我希望能夠做這樣的事情 -注意：你看到的水平線不是在 y=0 處，而是在 y=1 處但使用color或fill編碼condition在面積圖中并不真正有效。我得到的最接近的是使用yOffset（命中并嘗試以獲得完美值），但mark_area最大的問(wèn)題是 y 軸保持不變，因此圖表實(shí)際上變得無(wú)效。示例：（忽略水平連接的圖表 - 這只是為了能夠得出一個(gè)好的值，因?yàn)閥Offsety 軸根本不移動(dòng)。）import pandas as pddata = pd.DataFrame({'date': pd.date_range(start='1/1/2018', end='1/11/2018'), 'stock': [0.1, 0.3, 0.9, 1, 1.5, 1.2, 0.8, 1.1, 0.4, 0.8, 1.6]})left = alt.Chart(data).mark_area().encode( x='date:T', y='stock:Q', fill = alt.condition(alt.datum.stock<1, alt.value('grey'), alt.value('red')))right = alt.Chart(data).mark_area(yOffset=190, ).encode( x='date:T', y='stock:Q', fill = alt.condition(alt.datum.stock<1, alt.value('grey'), alt.value('red')))left | right輸出右側(cè)的圖表非常接近 - y 軸值和顏色是錯(cuò)誤的。有沒(méi)有辦法在 Altair 中做這樣的事情？編輯1：我嘗試了這篇文章中的想法，它有點(diǎn)相似，但它并不像我想象的那樣工作 -trial1 = alt.Chart(data).mark_area().transform_calculate(below=alt.datum.stock<=1).encode( x='date:T', y=alt.Y('stock:Q'), color = 'below:N')trial2 = alt.Chart(data).mark_area().transform_calculate(below=alt.datum.stock<=1).encode( x='date:T', y=alt.Y('stock:Q', impute={'value': 1}), color = 'below:N')trial1|trial2輸出
1 回答
素胚勾勒不出你
TA貢獻(xiàn)1827條經(jīng)驗(yàn) 獲得超9個(gè)贊
您可以通過(guò)參數(shù)提供第二個(gè) y 編碼來(lái)將基線定義為 1 y2。使用這種方法與條形圖相對(duì)簡(jiǎn)單：
import pandas as pd
import altair as alt
data = pd.DataFrame(
{'date': pd.date_range(start='1/1/2018', end='1/11/2018'),
'stock': [0.1, 0.3, 0.9, 1, 1.5, 1.2, 0.8, 1.1, 0.4, 0.8, 1.6],
'baseline': [1]*11})
# You could also set the bar width instead of binning
alt.Chart(data).mark_bar().encode(
x=alt.X('monthdate(date):T'),
y='stock:Q',
y2='baseline',
color = alt.condition(alt.datum.stock < 1, alt.value('grey'), alt.value('red')))
這很有效，因?yàn)闂l形是單獨(dú)的圖形元素，因此它們將單獨(dú)著色。面積圖是單個(gè)圖形元素，因此僅針對(duì)第一個(gè)庫(kù)存值執(zhí)行條件比較，然后整個(gè)區(qū)域都以此顏色著色。為了獲得不同的顏色，我們需要將區(qū)域分成多個(gè)標(biāo)記，如您鏈接的答案中所示進(jìn)行分組（這也適用于條形圖）。您可以通過(guò)預(yù)先在數(shù)據(jù)框中創(chuàng)建分組列或通過(guò)transform_calculate.
(alt.Chart(data.reset_index()).mark_area().encode(
x=alt.X('date:T'),
y=alt.Y('stock:Q', impute={'value': 1}),
y2='baseline',
color=alt.Color('negative:N', scale=alt.Scale(range=['red', 'grey'])))
.transform_calculate(negative='datum.stock < 1'))
為什么點(diǎn)之間存在重疊？其原因是數(shù)據(jù)的稀疏性以及區(qū)域和線標(biāo)記的默認(rèn)插值方法是“線性”。如果將其更改為mark_area(interpolate='step')，區(qū)域之間的邊界將變得清晰：
為了在保持其形狀的同時(shí)實(shí)現(xiàn)基線周圍區(qū)域標(biāo)記的急劇過(guò)渡，數(shù)據(jù)需要具有更高分辨率。借用您鏈接的答案，您可以看到當(dāng)數(shù)據(jù)稀疏時(shí)，那里的區(qū)域也會(huì)重疊：
import altair as alt
import pandas as pd
import numpy as np
x = np.linspace(2, 4, 4)
df = pd.DataFrame({'x': x, 'y': np.sin(x)})
(alt.Chart(df).mark_area().encode(
x='x',
y=alt.Y('y', impute={'value': 0}),
color='negative:N')
.transform_calculate(negative='datum.y < 0'))
如果我們將點(diǎn)數(shù)增加十倍 ( x = np.linspace(2, 4, 40))，隨著插值發(fā)生在空間中更接近的點(diǎn)之間，過(guò)渡會(huì)變得更加尖銳（將插值從線性更改為單調(diào)，在保持形狀的同時(shí)也可能有所幫助）。
要提高時(shí)間序列數(shù)據(jù)的分辨率，您可以使用 pandasresample和interpolate方法進(jìn)行上采樣。做這樣的事情時(shí)要擔(dān)心的是，您是否以有意義的方式人為地更改了數(shù)據(jù)。我發(fā)現(xiàn)問(wèn)問(wèn)自己該操作是否會(huì)改變您對(duì)數(shù)據(jù)得出的結(jié)論很有用。
(alt.Chart(data.set_index('date').resample('1h').interpolate().reset_index()).mark_area().encode(
x=alt.X('date:T'),
y=alt.Y('stock:Q', impute={'value': 1}),
y2='baseline',
color=alt.Color('negative:N', scale=alt.Scale(range=['red', 'grey'])))
.transform_calculate(negative='datum.stock < 1'))
在這里，我們上采樣到每小時(shí)的數(shù)據(jù)點(diǎn)，并在原始點(diǎn)之間進(jìn)行線性插值。對(duì)我來(lái)說(shuō)，這不會(huì)改變我通過(guò)研究該圖得出的結(jié)論，因?yàn)榫€性插值保留了區(qū)域的塊狀外觀，因此我們不會(huì)使數(shù)據(jù)看起來(lái)人為平滑。我想到的唯一缺點(diǎn)是，我們確實(shí)向 Altair 發(fā)送了不必要的數(shù)據(jù)量，您也許可以使用 Altair 中的轉(zhuǎn)換來(lái)執(zhí)行插值，但我不知道該怎么做。
添加回答
舉報(bào)
0/150
提交
取消