt.GradientStop("white", 0.0), alt.GradientStop("red", 1.0)]), size=160).encode( alt.X("Horsepower:Q", scale=alt.Scale(zero=False,padding=20)), alt.Y("Miles_per_Gallon:Q", scale=alt.Scale(zero=False,padding=20)) )
output
我們更改散點的大小,不同散點的大小代表不同的值,程式碼如下:
chart = df_1.mark_circle(color=alt.RadialGradient("radial",[alt.GradientStop("white", 0.0), alt.GradientStop("red", 1.0)]), size=160).encode( alt.X("Horsepower:Q", scale=alt.Scale(zero=False, padding=20)), alt.Y("Miles_per_Gallon:Q", scale=alt.Scale(zero=False, padding=20)), size="Acceleration:Q" )
output
#以上是分享一個口碑炸裂的Python視覺化模組,簡單快速入手! !的詳細內容。更多資訊請關注PHP中文網其他相關文章!