图表配置¶

Altair 提供了许多钩子来配置图表的外观；我们没有时间在这里详细介绍所有可用的选项，但了解如何访问和探索这些配置设置的位置和方法会很有用。

一般来说，可以通过两到三个位置控制图表的外观，每个位置的优先级都高于前一个。

顶级图表配置。在 Altair 图表的顶层，您可以指定将应用于图表中每个面板或图层的配置设置。
局部配置设置。通过指定局部配置，可以在局部覆盖顶级设置。
编码值。如果指定了编码值，它将具有最高优先级，并覆盖其他选项。

让我们看一个示例。

import altair as alt

import numpy as np
import pandas as pd
np.random.seed(42)

data = pd.DataFrame(np.random.randn(100, 2), columns=['x', 'y'])

示例 1：控制标记属性¶

假设您想控制散点图中标记的颜色：让我们看看实现此目的的三种选项。我们将使用一个简单的正态分布点数据集

alt.Chart(data).mark_point().encode(
    x='x:Q',
    y='y:Q'
)

顶级配置¶

在顶层，Altair 有一个 configure_mark() 方法，允许您调整标记的许多通用配置设置，还有一个 configure_point() 属性，专门调整点的属性。

您可以在 Jupyter 中通过问号访问文档字符串来查看可用选项

alt.Chart.configure_point?

顶级配置应被视为图表主题：它们是所有图表元素美学的默认设置。让我们使用 configure_point 来设置点的一些属性

alt.Chart(data).mark_point().encode(
    x='x:Q',
    y='y:Q'
).configure_point(
    size=200,
    color='red',
    filled=True
)

有许多局部配置可用；您可以使用 Jupyter 的 tab 补全和帮助功能来探索它们

    alt.Chart.configure_     # then the TAB key to see available configurations

局部标记配置¶

在 mark_point() 方法中，您可以传递局部配置，这些配置将覆盖顶级配置设置。参数与 configure_mark 的参数相同。

alt.Chart(data).mark_point(color='green', filled=False).encode(
    x='x:Q',
    y='y:Q'
).configure_point(
    size=200,
    color='red',
    filled=True
)

请注意，这里的“color”和“fill”配置被局部配置覆盖了，但“size”保持不变。

编码配置¶

最后，优先级最高的设置是“encoding”设置。这里让我们在编码中将颜色设置为“steelblue”

alt.Chart(data).mark_point(color='green', filled=False).encode(
    x='x:Q',
    y='y:Q',
    color=alt.value('steelblue')
).configure_point(
    size=200,
    color='red',
    filled=True
)

这是一个有点刻意的例子，但有助于理解可以设置标记属性的各个位置。

示例 2：图表和轴标题¶

图表和轴标题会根据数据源自动设置，但有时更改它们会很有用。例如，这是上面数据的直方图

alt.Chart(data).mark_bar().encode(
    x=alt.X('x', bin=True),
    y=alt.Y('count()')
)

我们可以使用编码的 title 参数显式设置轴标题

alt.Chart(data).mark_bar().encode(
    x=alt.X('x', bin=True, title='binned x values'),
    y=alt.Y('count()', title='counts in x')
)

同样，我们可以在图表属性中设置图表的 title 属性

alt.Chart(data).mark_bar().encode(
    x=alt.X('x', bin=True, title='binned x values'),
    y=alt.Y('count()', title='counts in x')
).properties(
    title='A histogram'
)

示例 3：轴属性¶

如果您想设置轴的属性，包括网格线，可以使用编码的 axis 参数。

alt.Chart(data).mark_bar().encode(
    x=alt.X('x', bin=True, axis=alt.Axis(labelAngle=45)),
    y=alt.Y('count()', axis=alt.Axis(labels=False, ticks=False, title=None))
)

请注意，如果您希望这些值应用于整个图表，也可以在顶级配置中调整它们。例如

alt.Chart(data).mark_bar().encode(
    x=alt.X('x', bin=True),
    y=alt.Y('count()', axis=alt.Axis(labels=False, ticks=False, title=None))
).configure_axisX(
    labelAngle=45
)

示例 4：比例属性和轴限制¶

每个编码还有一个 scale，允许您调整轴限制和其他比例属性。

alt.Chart(data).mark_point().encode(
    x=alt.X('x:Q', scale=alt.Scale(domain=[-5, 5])),
    y=alt.Y('y:Q', scale=alt.Scale(domain=[-5, 5])),
)

请注意，如果将比例尺缩小到小于数据范围，数据默认会超出比例尺

alt.Chart(data).mark_point().encode(
    x=alt.X('x:Q', scale=alt.Scale(domain=[-3, 1])),
    y=alt.Y('y:Q', scale=alt.Scale(domain=[-3, 1])),
)

不隐藏数据在探索性可视化中是一个有用的默认设置，因为它可以防止您无意中遗漏数据点。

如果您希望标记在比例尺范围之外被裁剪掉，可以设置标记的 clip 属性

alt.Chart(data).mark_point(clip=True).encode(
    x=alt.X('x:Q', scale=alt.Scale(domain=[-3, 1])),
    y=alt.Y('y:Q', scale=alt.Scale(domain=[-3, 1])),
)

另一种有用的方法是将数据“限制”在比例尺的极端范围内，即使超出范围也保持可见

alt.Chart(data).mark_point().encode(
    x=alt.X('x:Q', scale=alt.Scale(domain=[-3, 1], clamp=True)),
    y=alt.Y('y:Q', scale=alt.Scale(domain=[-3, 1], clamp=True)),
).interactive()

示例 5：颜色比例尺¶

有时手动调整使用的颜色比例尺很有用

from vega_datasets import data
weather = data.seattle_weather()
weather.head()

	日期	降水量	最高温度	最低温度	风速	天气
0	2012-01-01	0.0	12.8	5.0	4.7	毛毛雨
1	2012-01-02	10.9	10.6	2.8	4.5	雨
2	2012-01-03	0.8	11.7	7.2	2.3	雨
3	2012-01-04	20.3	12.2	5.6	4.7	雨
4	2012-01-05	1.3	8.9	2.8	6.1	雨

alt.Chart(weather).mark_point().encode(
    x='date:T',
    y='temp_max:Q',
    color='weather:N'
)

您可以使用颜色比例尺属性并参考 Vega 的命名颜色方案来更改颜色方案

alt.Chart(weather).mark_point().encode(
    x='date:T',
    y='temp_max:Q',
    color=alt.Color('weather:N', scale=alt.Scale(scheme="dark2"))
)

或者，您可以通过指定颜色域和颜色范围来创建自己的颜色方案

colorscale = alt.Scale(domain=['sun', 'fog', 'drizzle', 'rain', 'snow'],
                       range=['goldenrod', 'gray', 'lightblue', 'steelblue', 'midnightblue'])

alt.Chart(weather).mark_point().encode(
    x='date:T',
    y='temp_max:Q',
    color=alt.Color('weather:N', scale=colorscale)
)

练习：调整图表¶

现在花大约 10 分钟练习调整图表的美观性。

使用您在之前练习中最喜欢的可视化图表，并调整其美观性

自定义标记的外观（大小、描边宽度等）
更改轴和图表标题
更改 x 轴和 y 轴的限制

使用 alt.Chart.configure_ 进行 tab 补全来查看各种配置选项，然后使用 ? 查看选项功能的文档。

Altair 教程