💡 作者：韩信子@ShowMeAI
📘 数据分析实战系列：https://www.showmeai.tech/tutorials/40
📘 本文地址：https://www.showmeai.tech/article-detail/320
📢 声明：版权所有，转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容

大家都看过非常酷的实时数据看板，能用最直观的方式给到我们业务数据的信息，如下图所示。

而在 Python 中，我们也有非常易用的工具，可以产出漂亮的数据分析可视化结果，并支持交互式操作和勾选局部数据深入分析，ShowMeAI在本篇内容中，将给大家讲解到 📘Altair 这样一个功能强大的 Python 交互式数据分析工具，它能产出如下图所示的交互分析结果：

💡 数据分析实现模板

为了让大家在自己的数据上体验 Altair 的分析结果，我们下面编写的一个函数模板，用于为数据集中的所有特征生成交互式图表。

具体一点说，我们希望它为数值型字段（特征）返回『直方图+散点图』，为类别型特征返回『柱状图+箱线图』，Altair 返回的这些图表结果都是可以交互式操作的。

# 导入工具库
import altair as alt
import pandas as pd

# 忽律数据规模限制
alt.data_transformers.enable(\'default\', max_rows=None)


# 构建chart函数，它读取数据和字段名称，返回一个交互式图表结果
def chart(dataset, column_name, target_var):
    w = 500
    single = alt.selection_single()
    
    # 灰度图与柱状图
    
    # 如果是类别型字段，我们不用分桶
    if (column_name in dataset.select_dtypes(include=\'object\').columns.to_list()):
        a = alt.Chart(dataset).mark_bar().encode(
        alt.X(column_name + \':N\', bin=False),
        alt.Y(\'count()\'),
        color = alt.condition(single, alt.value(\'#4c78a8\'), alt.value(\'lightgray\')),
        tooltip=[\'count()\', alt.Tooltip(column_name, bin=False)]
        ).add_selection(single).properties(width=w)
        
    # 如果是数值型字段，我们先分桶
    else:
        a = alt.Chart(dataset).mark_bar().encode(
        alt.X(column_name + \':Q\', bin=True),
        alt.Y(\'count()\'),
        color = alt.condition(single, alt.value(\'#4c78a8\'), alt.value(\'lightgray\')),
        tooltip=[\'count()\', alt.Tooltip(column_name, bin=True)]
        ).add_selection(single).properties(width=w)
    
    # 对于类别型字段，我们构建它和目标字段的一个箱线图表；对于数值型字段，我们构建它们和目标字段的散点分布图
    try:        
        if (column_name in dataset.select_dtypes(include=\'object\').columns.to_list()):
            b = alt.Chart(dataset).mark_boxplot().encode( #, title=\"Boxplot of \" + column_name
            alt.X(column_name + \':N\'),
            alt.Y(target_var),
            color = alt.condition(single, alt.value(\'#4c78a8\'), alt.value(\'lightgray\')),
            tooltip=[target_var]
            ).add_selection(single).properties(width=w)
        else:
            b = alt.Chart(dataset).mark_point().encode(
            alt.X(column_name + \':Q\'),
            alt.Y(target_var),
            color = alt.condition(single, alt.value(\'#4c78a8\'), alt.value(\'lightgray\')),
            tooltip=[target_var]
            ).add_selection(single).properties(width=w)
    except:
        pass
    
    return(a | b)

大家可以把它应用在自己的数据上，得到的结果图如下所示（而且它们是可以用鼠标交互操作的）。在下面的内容里，我们会告诉大家如何把结果存储为 html 报告，大家每次打开 html 结果文件，即可进行交互式操作，而无需每次都重新分析。

💡 数据分析&交互文档报告

下面的代码可以将所有可视化结果编译到一个 html 文档中，打开这个 html 文件，大家就可以得到一个可交互的可视化数据分析平台。

# 把所有的altair图表添加到一个列表里
myl = []
for col in dataset.columns:
    try:
        myl.append(chart(dataset, col, target_var))
    except:
        pass
    else:
        pass

# 编译所有的图表到1个html文件中
a = myl[0]
for i in range(1,len(myl)):
    a = a & myl[i]
a.properties(
    title = \'Feature Histograms & Boxplots\'
).configure_axis(labelFontSize=15, titleFontSize=25)
a.save(\'figures/Feature_Visuals.html\')

# 检查是否所有的字段都可以被可视化
print(\'Features accounted for:\', len(myl), \'out of\', len(dataset.T))

参考资料

• 📘 Altair：https://altair-viz.github.io/

来源：https://www.cnblogs.com/showmeai/p/16829632.html
本站部分图文来源于网络，如有侵权请联系删除。