Altair 复合图表指南：分层、多视图与分面可视化-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00731/article/details/148417064

Altair 复合图表指南：分层、多视图与分面可视化

altair Declarative statistical visualization library for Python 项目地址: https://gitcode.com/gh_mirrors/al/altair

概述

在数据可视化领域，Altair 作为基于 Vega-Lite 的 Python 库，提供了强大的复合图表功能。本文将深入探讨 Altair 中的分层图表、多视图组合以及分面可视化技术，帮助您构建更复杂、信息更丰富的数据可视化作品。

复合图表类型总览

Altair 提供了多种复合图表类型，通过不同的组合方式可以实现丰富的可视化效果：

| 图表类 | 函数形式 | 运算符形式 | 主要用途 | |-------------------|--------------------------|------------------|------------------| | LayerChart | alt.layer(chart1, chart2) | chart1 + chart2 | 创建分层叠加图表 | | HConcatChart | alt.hconcat(chart1, chart2) | chart1 | chart2 | 水平并排图表 | | VConcatChart | alt.vconcat(chart1, chart2) | chart1 & chart2 | 垂直堆叠图表 | | RepeatChart | chart.repeat(row, column) | - | 重复图表模式 | | FacetChart | chart.facet(facet, row, column) | - | 数据分面展示 |

分层图表 (LayerChart)

分层图表允许在同一个坐标系上叠加多个图表层，非常适合需要同时展示多种标记类型的场景。

基本用法

import altair as alt
from vega_datasets import data

stocks = data.stocks.url

base = alt.Chart(stocks).encode(
    x='date:T',
    y='price:Q',
    color='symbol:N'
).transform_filter(
    alt.datum.symbol == 'GOOG'
)

# 运算符形式
line_with_points = base.mark_line() + base.mark_point()

# 函数形式
multi_layer = alt.layer(
    base.mark_line(),
    base.mark_point(),
    base.mark_rule()
).interactive()

图层顺序的重要性

分层图表中，图层的绘制顺序遵循"先添加的在下层"原则。例如在热力图上方添加点标记：

heatmap = alt.Chart(source).mark_rect().encode(
    alt.X('IMDB_Rating:Q').bin(),
    alt.Y('Rotten_Tomatoes_Rating:Q').bin(),
    alt.Color('count()').scale(scheme='greenblue')
)

points = alt.Chart(source).mark_circle(
    color='black',
    size=5,
).encode(
    x='IMDB_Rating:Q',
    y='Rotten_Tomatoes_Rating:Q',
)

# 正确的叠加顺序
effective_visual = heatmap + points

如果顺序颠倒(points + heatmap)，点标记将被热力图覆盖而难以辨认。

水平与垂直组合图表

水平组合 (HConcatChart)

水平组合适合并排展示相关图表，便于比较：

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

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

# 两种等效写法
side_by_side = chart1 | chart2
# 或
side_by_side = alt.hconcat(chart1, chart2)

垂直组合 (VConcatChart)

垂直组合常用于创建交互式的刷选关联视图：

brush = alt.selection_interval(encodings=['x'])

base = alt.Chart(source).mark_area().encode(
    x = 'date:T',
    y = 'price:Q'
).properties(
    width=600,
    height=200
)

upper = base.encode(alt.X('date:T').scale(domain=brush))
lower = base.properties(height=60).add_params(brush)

linked_view = upper & lower  # 等价于 alt.vconcat(upper, lower)

重复图表模式 (RepeatChart)

重复图表提供了一种高效创建多面板视图的方法，特别适合探索多维数据：

alt.Chart(iris).mark_point().encode(
    alt.X(alt.repeat("column"), type='quantitative'),
    alt.Y(alt.repeat("row"), type='quantitative'),
    color='species:N'
).properties(
    width=200,
    height=200
).repeat(
    row=['petalLength', 'petalWidth'],
    column=['sepalLength', 'sepalWidth']
).interactive()

分层重复模式

重复模式也可用于创建分层图表：

alt.Chart(source).mark_line().encode(
    x=alt.X("IMDB_Rating").bin(),
    y=alt.Y(alt.repeat('layer')).aggregate('mean'),
    color=alt.ColorDatum(alt.repeat('layer'))
).repeat(layer=["US_Gross", "Worldwide_Gross"])

分面图表 (FacetChart)

分面图表(又称小多图)能够按照数据类别自动分组展示：

基本分面

# 使用facet方法
alt.Chart(iris).mark_point().encode(
    x='petalLength:Q',
    y='petalWidth:Q',
    color='species:N'
).properties(
    width=180,
    height=180
).facet(
    column='species:N'
)

# 使用column编码(简单情况)
alt.Chart(iris).mark_point().encode(
    x='petalLength:Q',
    y='petalWidth:Q',
    color='species:N',
    column='species:N'
)

复杂分面示例

分面可以应用于复合图表，创建丰富的交互式可视化：

hover = alt.selection_point(on='pointerover', nearest=True, empty=False)
when_hover = alt.when(hover)

base = alt.Chart(iris).encode(
    x='petalLength:Q',
    y='petalWidth:Q',
    color=when_hover.then("species:N").otherwise(alt.value("lightgray"))
).properties(
    width=180,
    height=180,
)

points = base.mark_point().add_params(hover)
text = base.mark_text(dy=-5).encode(
    text="species:N", 
    opacity=when_hover.then(1).otherwise(0),
)

(points + text).facet("species:N")