? 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/