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：
数据分析实现模板
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 altimport 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。
数据分析&交互文档报告
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))参考资料
- Altair：https://altair-viz.github.io/