原作者 Parul Pandey

曉查 編譯整理

量子位 出品 | 公眾號 QbitAI

數據轉化成更直觀的圖片，對于理解數據背后的真相很有幫助。如果你有這方面的需求，而且還在使用Python，那么強烈推薦你試一試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系。

Altair由華盛頓大學的數據科學家Jake Vanderplas編寫，目前在GitHub上已經收獲超過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。量子位對主要內容進行了編譯整理。

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，后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，由于Altair的教程文檔中還包含vega數據集，因此也需要一并安裝上。

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：

import altair as alt

完成以上準備工作，我們就可以開始繪圖了

開始繪制圖表

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：chart = alt.Chart(cars)

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：

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

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制圖表的樣式，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，那么所有的數據點都將重疊在一起：

這顯然是沒有意義的，還需要有編碼來指定圖像的具體內容。常用的編碼有：

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制成一個一維散點圖，指定x軸為耗油量：alt.Chart(cars).mark_point().encode(x='Miles_per_Gallon')

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()：

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

以耗油量為X軸、馬力為Y軸，繪制所有汽車的分布，就得到一張二維圖像：alt.Chart(cars).mark_line().encode(x='Miles_per_Gallon',y='Horsepower')

給圖表上色

前面我們已經學會了繪制二維圖像，如果能給不同組的數據分配不同的顏色，就相當于給數據增加了第三個維度。

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

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：alt.Chart(cars).mark_point().encode(x='Miles_per_Gallon',y='Horsepower',color='Acceleration')

數據的分類與匯總

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匯總，繪制統計直方圖。

相比其他繪圖工具，Altair的特點在于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。

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

為了分別表示出不同原產國汽車的油耗分布，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：alt.Chart(cars).mark_bar().encode(x=alt.X('Miles_per_Gallon', bin=alt.Bin(maxbins=30)),y='count()',color='Origin')

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

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

交互

除了繪制基本圖像，Altair強大之處在于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。

在繪制圖片的代碼后面，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：alt.Chart(cars).mark_point().encode(x='Miles_per_Gallon',y='Horsepower',color='Acceleration')

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：

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)

最后我們可以用圖層API將平均值和置信區間兩幅圖疊加起來：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

更多內容

本文只是介紹了Altair的一些基本使用方法，遠遠不能涵蓋它所有的功能。如果需要了解更多，請參閱GitHub頁說明：

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

教程原文：

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

— 完 —

誠摯招聘