import altair as alt from vega_datasets import data # 准备数据 source = data.cars() # 绘制散点图 chart = alt.Chart(source).mark_circle(size=60).encode( x="Horsepower", y="Miles_per_Gallon", color="Origin", tooltip=["Name", "Origin"] ).interactive() chart.show()小贴士：Altair生成...
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: 代码语言:javascript 代码运行次数:0 运行 AI代码解释 import altair as alt import pandas as pd import numpy as np # 设置全局配置...
学习文档：https://altair-viz.github.io/ 示例代码 import altair as altfrom vega_datasets import datasource = data.iris()alt.Chart(source).mark_circle().encode( alt.X('sepalLength').scale(zero=False), alt.Y('sepalWidth').scale(zero=False, padding=1), color='species', size...
reset_index() # 创建柱状图 pivot_bar_chart = alt.Chart(pivot_data).mark_bar().encode( x='category', y='value' ) # 显示图表 pivot_bar_chart.show() 数据分组与聚合 代码语言:javascript 代码运行次数:0 运行 AI代码解释 import altair as alt import pandas as pd # 创建示例数据 data = pd....
接下来简单介绍一些个人觉得Altair特别好用的几个使用场景,在这些例子中Matplotlib和Seaborn都需要更多的代码和调试才能达到Altair默认的效果。大家也可以自己去探索,Altair有着非常多的图表类型,例如就Line Chart一种类型来说,Altair就有十几种默认类型。 带有区间的条形图- Bar Chart with Range ...
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 类似,Altair 所用数据的组织形式是每个变量一列(即 数据列 )。这种方式下可以将每个变量映射到图的一个属性...
使用Altair创建柱状图 chart = alt.Chart(data).mark_bar().encode(x='category:N',y='value:Q',color='category:N').properties(title='分类数据的柱状图')显示图表 chart.show()这种简单的图表可以直接嵌入到数据分析报告中，从而提升报告的视觉效果和数据表达的准确性。总结：Altair是一个功能强大且易于使用...
相比其他绘图工具,Altair的特点在于不需要调用其他函数,而是直接在数轴上进行修改。 例如统计不同油耗区间的汽车数量,对X轴使用alt.X(),指定数据和间隔大小,对Y轴使用count()统计数量。 alt.Chart(cars).mark_bar().encode(x=alt.X('Miles_per_Gallon'...
alt.Chart(titanic) .mark_bar .encode(y="class:N", color="class:N", x="count(class):Q") .transform_filter(brush) ) points & bars 当你在散点图中选择一个区间时,柱状图会动态更新以反映过滤后的数据。Altair连接图的能力允许高度互动的可视化和即时计算,不需要运行Python服务器。
import altair as altimport pandas as pdimport numpy as npdata = np.random.normal(100, 20, 200)df = pd.DataFrame(data, columns=['data'])alt.Chart(df).mark_boxplot().encode( y='data:Q').properties( width=400, height=300).interactive()ggplot 优点：流行的 R 库 ggplot2 的 ...