[[336583]]

Altair 作為一個(gè) Python 數(shù)據(jù)制圖庫(kù)，提供了優(yōu)雅的接口及自有的繪圖語(yǔ)言。

Python 中的 繪圖庫(kù) 提供了呈現(xiàn)數(shù)據(jù)的多種方式，可以滿足你不同的偏好，如靈活性、布局、易用性，或者特殊的風(fēng)格。

和其它方式相比，我發(fā)現(xiàn)，Altair 提供的是一種不同的解決方案，且總體而言使用起來(lái)更為簡(jiǎn)單。得益于聲明式的繪圖語(yǔ)言 Vega，Altair 擁有一套優(yōu)雅的接口，可以直接定義要繪的圖應(yīng)該是什么樣子，而不是通過(guò)寫一大堆循環(huán)和條件判斷去一步步構(gòu)建。

繪圖流程

我通過(guò)繪制同一個(gè)多柱狀圖比較了多個(gè) Python 繪圖庫(kù)的差異。正式開(kāi)始之前，你需要將你的 Python 環(huán)境調(diào)整到能運(yùn)行下面代碼的狀態(tài)。具體就是：

• 安裝最新版的 Python（ Linux、Mac 和 Windows 系統(tǒng)下的安裝方法）
• 確認(rèn)該版本 Python 可以運(yùn)行本教程所使用的庫(kù)

演示用數(shù)據(jù)可從網(wǎng)絡(luò)下載，并且可以用 pandas 直接導(dǎo)入：

import pandas as pd
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')

準(zhǔn)備開(kāi)始吧。為了做個(gè)比較，先看下面這個(gè)用 Matplotlib 做的圖：

Matplotlib UK election results

使用 Matplotlib 需要 16 行代碼，圖柱的位置需要自己計(jì)算。

使用 Altair 繪制相似的圖，代碼如下：

    import altair as alt
 
    chart = alt.Chart(df).mark_bar().encode(
        x='party',
        y='seats',
        column='year',
        color='party',
    )
 
    chart.save('altair-elections.html')

真是簡(jiǎn)潔多了！與 Seaborn 類似，Altair 所用數(shù)據(jù)的組織形式是每個(gè)變量一列（即 數(shù)據(jù)列 ）。這種方式下可以將每個(gè)變量映射到圖的一個(gè)屬性上 —— Altair 稱之為“通道”。在上例中，我們期望每個(gè) “黨派” 在 x 軸上顯示為一組圖柱， 其 “席位” 顯示在 y 軸，且將圖柱按照 “年份” 分開(kāi)為 “列”。我們還想根據(jù) “黨派” 給圖柱使用不同的 “顏色”。用語(yǔ)言表述需求的話就是上面這個(gè)樣子，而這也正是代碼所要表述的！

現(xiàn)在把圖畫出來(lái)：

Altair plot with default styling

調(diào)整樣式

這和我們期待的效果有點(diǎn)接近了。與 Matplotlib 方案相比，主要區(qū)別在于 Altair 方案中，每個(gè) year 組顯示的時(shí)候，內(nèi)部之間都有個(gè)小空白 —— 這不是問(wèn)題，這只是 Altair 多柱狀圖顯示的一個(gè)特性。

所以說(shuō)呢，還需要對(duì)顯示樣式再做一些改進(jìn)。

非整形數(shù)據(jù)

兩個(gè)不是整數(shù)的年份名稱（Feb 1974 和 Oct 1974）顯示為 NaN 了。這可以通過(guò)將年份數(shù)值 year 轉(zhuǎn)換為字符串來(lái)解決：

    df['year'] = df['year'].astype(str)

指定數(shù)據(jù)排序方法

還需要讓 Altair 知道如何對(duì)數(shù)據(jù)進(jìn)行排序。Altair 允許通過(guò)傳給它一個(gè) Column 對(duì)象，來(lái)設(shè)定 Column 通道的更多細(xì)節(jié)?，F(xiàn)在讓 Altair 按照數(shù)據(jù)在數(shù)據(jù)集中出現(xiàn)的順序排列：

    chart = alt.Chart(df).mark_bar().encode(
        # ...
        column=alt.Column('year', sort=list(df['year']), title=None),
        # ...
    )

移除坐標(biāo)軸標(biāo)簽

我們通過(guò)設(shè)置 title=None 移除了圖頂?shù)?"year" 標(biāo)簽。下面再一處每列數(shù)據(jù)的 "party" 標(biāo)簽：

    chart = alt.Chart(df).mark_bar().encode(
        x=alt.X('party', title=None),
        # ...
    )

指定顏色圖

最后，我們還想自己指定圖柱的顏色。Altair 允許建立 domain 中數(shù)值與 range 中顏色的映射來(lái)實(shí)現(xiàn)所需功能，太貼心了：

    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())))
    )

樣式調(diào)整后的最終代碼

應(yīng)用上述樣式調(diào)整之后，代碼看起來(lái)不那么悅目了，但我們?nèi)匀皇怯寐暶鞯姆绞綄?shí)現(xiàn)的，這正是 Altair 如此有彈性的原因所在。實(shí)現(xiàn)過(guò)程中，仍然是使用的異于顯示數(shù)據(jù)的獨(dú)立變量來(lái)分離圖中不同屬性的，而不是像在 Matplotlib 中那樣直接對(duì)顯示數(shù)據(jù)做復(fù)雜的操作。唯一的不同是，我們的變量名字封裝在類似 alt.X() 的對(duì)象中，從而實(shí)現(xiàn)對(duì)顯示效果的控制：

    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')

現(xiàn)在與 Matplotlib 方案扯平了，代碼數(shù)量達(dá)到了 16 行！

下圖是使用我們的樣式調(diào)整方案之后的 Altair 效果圖：

The Altair plot with our custom styling

結(jié)論

盡管在代碼數(shù)量上，使用 Altair 繪圖沒(méi)有表現(xiàn)出優(yōu)勢(shì)，但它的聲明式繪圖語(yǔ)言使得對(duì)圖層的操控更為精密，這是我比較欣賞的。Altair 還提供了清晰而獨(dú)立的方式來(lái)調(diào)校顯示樣式，這使得 相關(guān)代碼與繪圖的代碼塊分離開(kāi)來(lái)。Altair 確實(shí)是使用 Python 繪圖時(shí)又一個(gè)很棒的工具庫(kù)。