mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-26 21:30:55 +08:00
186 lines
7.8 KiB
Markdown
186 lines
7.8 KiB
Markdown
[#]: collector: (lujun9972)
|
||
[#]: translator: (silentdawn-zz)
|
||
[#]: reviewer: (wxy)
|
||
[#]: publisher: (wxy)
|
||
[#]: url: (https://linux.cn/article-12493-1.html)
|
||
[#]: subject: (Concise data plotting in Python with Altair)
|
||
[#]: via: (https://opensource.com/article/20/6/altair-python)
|
||
[#]: author: (Shaun Taylor-Morgan https://opensource.com/users/shaun-taylor-morgan)
|
||
|
||
Python 下使用 Altair 数据制图
|
||
======
|
||
|
||
> Altair 作为一个 Python 数据制图库，提供了优雅的接口及自有的绘图语言。
|
||
|
||
|
||
|
||
Python 中的 [绘图库][2] 提供了呈现数据的多种方式，可以满足你不同的偏好，如灵活性、布局、易用性，或者特殊的风格。
|
||
|
||
和其它方式相比，我发现，Altair 提供的是一种不同的解决方案，且总体而言使用起来更为简单。得益于声明式的绘图语言 [Vega][3]，Altair 拥有一套优雅的接口，可以直接定义要绘的图应该是什么样子，而不是通过写一大堆循环和条件判断去一步步构建。
|
||
|
||
### 绘图流程
|
||
|
||
我通过绘制同一个多柱状图比较了多个 Python 绘图库的差异。正式开始之前，你需要将你的 Python 环境调整到能运行下面代码的状态。具体就是：
|
||
|
||
* 安装最新版的 Python（ [Linux][4]、[Mac][5] 和 [Windows][6] 系统下的安装方法）
|
||
* 确认该版本 Python 可以运行本教程所使用的库
|
||
|
||
演示用数据可从网络下载，并且可以用 pandas 直接导入：
|
||
|
||
```
|
||
import pandas as pd
|
||
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')
|
||
```
|
||
|
||
准备开始吧。为了做个比较，先看下面这个用 [Matplotlib][7] 做的图：
|
||
|
||
![Matplotlib UK election results][8]
|
||
|
||
使用 Matplotlib 需要 16 行代码，图柱的位置需要自己计算。
|
||
|
||
使用 Altair 绘制相似的图，代码如下：
|
||
|
||
```
|
||
import altair as alt
|
||
|
||
chart = alt.Chart(df).mark_bar().encode(
|
||
x='party',
|
||
y='seats',
|
||
column='year',
|
||
color='party',
|
||
)
|
||
|
||
chart.save('altair-elections.html')
|
||
```
|
||
|
||
真是简洁多了！与 [Seaborn][9] 类似，Altair 所用数据的组织形式是每个变量一列（即 [数据列][10] ）。这种方式下可以将每个变量映射到图的一个属性上 —— Altair 称之为“通道”。在上例中，我们期望每个 “党派” 在 `x` 轴上显示为一组图柱， 其 “席位” 显示在 `y` 轴，且将图柱按照 “年份” 分开为 “列”。我们还想根据 “党派” 给图柱使用不同的 “颜色”。用语言表述需求的话就是上面这个样子，而这也正是代码所要表述的！
|
||
|
||
现在把图画出来：
|
||
|
||
![Altair plot with default styling][11]
|
||
|
||
### 调整样式
|
||
|
||
这和我们期待的效果有点接近了。与 Matplotlib 方案相比，主要区别在于 Altair 方案中，每个 `year` 组显示的时候，内部之间都有个小空白 —— 这不是问题，这只是 Altair 多柱状图显示的一个特性。
|
||
|
||
所以说呢，还需要对显示样式再做一些改进。
|
||
|
||
#### 非整形数据
|
||
|
||
两个不是整数的年份名称（`Feb 1974` 和 `Oct 1974`）显示为 `NaN` 了。这可以通过将年份数值 `year` 转换为字符串来解决：
|
||
|
||
|
||
```
|
||
df['year'] = df['year'].astype(str)
|
||
```
|
||
|
||
#### 指定数据排序方法
|
||
|
||
还需要让 Altair 知道如何对数据进行排序。Altair 允许通过传给它一个 `Column` 对象，来设定 `Column` 通道的更多细节。现在让 Altair 按照数据在数据集中出现的顺序排列：
|
||
|
||
```
|
||
chart = alt.Chart(df).mark_bar().encode(
|
||
# ...
|
||
column=alt.Column('year', sort=list(df['year']), title=None),
|
||
# ...
|
||
)
|
||
```
|
||
|
||
#### 移除坐标轴标签
|
||
|
||
我们通过设置 `title=None` 移除了图顶的 "year" 标签。下面再一处每列数据的 "party" 标签：
|
||
|
||
|
||
```
|
||
chart = alt.Chart(df).mark_bar().encode(
|
||
x=alt.X('party', title=None),
|
||
# ...
|
||
)
|
||
```
|
||
|
||
#### 指定颜色图
|
||
|
||
最后，我们还想自己指定图柱的颜色。Altair 允许建立 `domain` 中数值与 `range` 中颜色的映射来实现所需功能，太贴心了：
|
||
|
||
```
|
||
cmap = {
|
||
'Conservative': '#0343df',
|
||
'Labour': '#e50000',
|
||
'Liberal': '#ffff14',
|
||
'Others': '#929591',
|
||
}
|
||
|
||
chart = alt.Chart(df).mark_bar().encode(
|
||
# ...
|
||
color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
|
||
)
|
||
```
|
||
|
||
#### 样式调整后的最终代码
|
||
|
||
应用上述样式调整之后，代码看起来不那么悦目了，但我们仍然是用声明的方式实现的，这正是 Altair 如此有弹性的原因所在。实现过程中，仍然是使用的异于显示数据的独立变量来分离图中不同属性的，而不是像在 Matplotlib 中那样直接对显示数据做复杂的操作。唯一的不同是，我们的变量名字封装在类似 `alt.X()` 的对象中，从而实现对显示效果的控制：
|
||
|
||
```
|
||
import altair as alt
|
||
from votes import long as df
|
||
|
||
cmap = {
|
||
'Conservative': '#0343df',
|
||
'Labour': '#e50000',
|
||
'Liberal': '#ffff14',
|
||
'Others': '#929591',
|
||
}
|
||
|
||
df['year'] = df['year'].astype(str)
|
||
|
||
# We're still assigning, e.g. 'party' to x, but now we've wrapped it
|
||
# in alt.X in order to specify its styling
|
||
chart = alt.Chart(df).mark_bar().encode(
|
||
x=alt.X('party', title=None),
|
||
y='seats',
|
||
column=alt.Column('year', sort=list(df['year']), title=None),
|
||
color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
|
||
)
|
||
|
||
chart.save('altair-elections.html')
|
||
```
|
||
|
||
现在与 Matplotlib 方案扯平了，代码数量达到了 16 行！
|
||
|
||
下图是使用我们的样式调整方案之后的 Altair 效果图：
|
||
|
||
![The Altair plot with our custom styling][12]
|
||
|
||
### 结论
|
||
|
||
尽管在代码数量上，使用 Altair 绘图没有表现出优势，但它的声明式绘图语言使得对图层的操控更为精密，这是我比较欣赏的。Altair 还提供了清晰而独立的方式来调校显示样式，这使得 相关代码与绘图的代码块分离开来。Altair 确实是使用 Python 绘图时又一个很棒的工具库。
|
||
|
||
本文首次发布于 [这里][13]，蒙允编辑后再次发布。
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
via: https://opensource.com/article/20/6/altair-python
|
||
|
||
作者：[Shaun Taylor-Morgan][a]
|
||
选题：[lujun9972][b]
|
||
译者：[silentdawn-zz](https://github.com/silentdawn-zz)
|
||
校对：[wxy](https://github.com/wxy)
|
||
|
||
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
|
||
|
||
[a]: https://opensource.com/users/shaun-taylor-morgan
|
||
[b]: https://github.com/lujun9972
|
||
[1]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/metrics_data_dashboard_system_computer_analytics.png?itok=oxAeIEI- (metrics and data shown on a computer screen)
|
||
[2]: https://linux.cn/article-12327-1.html
|
||
[3]: https://vega.github.io/vega/
|
||
[4]: https://opensource.com/article/20/4/install-python-linux
|
||
[5]: https://opensource.com/article/19/5/python-3-default-mac
|
||
[6]: https://opensource.com/article/19/8/how-install-python-windows
|
||
[7]: https://opensource.com/article/20/5/matplotlib-python
|
||
[8]: https://opensource.com/sites/default/files/uploads/matplotlib_1_1.png (Matplotlib UK election results)
|
||
[9]: https://anvil.works/blog/plotting-in-seaborn
|
||
[10]: https://anvil.works/blog/tidy-data
|
||
[11]: https://opensource.com/sites/default/files/uploads/altair-first-try.png (Altair plot with default styling)
|
||
[12]: https://opensource.com/sites/default/files/uploads/altair_3.png (The Altair plot with our custom styling.)
|
||
[13]: https://anvil.works/blog/plotting-in-altair
|