本文再分享一个python交互式可视化工具Altair，Altair的底层是Vega-Lite （基于一种简洁的交互式可视化语法，A Grammar of Interactive Graphics），效果例如：

Altair的作者为Jake Vanderplas，是一个大佬，之前是华盛顿大学 eScience 学院物理科学研究院院长，现为Google的Software Engineer，热衷于Python, Astronomy和Data Science；同时是一位活跃的开源爱好者，历年的 PyData会议都能见到他的talk，除了Altair外，为Scikit-Learn、Scipy、 Matplotlib、IPython 等著名 Python 程序库做了大量贡献；著有两本高stars书籍Python Data Science Handbook 和A Whirlwind Tour of Python 。

之前介绍的python交互式工具还有pygal，cufflinks。

1、Altair基础图形快速入门

这个小结介绍如何快速的绘制常见的基础图，如“bar”, “circle”, “square”, “tick”,“line”, * “area”, “point”, “rule”, “geoshape”, and “text”等。

pip安装altair

pip install altair vega_datasets -i https://pypi.tuna.tsinghua.edu.cn/simple#国内源加速安装

Altair一步一步绘图

数据准备

依旧使用鸢尾花iris数据集，数据集介绍见：Python可视化|matplotlib10-绘制散点图scatter

import seaborn as sns
pd_iris = sns.load_dataset("iris")
pd_iris.head(n=5)

快速绘图

#快速绘图
import altair as alt
import pandas as pd

alt.Chart(pd_iris).mark_point().encode(x='sepal_length',
                                       y='sepal_width',
                                       color='species')

绘图步骤拆分

由alt.Chart(pd_iris).mark_point().encode(x='sepal_length',y='sepal_width',color='species')这段代码可知，Altair绘图主要用到Chart()方法、mark_*()方法、和encode()方法。

Chart()方法将数据转化为altair.vegalite.v4.api.Chart对象

括号内可设置图像的高度、宽度、背景色等等，详细见：https://altair-viz.github.io/user_guide/generated/toplevel/altair.Chart.html?highlight=chart

mark_*()方法指定要展示的图形，例如绘制散点图mark_point()

mark_*()方法设置图形属性，如颜色color、大小size等

括号内可设置待展示图形的各种属性，以mark_point()设置点颜色为例如下。

其它详细参数见：https://altair-viz.github.io/user_guide/generated/toplevel/altair.Chart.html?highlight=mark_point#altair.Chart.mark_point

encode()方法设置坐标轴的映射

详细参数：https://altair-viz.github.io/user_guide/generated/toplevel/altair.Chart.html?highlight=encode#altair.Chart.encode

python的Altair脚本转化为JSON

python脚本

import altair as alt
import pandas as pd

data = pd.DataFrame({'x': ['A', 'B', 'C', 'D'], 'y': [1, 2, 1, 2]})
alt.Chart(data).mark_bar().encode(
    x='x',
    y='y',
)

json脚本点击即可获取

{
  "config": {"view": {"continuousWidth": 400, "continuousHeight": 300}},
  "data": {"name": "data-39e740acccd9d827d4364cdbd6d37176"},
  "mark": "bar",
  "encoding": {
    "x": {"type": "nominal", "field": "x"},
    "y": {"type": "quantitative", "field": "y"}
  },
  "$schema": "https://vega.github.io/schema/vega-lite/v4.8.1.json",
  "datasets": {
    "data-39e740acccd9d827d4364cdbd6d37176": [
      {"x": "A", "y": 1},
      {"x": "B", "y": 2},
      {"x": "C", "y": 1},
      {"x": "D", "y": 2}
    ]
  }
}

2、Altair复杂图形快速入门

这一节简单介绍更复杂的图形，如个性化分面图标题、图例、会用到configure_*()方法、selection()方法、condition()方法、binding_*()方法、

configure_*()方法个性化图像属性

configure_header()方法个性化header

import altair as alt
from vega_datasets import data#vega_datasets为altair的一个内置数据集模块

source = data.cars.url

chart = alt.Chart(source).mark_point().encode(x='Horsepower:Q',
                                              y='Miles_per_Gallon:Q',
                                              color='Origin:N',
                                              column='Origin:N').properties(
                                                  width=180, height=180)
chart.configure_header(titleColor='green',
                       titleFontSize=14,
                       labelColor='red',
                       labelFontSize=14)

configure_legend()方法个性化图例

import altair as alt
from vega_datasets import data

source = data.cars.url

chart = alt.Chart(source).mark_point().encode(x='Horsepower:Q',
                                              y='Miles_per_Gallon:Q',
                                              color='Origin:N')

chart.configure_legend(strokeColor='gray',
                       fillColor='#EEEEEE',
                       padding=10,
                       cornerRadius=10,
                       orient='top-right')

更多configure类方法介绍见：https://altair-viz.github.io/user_guide/configuration.html

selection、condition、binding使得altair图形能和鼠标更好交互

这里主要用到selection()、condition()、binding()方法，简单介绍，详细见：https://altair-viz.github.io/user_guide/interactions.html

selection()方法

鼠标可以轻捕捉图形某一部分。

condition()方法

让鼠标捕捉的部分高亮，未捕捉的部分暗淡。

binding_*()方法

效果如下：

Layer, HConcat, VConcat, Repeat, Facet助力altair轻松构建复合图形

hconcat水平方向拼图

import altair as alt
from vega_datasets import data

iris = data.iris.url

chart1 = alt.Chart(iris).mark_point().encode(x='petalLength:Q',
                                             y='petalWidth:Q',
                                             color='species:N').properties(
                                                 height=300, width=300)

chart2 = alt.Chart(iris).mark_bar().encode(x='count()',
                                           y=alt.Y('petalWidth:Q',
                                                   bin=alt.Bin(maxbins=30)),
                                           color='species:N').properties(
                                               height=300, width=100)

chart1 | chart2

alt.hconcat(chart1, chart2)

vconcat垂直方向拼图

LayerChart图层叠加

RepeatChart绘制类似图形

from vega_datasets import data

iris = data.iris.url

base = alt.Chart().mark_point().encode(color='species:N').properties(
    width=200, height=200).interactive()

chart = alt.vconcat(data=iris)
for y_encoding in ['petalLength:Q', 'petalWidth:Q']:
    row = alt.hconcat()
    for x_encoding in ['sepalLength:Q', 'sepalWidth:Q']:
        row |= base.encode(x=x_encoding, y=y_encoding)
    chart &= row
chart

FacetChart图形分面

import altair as alt
from altair.expr import datum
from vega_datasets import data

iris = data.iris.url

base = alt.Chart(iris).mark_point().encode(x='petalLength:Q',
                                           y='petalWidth:Q',
                                           color='species:N').properties(
                                               width=160, height=160)

chart = alt.hconcat()
for species in ['setosa', 'versicolor', 'virginica']:
    chart |= base.transform_filter(datum.species == species)
chart

Chart.resolve_scale(), Chart.resolve_axis(), and Chart.resolve_legend()个性化复合图形

例如，使用resolve_scale()分别给两个图使用颜色盘。

from vega_datasets import data

source = data.cars()

base = alt.Chart(source).mark_point().encode(
    x='Horsepower:Q', y='Miles_per_Gallon:Q').properties(width=200, height=200)

alt.concat(base.encode(color='Origin:N'),
           base.encode(color='Cylinders:O')).resolve_scale(color='independent')

3、基于Altair的demo分享

官网关与天气的一个案例

from vega_datasets import data

df = data.seattle_weather()
scale = alt.Scale(
    domain=['sun', 'fog', 'drizzle', 'rain', 'snow'],
    range=['#e7ba52', '#c7c7c7', '#aec7e8', '#1f77b4', '#9467bd'])
brush = alt.selection(type='interval')
points = alt.Chart().mark_point().encode(
    alt.X('temp_max:Q', title='Maximum Daily Temperature (C)'),
    alt.Y('temp_range:Q', title='Daily Temperature Range (C)'),
    color=alt.condition(brush,
                        'weather:N',
                        alt.value('lightgray'),
                        scale=scale),
    size=alt.Size('precipitation:Q',
                  scale=alt.Scale(range=[1, 200]))).transform_calculate(
                      "temp_range",
                      "datum.temp_max - datum.temp_min").properties(
                          width=600, height=400).add_selection(brush)

bars = alt.Chart().mark_bar().encode(
    x='count()',
    y='weather:N',
    color=alt.Color('weather:N', scale=scale),
).transform_calculate(
    "temp_range",
    "datum.temp_max - datum.temp_min").transform_filter(brush).properties(
        width=600)

alt.vconcat(points, bars, data=df)