altair 8800
Python中可用的绘图库提供了多种根据您的喜好显示数据的方法，无论您是灵活性，设计，易用性还是特定样式。
Altair中的绘图提供了与其他解决方案不同的解决方案，我发现这比绘制完成的比例更简单。 感谢Vega （声明性绘图语言），它具有一个优雅的界面，该语言使您可以定义绘图的外观，而不用编写循环和条件语句来构造它们。
流利的绘图
我通过绘制相同的多栏图来比较每个Python绘图库。 在继续之前，请注意，您可能需要调整Python环境以使此代码运行，包括以下内容。
- 安装最新版本的Python（ Linux ， Mac和Windows的说明 ）
- 验证Python版本是否与本教程中使用的库兼容
数据可在线获得，并可使用熊猫导入：
import pandas
as pd
df
= pd.
read_csv
(
'https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv'
)
现在我们准备出发了。 作为比较，这是我们在Matplotlib中绘制的图：
Matplotlib图需要16行代码来创建，包括手动计算每个条的位置。
这是在Altair中进行类似绘制的方法：
import altair
as alt
chart
= alt.
Chart
( df
) .
mark_bar
(
) .
encode
(
x
=
'party'
,
y
=
'seats'
,
column
=
'year'
,
color
=
'party'
,
)
chart.
save
(
'altair-elections.html'
)
更简洁！ 与Seaborn一样，Altair处理的数据每个变量只有一列（ Long Form ）。 这使您可以将每个变量映射到绘图的某个方面，Altair称这些方面为“通道”。 在我们的示例中，我们希望每个party在x轴上有一个小节，我们希望每个方在y轴上获胜的seats ，并且希望将这些小节按year分组到s column 。 我们也想按party给color 。 这就是您用语言描述它的方式，而这正是代码中所说的！
这是情节的样子：
调整样式
year组显示在中间，中间有一点空白-这只是Altair多栏图的一个功能，这不是问题。
但是，我们确实要进行其他一些小的样式改进。
非整数值
两个非整数年份名称（ Feb 1974和Oct 1974 Feb 1974 Oct 1974 ）显示为NaN 。 我们可以通过将year值转换为字符串来解决这些问题：
df [ 'year' ] = df [ 'year' ] . astype ( str )
指定排序顺序
然后，我们还需要告诉Altair如何对数据进行排序。 Altair允许我们通过向其传递Column对象来指定有关column通道的更多详细信息。 因此，我们告诉它按照数据在DataFrame中出现的顺序进行排序：
chart
= alt.
Chart
( df
) .
mark_bar
(
) .
encode
(
# ...
column
= alt.
Column
(
'year'
, sort
=
list
( df
[
'year'
]
)
, title
=
None
)
,
# ...
)
删除轴标题
我们通过设置title=None从图的顶部删除了“ year”标签。 我们还从每个列中删除“ party”标签：
chart
= alt.
Chart
( df
) .
mark_bar
(
) .
encode
(
x
= alt.
X
(
'party'
, title
=
None
)
,
# ...
)
指定色彩图
最后，我们要指定自己的颜色以用于条形图。 Altair使我们可以指定domain值和range颜色之间的映射，这正是我们所需要的：
cmap
=
{
'Conservative' :
'#0343df'
,
'Labour' :
'#e50000'
,
'Liberal' :
'#ffff14'
,
'Others' :
'#929591'
,
}
chart
= alt.
Chart
( df
) .
mark_bar
(
) .
encode
(
# ...
color
= alt.
Color
(
'party'
, scale
= alt.
Scale
( domain
=
list
( cmap.
keys
(
)
)
,
range
=
list
( cmap.
values
(
)
)
)
)
)
带有样式调整的最终代码
在应用了这些样式调整之后，我们的代码看起来就不那么令人愉快了，但是它仍然使用使Altair如此可伸缩的声明性方法。 我们仍然将数据中的自变量分配给绘图的各个方面，而不是像在Matplotlib中通常需要执行的那样执行复杂的数据操作。 唯一的区别是，变量名现在被包裹在alt.X()这样的对象中，这些对象使我们可以调整它们的显示方式：
import altair
as alt
from votes
import
long
as df
cmap
=
{
'Conservative' :
'#0343df'
,
'Labour' :
'#e50000'
,
'Liberal' :
'#ffff14'
,
'Others' :
'#929591'
,
}
df
[
'year'
]
= df
[
'year'
] .
astype
(
str
)
# We're still assigning, e.g. 'party' to x, but now we've wrapped it
# in alt.X in order to specify its styling
chart
= alt.
Chart
( df
) .
mark_bar
(
) .
encode
(
x
= alt.
X
(
'party'
, title
=
None
)
,
y
=
'seats'
,
column
= alt.
Column
(
'year'
, sort
=
list
( df
[
'year'
]
)
, title
=
None
)
,
color
= alt.
Color
(
'party'
, scale
= alt.
Scale
( domain
=
list
( cmap.
keys
(
)
)
,
range
=
list
( cmap.
values
(
)
)
)
)
)
chart.
save
(
'altair-elections.html'
)
公平地说，与Matplotlib一样，我们现在达到的代码行数（16）与此处使用的相同！
这是应用了样式调整的Altair图：
结论
尽管使用Altair进行绘图所需的代码量与其他库相似，但其声明性绘图语言增加了一层我已逐渐意识到的复杂性。 Altair还提供了一种完全独立的方法来调整和调整样式，从而使该语法不受用于绘图的代码块的影响。 考虑使用Python的绘图解决方案时，Altair是另一个很棒的库。 您可以在Anvil （使用帐户） 上交互式运行此代码，也可以使用此开源运行时本地运行 。
---
本文基于Anvil博客上Altair中的 P 抽签，并经允许重复使用。
altair 8800
406
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
