用Python進行資料視覺化會用什麼函式庫來做呢？
今天就來跟大家分享Python資料視覺化函式庫中的一員猛將－Altair！
它非常簡單、友好，並基於強大的Vega-Lite JSON規範構建，我們只需要簡短的程式碼即可產生美觀、有效的視覺化效果。
Altair是統計視覺化Python 函式庫，目前在GitHub上已經收穫超過3000 Star。
借助Altair，我們可以將更多的精力和時間放在理解資料本身及資料意義上，從複雜的資料視覺化過程中解脫出來。
簡單來說，Altair是一種視覺化語法，也是一種創建、保存和分享互動式視覺化設計的聲明式語言，可以使用JSON 格式描述視覺化的外觀和互動過程，產生基於網路的圖像。
我們來看看利用Altair做出的視覺化效果！
可以將視覺化作品匯出為PNG/SVG 格式的圖片、獨立運行的HTML 格式的網頁，或在線上Vega-Lite 編輯器中查看運行效果。
在Altair中，使用的資料集要以「整潔的格式」載入。 Pandas 中的 DataFrame 是 Altair 使用的主要資料結構之一。 Altair對Pandas的DataFrame有很好地加載效果，加載方法簡單高效。例如，使用Pandas讀取Excel資料集，使用Altair載入Pandas傳回值的實作程式碼，如下所示：import altair as alt import pandas as pd data = pd.read_excel( "Index_Chart_Altair.xlsx", sheet_name="Sales", parse_dates=["Year"] ) alt.Chart( data )
數量型變數 數量型變數。
其中，時間型變數是一種特殊類型的數量型變量，可以將時間型變數設定為名目型變數（N）或次序型變數（O），實現時間型變數的離散化，從而形成與數量型變數的組合。 這裡以名目型變數 數量型變數中的一條來講解。
如果將數量型變數對應到x 軸，將名目型變數對應到y 軸，依然將柱體當作資料的編碼樣式（標記樣式），就可以繪製長條圖。長條圖可以更好地使用長度變化來比較商品銷售利潤的差距，如下圖所示。
chart = alt.Chart(df).mark_bar().encode(x="profit:Q",y="product:N")
我们可以使用面积图描述西雅图从2012 年到2015 年的每个月的平均降雨量统计情况。接下来，进一步拆分平均降雨量，以年份为分区标准，使用阶梯图将具体年份的每月平均降雨量分区展示，如下图所示。
核心的实现代码如下所示。
…
chart = alt.Chart(df).mark_area(
color="lightblue",
interpolate="step",
line=True,
opacity=0.8
).encode(
alt.X("month(date):T",
axis=alt.Axis(format="%b",
formatType="time",
labelAngle=-15,
labelBaseline="top",
labelPadding=5,
title="month")),
y="mean(precipitation):Q",
facet=alt.Facet("year(date):Q",
columns=4,
header=alt.Header(
labelColor="red",
labelFontSize=15,
title="Seattle Monthly Precipitation from 2012 to 2015",
titleFont="Calibri",
titleFontSize=25,
titlePadding=15)
)
0)
…在类alt.X()中，使用month 提取时间型变量date 的月份，映射在位置通道x轴上，使用汇总函数mean()计算平均降雨量，使用折线作为编码数据的标记样式。
在实例方法encode()中，使用子区通道facet 设置分区，使用year 提取时间型变量date 的年份，作为拆分从2012 年到2015 年每个月的平均降雨量的分区标准，从而将每年的不同月份的平均降雨量分别显示在对应的子区上。使用关键字参数columns设置子区的列数，使用关键字参数header 设置子区序号和子区标题的相关文本内容。
具体而言，使用Header 架构包装器设置文本内容，也就是使用类alt.Header()的关键字参数完成文本内容的设置任务，关键字参数的含义如下所示。
以上是常用的Python資料視覺化函式庫有哪些？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
