分享一個口碑炸裂的Python視覺化模組，簡單快速入手！ ！

Altair是啥？

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

Altair初體驗

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。

圖表的保存

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：

#Altair之進階操作

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！