Altair库作为Python中的一款强大工具，为用户提供了丰富的图表绘制功能。让我们从一个个例子入手，看看它能做到什么程度的图表。

青铜

创建一个简单的散点图：

import altair as alt
import pandas as pd

# 创建示例数据
data = pd.DataFrame({'x': [1, 2, 3, 4, 5], 'y': [6, 7, 8, 9, 10]})

# 绘制散点图
chart = (
    alt.Chart(data)
    .mark_point()
    .encode(x="x", y="y")
    .properties(
        width=800,  # 设置图表宽度为800像素
        height=600,  # 设置图表高度为600像素
    )
)

# 显示图表
chart.save("chart.html")

• alt.Chart(data) , 函数创建了一个图表对象，传入了示例数据 data 作为参数
• .mark_point() 方法将图表的标记类型设置为点状，表示我们要创建一个散点图
• .encode() 方法来定义数据的映射关系，将x轴映射到数据中的x列，将y轴映射到数据中的y列
• chart.save 会生成一个 html 文件，用浏览器打开即可看到图表

创建一个简单的柱状图：

import altair as alt
import pandas as pd



# 创建示例数据
data = pd.DataFrame({'category': ['A', 'B', 'C', 'D'], 'value': [10, 20, 15, 25]})

# 绘制柱状图
chart = (
    alt.Chart(data)
    .mark_bar(width=100)
    .encode(x="category", y="value")
    .properties(width=1000)
)
# 显示图表
chart.save("chart.html")

• 通过调用不同的 mark_??? 函数，就可以更换不同的图表类型
• mark_bar 也可以传入各种参数， width 设置了 bar 之间的空隙

白银

创建一个分面散点图：

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

# 设置全局配置
alt.renderers.set_embed_options(width=1000, height=600)


# 创建示例数据
np.random.seed(0)
data = pd.DataFrame(
    {
        "x": np.random.randn(100),
        "y": np.random.randn(100),
        "category": np.random.choice(["A", "B", "C", "D"], size=100),
        "size": np.random.uniform(50, 200, size=100),
    }
)

# 绘制分面散点图
chart = (
    alt.Chart(data)
    .mark_point()
    .encode(
        x="x",
        y="y",
        color="category",
        size=alt.Size("size", scale=alt.Scale(range=[50, 500])),
        tooltip=["x", "y", "category", "size"],
    )
    .properties(title="Faceted Scatter Plot")
)

# 显示图表
chart.save("chart.html")

• .encode 中，通过参数 color 和 size 指定更多维度变量。可以从图中看出来，不同的颜色代表不同的分类(因为绑定数据源中的 category 列)。点的大小，代表不同的 size 列的值
• tooltip 参数，使得当鼠标停在泡泡上面时，会出现提示信息

王者

接下来才是 altair 的核心，还是前面的泡泡图，不过可以缩放平移交互：

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

# 设置全局配置
alt.renderers.set_embed_options(width=1000, height=600)


# 创建示例数据
np.random.seed(0)
data = pd.DataFrame(
    {
        "x": np.random.randn(100),
        "y": np.random.randn(100),
        "category": np.random.choice(["A", "B", "C", "D"], size=100),
        "size": np.random.uniform(50, 200, size=100),
    }
)

# 绘制分面散点图
chart = (
    alt.Chart(data)
    .mark_point()
    .encode(
        x="x",
        y="y",
        color="category",
        size=alt.Size("size", scale=alt.Scale(range=[50, 500])),
        tooltip=["x", "y", "category", "size"],
    )
    .properties(title="Faceted Scatter Plot")
    .interactive()
)

# 显示图表
chart.save("chart.html")

• 仅仅只需要在图表对象最后，调用 interactive 方法即可

多图表交互：

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


# 创建示例数据
np.random.seed(0)
data = pd.DataFrame(
    {
        "x": np.random.randn(100),
        "y": np.random.randn(100),
        "category": np.random.choice(["A", "B", "C", "D"], size=100),
        "size": np.random.uniform(50, 200, size=100),
        "color": np.random.choice(["red", "blue", "green"], size=100),
    }
)

# 创建区域选择器
brush = alt.selection(type="interval", encodings=["x"])

# 创建分面散点图
scatter_plot = (
    alt.Chart(data)
    .mark_point()
    .encode(
        x="x",
        y="y",
        color="color",
        size=alt.Size("size", scale=alt.Scale(range=[50, 500])),
        tooltip=["x", "y", "category", "size"],
    )
    .properties(title="Faceted Scatter Plot", width="container", height=300)
    .add_params(brush)
)

# 创建分类变量的柱状图
bar_chart = (
    alt.Chart(data)
    .mark_bar()
    .encode(x="category", y="count()", color="category")
    .transform_filter(brush)
    .properties(
        width="container",  # 宽度占满容器
        height=150,  # 设置高度为150像素
    )
    .interactive()
)


# 创建图表布局
chart = alt.vconcat(scatter_plot, bar_chart).configure(autosize="fit-x")

# 保存图表为HTML文件
chart.save("chart.html")

看看关键细节：

brush = alt.selection(type='interval', encodings=['x'])

• 这行代码创建了一个区域选择器，类型为 interval ，并指定了它仅在 x 轴上生效

scatter_plot = alt.Chart(data).mark_point().encode( # 编码省略... 
).properties( # 属性省略... 
).add_selection( brush )

• 在散点图的属性中，我们使用 add_selection() 方法将区域选择器应用于散点图，使得散点图可以根据选择的区域进行交互。

bar_chart = alt.Chart(data).mark_bar().encode( # 编码省略... 
).transform_filter( brush 
).properties( # 属性省略... 
).interactive()

• 使用了 transform_filter() 方法将区域选择器应用于数据，以便根据选择的区域过滤数据。这样当我们在散点图中选择区域时，下方的柱状图会根据所选择的区域显示相应的数据。
• 不要忘记一键三连。你的点赞、收藏、关注，是我创作的动力。