关于数据分析:羡慕实时数据看板来看看Python的交互数据分析可视化工具

23次阅读

共计 2562 个字符，预计需要花费 7 分钟才能阅读完成。

💡 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
📢 申明：版权所有，转载请分割平台与作者并注明出处
📢 珍藏 ShowMeAI 查看更多精彩内容

大家都看过十分酷的实时数据看板，能用最直观的形式给到咱们业务数据的信息，如下图所示。

而在 Python 中，咱们也有十分易用的工具，能够产出丑陋的数据分析可视化后果，并反对交互式操作和勾选部分数据深入分析，ShowMeAI 在本篇内容中，将给大家解说到 📘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剖析后果：

为了让大家在本人的数据上体验 Altair 的剖析后果，咱们上面编写的一个函数模板，用于为数据集中的所有特色生成交互式图表。

具体一点说，咱们心愿它为数值型字段（特色）返回『直方图 + 散点图 』，为类别型特色返回『 柱状图 + 箱线图』，Altair 返回的这些图表后果都是能够交互式操作的。

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

# 忽律数据规模限度
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后果
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，咱们不必分桶
    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，咱们先分桶
    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，咱们构建它和指标字段的一个箱线图表；对于数值型字段，咱们构建它们和指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)

大家能够把它利用在本人的数据上，失去的后果图如下所示（而且它们是能够用鼠标交互操作的）。在上面的内容里，咱们会通知大家如何把后果存储为 html 报告，大家每次关上 html 后果文件，即可进行交互式操作，而无需每次都从新剖析。

上面的代码能够将所有可视化后果编译到一个 html 文档中，关上这个 html 文件，大家就能够失去一个可交互的可视化数据分析平台。

# 把所有的 altair 图表增加到一个列表里
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')

# 查看是否所有的字段都能够被可视化
print('Features accounted for:', len(myl), 'out of', len(dataset.T))