?? 作者：韓信子@ShowMeAI
?? 資料分析實戰系列：https://www.showmeai.tech/tutorials/40
?? 本文地址：https://www.showmeai.tech/article-detail/320
?? 宣告：著作權所有，轉載請聯系平臺與作者并注明出處
?? 收藏ShowMeAI查看更多精彩內容

大家都看過非常酷的實時資料看板，能用最直觀的方式給到我們業務資料的資訊，如下圖所示，

而在 Python 中，我們也有非常易用的工具，可以產出漂亮的資料分析可視化結果，并支持互動式操作和勾選區域資料深入分析，ShowMeAI在本篇內容中，將給大家講解到 ??Altair 這樣一個功能強大的 Python 互動式資料分析工具，它能產出如下圖所示的互動分析結果：

?? 資料分析實作模板

為了讓大家在自己的資料上體驗 Altair 的分析結果，我們下面撰寫的一個函式模板，用于為資料集中的所有特征生成互動式圖表，

具體一點說，我們希望它為數值型欄位（特征）回傳『直方圖+散點圖』，為類別型特征回傳『柱狀圖+箱線圖』，Altair 回傳的這些圖表結果都是可以互動式操作的，

# 匯入工具庫
import altair as alt
import pandas as pd

# 忽律資料規模限制
alt.data_transformers.enable('default', max_rows=None)


# 構建chart函式，它讀取資料和欄位名稱，回傳一個互動式圖表結果
def chart(dataset, column_name, target_var):
    w = 500
    single = alt.selection_single()
    
    # 灰度圖與柱狀圖
    
    # 如果是類別型欄位，我們不用分桶
    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)
        
    # 如果是數值型欄位，我們先分桶
    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)
    
    # 對于類別型欄位，我們構建它和目標欄位的一個箱線圖表；對于數值型欄位，我們構建它們和目標欄位的散點分布圖
    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)

大家可以把它應用在自己的資料上，得到的結果圖如下所示（而且它們是可以用滑鼠互動操作的），在下面的內容里，我們會告訴大家如何把結果存盤為 html 報告，大家每次打開 html 結果檔案，即可進行互動式操作，而無需每次都重新分析，

?? 資料分析&互動檔案報告

下面的代碼可以將所有可視化結果編譯到一個 html 檔案中，打開這個 html 檔案，大家就可以得到一個可互動的可視化資料分析平臺，

# 把所有的altair圖表添加到一個串列里
myl = []
for col in dataset.columns:
    try:
        myl.append(chart(dataset, col, target_var))
    except:
        pass
    else:
        pass

# 編譯所有的圖表到1個html檔案中
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')

# 檢查是否所有的欄位都可以被可視化
print('Features accounted for:', len(myl), 'out of', len(dataset.T))

參考資料

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

標籤：其他

上一篇：Python json模塊

下一篇：給她講最愛的SpringBoot原始碼