原作者Parul Pandey

晓编译整理

量子出品|公众号QbitAI

将数据转换为更直观的图像有助于理解数据背后的真相。如果您有这种需求，并且仍在使用Python，强烈建议您尝试Altair。

Altair是一个专门为Python编写的可视软件包，使数据科学家可以更加关注数据本身及其内部的联系。

Altair由华盛顿大学数据科学家甜甜的可乐Vanderplas撰写，目前在千兆赫布获得3000多颗星星。

最近，Medium的姐姐Parul Pandey分享了Altair入门教程，希望对从事数据科学的用户有所帮助。量子位编译整理了主要内容。

使用教程

Parul以汽车数据为例，将汽车数据集“cars”加载到Altair中。

cars包含汽车生产年、油耗、原产国等9个数据，将这些内容可视化处理。

安装和导入Altair软件包

除Altair及其依赖软件外，还必须安装其他前端工具，如Jupyter Notebook、JupyterLab和Colab。

保罗姐姐建议安装JupyterLab :

$ pip install-ualtairvega _ datasetsjupyterlab

需要注意的是，Altair教程文档还包含vega数据集，因此也需要一起安装。

然后在终端上输入“jupyter lab”，即可在浏览器中自动打开。

请不要忘记将Altair导入代码的开头：

import altair as alt

以上准备完成后，我们可以开始画画了

开始绘制图表

Altair的基本对象是Chart，它将数据框用作一个参数。可以这样定义：

是chart=alt.chart(cars )

Chart有三种基本方法：数据(data )、标记)和编码。使用的格式如下。

alt.chart (数据).mark_point ).encode (

编码_1=' column _1'，

编码_2=' column _2'，

# etc.)

正如名称所示，数据直接导入cars数据集即可。标记和编码决定了图表的样式。现在，我将集中讨论这两个部分。

标记可以在图中以各种形式表示数据点，包括填充点、空心圆和方形。

如果只调用此方法，则所有数据点都将重叠。

这显然没有意义，还需要用于指定图像具体内容的代码。常用的代码如下

x: x轴的数值

y: y轴的数值

color:标记点颜色

opacity:标记点透明度

形状：标记点的形状

size:标记点的大小

row:行图像

按column:列列出的图像

以汽车油耗为例，在一维散点图中绘制所有汽车的数据，并将x轴指定为油耗：

alt.chart(cars ).mark_point ).encode (

x='Miles_per_Gallon '

）

但是，mark_point ) )时，所有标记点都将混合在一起。为了便于查看图像，可以将其替换为棒状标记点mark_tick )。

alt.chart(cars ).mark_tick ).encode (

x='Miles_per_Gallon '

）

c-img-caption">

以耗油量为X轴、马力为Y轴，绘制所有汽车的分布，就得到一张二维图像：

alt.Chart(cars).mark_line().encode( x='Miles_per_Gallon', y='Horsepower' )

给图表上色

前面我们已经学会了绘制二维图像，如果能给不同组的数据分配不同的颜色，就相当于给数据增加了第三个维度。

alt.Chart(cars).mark_point().encode( x='Miles_per_Gallon', y='Horsepower', color='Origin' )

上面的图中，第三个维度“原产国”是一个离散变量。

使用颜色刻度表，我们还能实现对连续变量的上色，比如在上图中加入“加速度”维度，颜色越深表示加速度越大：

alt.Chart(cars).mark_point().encode( x='Miles_per_Gallon', y='Horsepower', color='Acceleration' )

数据的分类与汇总

上面的例子中，我们使用的主要是散点图。实际上，Altair还能方便地对数据进行分类和汇总，绘制统计直方图。

相比其他绘图工具，Altair的特点在于不需要调用其他函数，而是直接在数轴上进行修改。

例如统计不同油耗区间的汽车数量，对X轴使用alt.X()，指定数据和间隔大小，对Y轴使用count()统计数量。

alt.Chart(cars).mark_bar().encode( x=alt.X('Miles_per_Gallon', dddbbt=alt.Bin(maxdddbbts=30)), y='count()' )

为了分别表示出不同原产国汽车的油耗分布，前文提到的上色方法也能直方图中使用，这样就构成一幅分段的统计直方图：

alt.Chart(cars).mark_bar().encode( x=alt.X('Miles_per_Gallon', dddbbt=alt.Bin(maxdddbbts=30)), y='count()', color='Origin' )

如果你觉得上图还不够直观，那么可以用column将汽车按不同原产国分列成3张直方图：

alt.Chart(cars).mark_bar().encode( x=alt.X('Miles_per_Gallon', dddbbt=alt.Bin(maxdddbbts=30)), y='count()', color='Origin', column='Origin' )

交互

除了绘制基本图像，Altair强大之处在于用户可以与图像进行交互，包括平移、缩放、选中某一块数据等操作。

在绘制图片的代码后面，调用interactive()模块，就能实现平移、缩放：

Altair还为创建交互式图像提供了一个selection的API：

在选择功能上，我们能做出一些更酷炫的高级功能，例如对选中的数据点进行统计，生成实时的直方图。

叠加多个图层

如果把前面的汽车耗油量按年度计算出平均值：

alt.Chart(cars).mark_point().encode( x='Miles_per_Gallon', y='Horsepower', color='Acceleration' )

在统计学上，我们还能定义平均值的置信区间，为了让图表更好看，可以分别列出三个不同产地汽车的耗油量平均值置信区间：

alt.Chart(cars).mark_area(opacity=0.3).encode( x=alt.X(‘Year’, timeUnit=’year’), y=alt.Y(‘ci0(Miles_per_Gallon)’, axis=alt.Axis(title=’Miles per Gallon’)), y2=’ci1(Miles_per_Gallon)’, color=’Origin’ ).properties( width=600 )

最后我们可以用图层API将平均值和置信区间两幅图叠加起来：

spread = alt.Chart(cars).mark_area(opacity=0.3).encode( x=alt.X('Year', timeUnit='year'), y=alt.Y('ci0(Miles_per_Gallon)', axis=alt.Axis(title='Miles per Gallon')), y2='ci1(Miles_per_Gallon)', color='Origin' ).properties( width=800 ) lines = alt.Chart(cars).mark_line().encode( x=alt.X('Year', timeUnit='year'), y='mean(Miles_per_Gallon)', color='Origin' ).properties( width=800 ) spread + lines

python excel库(如何用python处理excel)

使用教程

更多内容