Python数据可视化：身经百战仍被Altair圈粉，答辩必备技巧

序言

本文为《Python数据可视化实战》第7篇

Altair神器

介绍本期主角之前，先给大家一张GIF

是不是很炫酷？更神奇的是，完成这么一幅可交互的图表，仅需不到20行代码。

这幅图是用Python的可视化库Altair绘制的，Altair可以使用强大而简洁的可视化语法快速开发各种统计可视化图表。用户只需要提供数据列与编码通道之间的链接，例如x轴，y轴，颜色等，其余的绘图细节它会自动处理。

事实上，Altair能做的还有很多，大家可以去Example Gallery观赏。

安装、导入Altair

如果你安装的是anaconda(我强烈建议你安装这个IDE)，Altair已经内置，无需再安装。但是如果需要实例数据集，还要安装vega_datasets：

pip install vega_datasets

然后打开anaconda安装目录，打开Navigation

打开JupyterLab

新建一个notebook，运行示例代码，OK!

Altair图形语法

Chart有三个基本方法：数据(data)、标记(mark)和编码(encode)，使用它们的格式如下： alt.Chart(data).mark_point().encode(

encoding_1="column_1",

encoding_2="column_2",

etc. )

Data：Altair内部使用的数据以Pandas中的Dataframe格式存储，但有以下三种方式传入：

以Pandas的DataFrame格式传入；

以Data对象传入；

以指向csv或json文本的url传入；

Mark:定义好数据之后，需要选择显示的图形比如条形图、折线图、面积图、散点图、直方图、地图等各种交互式图表。

Encoding:编码方式定义了图片显示的各种属性，如每个图片的位置，图片轴的属性等。这部分是最重要的，记住关键的几个就行：

位置通道：定义位置相关属性：

x: x轴数值

y: y轴数值

row: 按行分列图片

column: 按列分列图片

通道描述：

color: 标记点颜色

opacity: 标记点的透明度

shape: 标记点的形状

size: 标记点的大小

通道域信息：

text：文本标记

label：标签

数据类型：

quantitative：缩写Q 连续型数据

ordinal：缩写O 离散型

nominal：缩写N 离散无序

temporal：缩写T 时间序列

分类与聚合：

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interactiv

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删