羡慕实时数据看板？来看看Python的交互数据分析可视化工具！

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。

程序员小麦

615人浏览 · 2023-08-24 17:10:49

程序员小麦 · 2023-08-24 17:10:49 发布

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))