本教程将解释如何在 altair python 中使用 jitter 制作 stripplot。在 altair python 中使用带有抖动的条形图可以快速、轻松地可视化包含连续变量和分类变量的数据集。在带状图中，其中一个变量是分类变量，另一个是连续变量。带状图是散点图的一种。通过将数据点视为沿着分类轴的各个点，我们可以看到每个类别的连续变量的分布。通过抖动将数据点分布在绘图上可以更轻松地检查数据的分布方式。
使用mark_circle()函数构建图表，并使用jitter()函数添加抖动效果，我们可以在Altair Python中创建一个带有抖动效果的条形图。首先，必须使用encoding参数来指定图表的x和y变量。然后使用mark_circle()函数创建图表，并使用jitter()函数添加抖动效果。还可以通过修改坐标轴标签、颜色方案和添加标题来修改图表。通过遵循这些简单的方法，我们可以在Altair Python中创建一个易读且有指导意义的带有抖动效果的条形图。
语法
Altair 是一个 Python 库，可用于创建带有抖动的带状图。以下是使用 Altair 创建带有抖动的带状图的语法示例 -
import altair as alt
# create a stripplot with jitter using Altair
alt.Chart(df).mark_circle(size = 14).encode(
x = alt.X('jitter:Q', title = None, axis = alt.Axis(ticks = True, grid = False, labels = False), scale = alt.Scale()),
y = alt.Y('Y:Q', scale = alt.Scale()),
color = alt.Color('C:N', legend = None),
).transform_calculate(
Jitter = 'sqrt(-2*log(rand()))*cos(2*PI*rand())',
)
给定的代码使用Altair创建了一个带有抖动效果的条形图。transform_calculate()方法通过计算Python的random模块中rand()方法生成的随机数的自然对数的负两倍的平方根，再乘以两倍pi乘以另一个使用相同rand()方法生成的随机数的余弦值，生成了x轴的高斯抖动。这将抖动值添加到DataFrame的'jitter'列中。然后使用alt.X()方法中的'jitter:Q'编码将这个抖动值映射到x轴上。
示例
以下代码使用Python中的Altair可视化库生成带有抖动效果的条形图。代码首先使用pandas.DataFrame()创建一个自定义数据集，其中包含100个随机生成的x值、y值和类别。x和y值表示图中点的坐标，而类别列确定每个点的颜色。
立即学习“Python免费学习笔记（深入）”；
然后使用 alt.Chart() 函数创建图表对象，并调用 mark_circle() 函数来指定绘图应为圆形。 encode() 方法用于指定如何将数据映射到绘图的视觉属性，例如 x 和 y 位置以及点颜色。在这种情况下，x 编码使用称为抖动的计算字段将抖动添加到 x 轴，而 y 编码指定 y 值。颜色编码使用类别列为点着色，并且 legend=None 参数删除图例。最后，transform_calculate() 函数用于使用基于随机数生成器的公式来计算抖动场，该生成器会向 x 值添加少量随机噪声并将点水平展开。
import altair as alt
import pandas as pd
import numpy as np
# create a custom dataset
custom_data = pd.DataFrame({
'x_values': np.random.randn(100),
'y_values': np.random.randn(100),
'category': np.random.choice(['A', 'B', 'C'], 100)
})
# create a stripplot with jitter using Altair
alt.Chart(custom_data).mark_circle(size = 14).encode(
x=alt.X('jitter:Q', title = None,
axis = alt.Axis(ticks = True, grid = False, labels = False), scale = alt.Scale()),
y=alt.Y('y_values:Q', scale=alt.Scale()),
color=alt.Color('category:N', legend = None),
).transform_calculate(
jitter='sqrt(-2*log(random()))*cos(2*PI*random())',
)
输出
示例
此示例展示了如何使用 Iris 数据集在 Altair 中创建带有抖动的带状图。该代码首先从 vega_datasets 库导入必要的库，包括 Altair 和 Iris 数据集。然后，它使用 mark_circle 方法创建一个 Altair 图表，为每个数据点创建一个圆，并分别使用 Altair X、Y 和 Color 类对 x、y 和颜色变量进行编码。
此示例展示了如何使用 Iris 数据集在 Altair 中创建带有抖动的带状图。该代码首先从 vega_datasets 库导入必要的库，包括 Altair 和 Iris 数据集。然后，它使用 mark_circle 方法创建一个 Altair 图表，为每个数据点创建一个圆，并分别使用 Altair X、Y 和 Color 类对 x、y 和颜色变量进行编码。
import altair as alt
from vega_datasets import data
# load the Iris dataset
iris = data.iris()
# create a stripplot with jitter using Altair
alt.Chart(iris).mark_circle(size = 14).encode(
x = alt.X('jitter:Q', title = None, axis = alt.Axis(ticks = True, grid = False, labels = False), scale = alt.Scale()),
y = alt.Y('petalWidth:Q', scale = alt.Scale()),
color = alt.Color('species:N', legend = None),
).transform_calculate(
jitter = 'sqrt(-2*log(random()))*cos(2*PI*random())',
)
输出
Conclusion
总之，使用抖动来创建条形图对于显示数据点的分布和变异性非常有用。Python的Altair包使得完成这个操作变得简单而有效。用户可以按照本文提供的说明，包括导入所需的库、加载数据和编码x、y和颜色变量，制作一个有教育意义和美观的图表。通过使用transform_calculate方法来包含抖动，图表进一步改进，因为现在更容易识别数据中的特定数据点和模式。
总体而言，Altair 是一款强大的 Python 数据可视化工具，使用抖动创建带状图只是其功能的一个例证。您可以通过尝试各种数据集和视觉编码来制作各种强大且具有教育意义的可视化。得益于 Altair 简单的语法和强大的功能，数据可视化的可能性是无限的。
