Empfehlung von Altair! Datenvisualisierung mit Python

Über diesen Artikel

Einführung in ** Altair **, Pythons Datenvisualisierungsbibliothek. Da es auf Japanisch nur wenige Informationen gibt, werde ich einen Artikel für Missionare schreiben. Wenn Sie mit Englisch vertraut sind, ist es am einfachsten, die offizielle Seite zu sehen.

Installation

Es kann einfach mit dem Befehl pip installiert werden. vega_datasets wird später verwendet, also lasst es uns zusammen installieren.

pip install altair vega_datasets

Ich habe Google Colaboratory verwendet und es hat von Anfang an ohne Installation funktioniert.

Vorbereitungen

Laden Sie die Bibliothek und den Datensatz unten.

import altair as alt
from vega_datasets import data
iris = data.iris()

Altair kann gut mit Pandas arbeiten, und "Iris" ist der DataFrame von Pandas.

Grundlegende Visualisierung

Das Folgende ist der angenommene Code, der direkt mit Jupyter usw. visualisiert werden soll. Wenn Sie in HTML ausgeben möchten, fügen Sie am Ende .save (" filename.html ") hinzu. Sie müssen nicht .interactive () haben, aber wenn Sie es schreiben, können Sie das Diagramm verschieben. ** Dieser Artikel ist ein normales Bild. Wenn Sie ihn verschieben möchten, verwenden Sie bitte hier **.

Beispiel ① Streudiagramm

Geben Sie die Werte für die x- und y-Achse wie folgt an: Sie können auch alt.X () wie einen Kommentar schreiben und dies für eine komplizierte Visualisierung verwenden.

alt.Chart(iris).mark_point().encode(
    x="sepalLength", # alt.X("sepalLength"),
    y="sepalWidth", # alt.Y("sepalWidth"),
    color="species"
).interactive()

Beispiel ② Balkendiagramm

Der Punkt ist, den Durchschnitt für jede "Art" mit "Durchschnitt ()" zu nehmen. Sie können verschiedene andere Operationen als den Durchschnitt ausführen und die Liste unter [hier] überprüfen (https://vega.github.io/vega-lite/docs/aggregate.html#ops).

alt.Chart(iris).mark_bar().encode(
    x="average(sepalLength)", # alt.X("sepalLength", aggregate="average"),
    y="species", # alt.Y("species"),
).interactive()

Der Punkt ist so. Wenn Sie den Teil make_xxxxx durch make_line ersetzen, können Sie einfach ein Liniendiagramm zeichnen. Wenn Sie ein Problem haben, können Sie es normalerweise lösen, indem Sie auf der offiziellen Seite unter Galerie nach einem ähnlichen Diagramm suchen.

TIPPS (kann hinzugefügt werden)

Informationsanzeige per Mauszeiger

Die durch das Tooltip-Argument angegebenen Informationen werden mit der Maus angezeigt.

alt.Chart(iris).mark_point().encode(
    x="sepalLength",
    y="sepalWidth",
    color="species",
    tooltip=["sepalLength", "sepalWidth", "petalLength", "petalWidth", "species"]
).interactive()

Ich möchte die Achse nicht von 0 schreiben

Quantitative Daten werden grundsätzlich einschließlich 0 visualisiert. Die obige Grafik zeigt deutlich, dass sie keine 0 mit "Null = Falsch" enthält.

alt.Chart(iris).mark_point().encode(
    alt.X("sepalLength", scale=alt.Scale(zero=False)),
    alt.Y("sepalWidth", scale=alt.Scale(zero=False)),
    color="species"
).interactive()

Datentypspezifikation

Die nominale Skala ist oft eine ganze Zahl, nicht wahr? Geben Sie in diesem Fall an, dass es sich um eine nominelle Skala handelt, z. B. "species_int: N". Die Ordnungsskala lautet übrigens ": O" und für quantitative Daten ": Q". Details finden Sie in der offiziellen Dokumentation hier.

#In einen ganzzahligen Wert konvertieren(setosa: 0, versicolor: 1, virginica: 2)
iris["species_int"] = [["setosa", "versicolor", "virginica"].index(x) for x in iris["species"]]

#Richtiges Beispiel
alt.Chart(iris).mark_point().encode(
    x="sepalLength",
    y="sepalWidth",
    color="species_int:N"
).interactive()

Übrigens, ohne : N wird es wie folgt sein.

Unterstützt MaxRowError

Ich werde wütend, wenn ich 5000 Zeilen überschreite. Führen Sie die folgenden Schritte unter Bezugnahme auf die Informationen in [hier] aus (https://altair-viz.github.io/user_guide/faq.html#maxrowserror-how-can-i-plot-large-datasets).

alt.data_transformers.disable_max_rows()

Schließlich

Es kann einfach beschrieben werden und ist praktisch für die explorative Analyse. Wenn es einen Nachteil gibt, ist die HTML-Ausgabe einfach, aber die PNG-Ausgabe scheint etwas schwierig zu sein. Zu Ihrer Information!