Altair 是一個(gè)基于Jupyter Notebook的強(qiáng)大可視化庫。它提供了強(qiáng)大而簡潔的可視化語法，使我們能夠快速構(gòu)建各種統(tǒng)計(jì)可視化圖表。

通過下面10行代碼，你就能創(chuàng)建一個(gè)可交互的散點(diǎn)圖：

import altair as alt

from vega_datasets import data
cars = data.cars()

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

1.準(zhǔn)備

開始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上，如果沒有，可以訪問這篇文章：超詳細(xì)Python安裝指南 進(jìn)行安裝。

**(可選1) **如果你用Python的目的是數(shù)據(jù)分析，可以直接安裝Anaconda：Python數(shù)據(jù)分析與挖掘好幫手—Anaconda，它內(nèi)置了Python和pip.

**(可選2) **此外，推薦大家用VSCode編輯器，它有許多的優(yōu)點(diǎn)：Python 編程的最好搭檔—VSCode 詳細(xì)指南。

請選擇以下任一種方式輸入命令安裝依賴 ：

1. Windows 環(huán)境 打開 Cmd (開始-運(yùn)行-CMD)。
2. MacOS 環(huán)境 打開 Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.

pip install altair vega_datasets

2.基本使用

Altair 中的數(shù)據(jù)是圍繞 Pandas Dataframe 構(gòu)建的。

我們首先導(dǎo)入 Pandas 并創(chuàng)建一個(gè)簡單的 DataFrame 以進(jìn)行可視化，a 列中有一個(gè)分類變量，b 列有一個(gè)數(shù)值變量：

import pandas as pd
data = pd.DataFrame({'a': list('CCCDDDEEE'),
                     'b': [2, 7, 4, 1, 2, 6, 8, 4, 7]})

Altair 中的基本對象是Chart，它將上述的數(shù)據(jù)作為單個(gè)參數(shù)：

import altair as alt
chart = alt.Chart(data)

到目前為止，我們已經(jīng)定義了 Chart 對象，但是我們還沒有告訴圖表對數(shù)據(jù)做任何事情。接下來會出現(xiàn)。

有了這個(gè)圖表對象，我們現(xiàn)在可以指定我們希望如何可視化數(shù)據(jù)，比如作為點(diǎn)：

alt.Chart(data).mark_point()

然后對數(shù)據(jù)進(jìn)行編碼，比如指定 a 列為x，b列為y：

alt.Chart(data).mark_point().encode(
    x='a', y='b'
)

效果如下：

如果你希望聚合求得某列得平均值，你還可以這么做：

alt.Chart(data).mark_point().encode(
    x='a',
    y='average(b)'
)

如果你希望使用柱狀圖，只需要把mark_point改為mark_bar：

alt.Chart(data).mark_bar().encode(
    x='a',
    y='average(b)'
)

還可以獲得水平柱狀圖，我們只需要把x和y對調(diào)一下：

alt.Chart(data).mark_bar().encode(
    y='a',
    x='average(b)'
)

除了點(diǎn)狀圖和柱狀圖，Altair 還支持幾十種圖表類型：

更多的圖表類型請?jiān)诠倬W(wǎng)查看：

https://altair-viz.github.io/gallery/index.html

3.高級使用

你可以給圖表自定義你喜歡的顏色和對應(yīng)的橫坐標(biāo)縱坐標(biāo)標(biāo)題：

alt.Chart(data).mark_bar(color='firebrick').encode(
    alt.Y('a', title='category'),
    alt.X('average(b)', title='avg(b) by category')
)

你還可以將圖表保存為HTML：

chart = alt.Chart(data).mark_bar().encode(
    x='a',
    y='average(b)',
)
chart.save('chart.html')

如果你希望能夠通過區(qū)間選擇數(shù)據(jù)點(diǎn)并計(jì)數(shù)，你可以這么做：

import altair as alt
from vega_datasets import data

source = data.cars()

brush = alt.selection(type='interval')

points = alt.Chart(source).mark_point().encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color=alt.condition(brush, 'Origin', alt.value('lightgray'))
).add_selection(
    brush
)

bars = alt.Chart(source).mark_bar().encode(
    y='Origin',
    color='Origin',
    x='count(Origin)'
).transform_filter(
    brush
)

points & bars

跟牛逼的是，Altair還可以做多圖表聯(lián)動(dòng)：

# 公眾號：Python實(shí)用寶典 整合
import altair as alt
from vega_datasets import data

cars = data.cars.url
brush = alt.selection_interval()

chart = alt.Chart(cars).mark_point().encode(
    y='Horsepower:Q',
    color=alt.condition(brush, 'Origin:N', alt.value('lightgray'))
).properties(
    width=250,
    height=250
).add_selection(
    brush
)

chart.encode(x='Acceleration:Q') | chart.encode(x='Miles_per_Gallon:Q')

左邊圈起來的 Acceleration 數(shù)據(jù)點(diǎn)，右邊會對應(yīng)顯示其 Miles_per_Gallon 數(shù)據(jù)點(diǎn)：

除了這些，Altair還有更多的交互功能，比如選擇框拖動(dòng)、比例綁定、自動(dòng)響應(yīng)、表達(dá)式選擇等等。