優質文章，第一時間送達！

數據轉化成更直觀的圖片，對於理解數據背後的真相很有幫助。如果你有這方面的需求，而且還在使用Python，那麼強烈推薦你試一試Altair。

Altair是一個專為Python編寫的可視化軟件包，它能讓數據科學家更多地關注數據本身和其內在的聯繫。

Altair由華盛頓大學的數據科學家Jake Vanderplas編寫，目前在GitHub上已經收穫超過3000星。

最近，Medium上一位小姐姐Parul Pandey分享了Altair的入門教程，希望對從事數據科學的用戶有幫助。

使用教程

Parul以汽車數據為例，將一個汽車數據集“cars”載入到Altair中。

cars中包含汽車的生產年份、耗油量、原產國等9個方面的數據，後面將對這些內容進行可視化處理。

安裝和導入Altair軟件包

除了安裝Altair和它的依賴軟件外，還需要安裝其他前端工具，比如Jupyter Notebook、JupyterLab、Colab等等。

Parul小姐姐推薦安裝JupyterLab：

$ pip install -U altair vega_datasets jupyterlab

需要注意的是，由於Altair的教程文檔中還包含vega數據集，因此也需要一併安裝上。

接著在終端中輸入：jupyter lab，就能在你的瀏覽器中自動打開它啦。

在代碼開頭別忘了導入Altair：

<code>
import altair as alt
/<code>

完成以上準備工作，我們就可以開始繪圖了

開始繪製圖表

Altair中的基本對象是Chart，它將數據框作為單個參數。你可以這樣定義它：

<code>
chart = alt.Chart(cars)
/<code>

Chart有三個基本方法：數據（data）、標記（mark）和編碼（encode），使用它們的格式如下：

<code>
alt.Chart(data).mark_point.encode(
encoding_1='column_1',
encoding_2='column_2',
# etc. 
)
/<code>

數據顧名思義，直接導入cars數據集即可。標記和編碼則決定著繪製圖表的樣式，下面著重介紹這兩部分。

標記可以讓用戶在圖中以不同形狀來表示數據點，比如使用實心點、空心圓、方塊等等。

如果我們只調用這個方法，那麼所有的數據點都將重疊在一起：

這顯然是沒有意義的，還需要有

x: x軸數值

y: y軸數值

color: 標記點顏色

opacity: 標記點的透明度

shape: 標記點的形狀

size: 標記點的大小

row: 按行分列圖片

column: 按列分列圖片

以汽車的耗油量為例，把所有汽車的數據繪製成一個一維散點圖，指定x軸為耗油量：

<code>
alt.Chart(cars).mark_point.encode(
x='Miles_per_Gallon' 
)
/<code>

但是使用mark_point會讓所有標記點混雜在一起，為了讓圖像更清晰，可以替換成棒狀標記點mark_tick：

<code>
alt.Chart(cars).mark_tick.encode(
x='Miles_per_Gallon'
)

/<code>

以耗油量為X軸、馬力為Y軸，繪製所有汽車的分佈，就得到一張二維圖像：

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

/<code>

給圖表上色

前面我們已經學會了繪製二維圖像，如果能給不同組的數據分配不同的顏色，就相當於給數據增加了第三個維度。

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

/<code>

上面的圖中，第三個維度“原產國”是一個離散變量。

使用顏色刻度表，我們還能實現對連續變量的上色，比如在上圖中加入“加速度”維度，顏色越深表示加速度越大：

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

數據的分類與彙總

上面的例子中，我們使用的主要是散點圖。實際上，Altair還能方便地對數據進行分類和彙總，繪製統計直方圖。

相比其他繪圖工具，Altair的特點在於不需要調用其他函數，而是直接在數軸上進行修改。

例如統計不同油耗區間的汽車數量，對X軸使用alt.X，指定數據和間隔大小，對Y軸使用count統計數量。

<code>
alt.Chart(cars).mark_bar.encode(
x=alt.X('Miles_per_Gallon', bin=alt.Bin(maxbins=30)),
y='count'
)

/<code>

為了分別表示出不同原產國汽車的油耗分佈，前文提到的上色方法也能直方圖中使用，這樣就構成一幅分段的統計直方圖：

<code>
alt.Chart(cars).mark_bar.encode(
x=alt.X('Miles_per_Gallon', bin=alt.Bin(maxbins=30)),
y='count',
color='Origin'
)

/<code>

如果你覺得上圖還不夠直觀，那麼可以用column將汽車按不同原產國分列成3張直方圖：

<code>
alt.Chart(cars).mark_bar.encode(
x=alt.X('Miles_per_Gallon', bin=alt.Bin(maxbins=30)),
y='count',
color='Origin',
column='Origin'
)
/<code>

交互

除了繪製基本圖像，Altair強大之處在於用戶可以與圖像進行交互，包括平移、縮放、選中某一塊數據等操作。

在繪製圖片的代碼後面，調用interactive模塊，就能實現平移、縮放：

Altair還為創建交互式圖像提供了一個selection的API：

在選擇功能上，我們能做出一些更酷炫的高級功能，例如對選中的數據點進行統計，生成實時的直方圖。

疊加多個圖層

如果把前面的汽車耗油量按年度計算出平均值：

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

在統計學上，我們還能定義平均值的置信區間，為了讓圖表更好看，可以分別列出三個不同產地汽車的耗油量平均值置信區間：

<code>
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 
)

/<code>

最後我們可以用圖層API將平均值和置信區間兩幅圖疊加起來：

<code>
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
/<code>

教程原文：https://medium.com/analytics-vidhya/exploratory-data-visualisation-with-altair-b8d85494795c

原作者 Parul Pandey

曉查 編譯整理@量子位

閱讀更多 編程派 的文章

關鍵字: 可視化技術 更多地 GitHub