Streamlit讲解专栏（十一）：数据可视化图表绘制详解（中）

1 前言

在上一篇博文《 Streamlit 讲解专栏（十）：数据可视化-图表绘制详解（上）》中，我们 学习 了一些关于数据可视化的基础知识，探索了Streamlit库中的几个常见图表绘制 函数 ，包括st.line_chart、st.area_chart、st.bar_chart和st.pyplot。通过这些函数，我们可以轻松地绘制不同类型的图表，使数据更加直观。

在本篇文章中，我们将继续讨论Streamlit库的图表绘制功能，并重点介绍st.altair_chart函数。相较于前文中提到的函数，st.altair_chart提供了更高级的可视化能力和自定义选项。通过st.altair_chart，我们能够更加灵活地展示数据，并以 交互 式的方式呈现图表。

接下来的章节中，我们将深入研究st.altair_chart函数的使用方法和各种参数的应用。通过实际示例，我们将学习如何绘制交互式和高质量的图表，并探索常见的数据可视化技巧，以增强图表的表达能力。阅读本文后，您将更加熟练地运用st.altair_chart函数，用数据可视化的方式更好地传达和分析技术见解。

现在，让我们直接进入正题，一同探索st.altair_chart函数的强大之处吧！

2 绘制交互式 散点图

在本章中，我们将学习如何使用st.altair_chart函数绘制交互式散点图。散点图是一种常用的数据可视化方式，可以用于展示两个变量之间的关系。我们将使用Altair库来构建散点图，并利用st.altair_chart函数将图表嵌入到Streamlit应用 程序 中。

首先，我们需要导入所需的库和模块：

import streamlit as st
import pandas as pd
import numpy as np
import altair as alt

接下来，我们创建一些随机数据作为示例数据。 代码 如下：

chart_data = pd.DataFrame(
    np.random.randn(20, 3),
    columns=['a', 'b', 'c'])

在这个例子中，我们生成了一个包含20行3列的随机数据，列名分别为"a"、“b"和"c”。

然后，我们使用Altair库创建一个基本的散点图对象。代码如下：

c = alt.Chart(chart_data).mark_circle().encode(
    x='a', y='b', size='c', color='c', tooltip=['a', 'b', 'c'])

在这个例子中，我们使用.mark_circle()方法指定散点图的形状为圆。通过.encode()方法，我们将数据的"a"列映射到x轴，"b"列映射到y轴，“c"列映射到点的大小和颜色。此外，我们还指定了tooltip选项，当鼠标悬停在图表上时，会显示"a”、"b"和"c"三个列的值。

最后，我们使用st.altair_chart函数将图表嵌入到Streamlit应用程序中。代码如下：

st.altair_chart(c, use_container_width=True)

在此处，我们将散点图对象"c"传递给st.altair_chart函数，并设置use_container_width参数为True，使图表的宽度与页面宽度自适应。

现在，您可以运行整个程序，查看生成的交互式散点图。图表将在Streamlit应用程序中显示，并且您可以通过鼠标悬停在散点上查看具体数值。

通过本例，我们熟悉了使用st.altair_chart函数绘制交互式散点图的基本流程。在实际应用中，您可以根据需要调整图表的颜色、大小、标签等属性，以使图表更符合您的需求。

3 定制图表主题

在本章中，我们将学习如何自定义图表主题，以及如何在Streamlit应用程序中应用不同的主题样式。

在Altair中，通过使用不同的主题，您可以为您的图表赋予不同的外观和感觉。默认情况下，Altair图表使用Streamlit的主题进行显示。这种主题具有时尚、用户友好的特点，并与Streamlit应用程序的设计风格融为一体。

您可以通过将theme参数设置为"streamlit"来使用Streamlit主题。这使得应用程序中的图表与其他组件更好地整合到一起。如果您希望使用Altair的原生主题而不是Streamlit主题，可以使用theme=None。

让我们来看一个示例，展示了使用Streamlit主题和Altair原生主题绘制的图表：

import altair as alt
from vega_datasets import data

# 载入数据集
source = data.cars()

# 创建散点图对象
chart = alt.Chart(source).mark_circle().encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
).interactive()

# 创建标签
tab1, tab2 = st.tabs(["Streamlit主题（默认）"
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