您现在的位置是：亿华云 > IT科技

妙啊！这款 Python 数据可视化工具强的很！

亿华云2025-10-03 02:20:29【IT科技】9人已围观

简介使用 Altair ，你可以将更多时间专注于数据及其含义，下面我将详细介绍：示例这是一个在 JupyterLab 中使用 Altair 快速可视化和显示数据集的示例：

使用 Altair ，妙款你可以将更多时间专注于数据及其含义，数据下面我将详细介绍：

示例

这是可视一个在 JupyterLab 中使用 Altair 快速可视化和显示数据集的示例：

import altair as alt

# load a simple dataset as a pandas DataFrame

from vega_datasets import data

cars = data.cars()

alt.Chart(cars).mark_point().encode(

x=Horsepower,

y=Miles_per_Gallon,

color=Origin,

)

源自 Vega-Lite 的 Altair 的独特功能之一是声明性语法，它不仅具有可视化功能，化工还具有交互性。具强通过对上面的妙款示例进行一些修改，我们可以创建一个链接的数据直方图，该直方图根据散点图的可视选择进行过滤。

import altair as alt

from vega_datasets import data

source = data.cars()

brush = alt.selection(type=interval)

points = alt.Chart(source).mark_point().encode(

x=Horsepower,化工

y=Miles_per_Gallon,

color=alt.condition(brush, Origin, alt.value(lightgray))

).add_selection(

brush

)

bars = alt.Chart(source).mark_bar().encode(

y=Origin,

color=Origin,

x=count(Origin)

).transform_filter(

brush

)

points & bars

安装方法

Altair需要以下依赖项：

pandas traitlets IPython

如果已克隆存储库，请从存储库的具强根目录运行以下命令：

pip install -e .[dev]

如果你不想克隆存储库，则可以使用以下命令进行安装：

pip install git+https://github.com/altair-viz/altair

更多内容详情，妙款可以查看github链接：

https://github.com/altair-viz/altair

三大操作

接下来，数据我将详细地介绍 Altair 如何创建过滤、可视分组和合并操作的化工可视化对象，可以将其用作探索性数据分析过程的具强一部分。

我们构建两个数据帧的模拟数据。第一个是餐厅订单，第二个是餐厅订单中的商品价格。

# import libraries

import numpy as np

import pandas as pd

import altair as alt

import random

# mock data

orders = pd.DataFrame({

"order_id": np.arange(1,101),

"item": np.random.randint(1, 50, size=100),

"qty": np.random.randint(1, 10, size=100),

"tip": (np.random.random(100) * 10).round(2)

})

prices = pd.DataFrame({

"item": np.arange(1,51),

"price": (np.random.random(50) * 50).round(2)

})

order_type = ["lunch", "dinner"] * 50

random.shuffle(order_type)

orders["order_type"] = order_type

首先，云南idc服务商我们创建一个简单的图来 Altair 语法结构。

alt.Chart(orders).mark_circle(size=50).encode(

x="qty", y="tip", color="order_type"

).properties(

title = "Tip vs Quantity"

)

Altair 基本语法四步曲：

将数据传递到 Chart 对象，数据可以采用Pandas数据框或指向json或csv文件的URL字符串的形式。选择可视化的类型（例如 mark_circle，mark_line 等）。 encode 编码函数指定在给定数据帧中要绘制的内容。因此，我们在编码函数中编写的任何内容都必须链接到数据帧。使用properties函数指定图的某些属性。

考虑这样一种情况，我们需要创建 pirce 和 tip 值的散点图，它们位于不同的数据帧中。一种选择是合并两个数据帧，并在散点图中使用这两列。

Altair提供了一种更实用的方法，它允许在其他数据框中查找列，类似 Pandas 的 merge 函数功能相同。

alt.Chart(orders).mark_circle(size=50).encode(

x="tip", y="price:Q", color="order_type"

).transform_lookup(

lookup="item",

from_=alt.LookupData(data=prices, key="item", fields=["price"])

).properties(

title = "Price vs Tip"

)