如何在Python中使用 Altair 制作简单的直方图？

先决条件：牛郎星

简单直方图是通过矩形来表示频率分布，矩形的宽度代表类间隔。直方图是将分组数据点组织到指定范围内的图形表示。通过使用直方图，我们可以将大量数据及其频率可视化为一个连续的图。

安装：

为了安装 altair 库和 vega_datasets，我们在命令提示符中运行以下命令。

pip install altair
pip install vega-datasets

在本文中，我们将在以下各种示例中使用汽车和虹膜数据集，借助 altair 库绘制简单直方图。

循序渐进的方法：

• 导入库。
• 创建或加载数据集。
• 从数据集中选择要制作直方图的列。
• 为了制作直方图，在 altair 库中，我们必须给出三个重要元素（altair.Chart()、mark_bar()、encode()）。
• 将其放入名为“hist”的变量中。
• 然后要查看情节，我们必须编写一行代码 hist.show() 就完成了。

Syntax:

altair.Chart(name_of_dataset).mark_bar().encode(x =”name_of_col1″, y=”name_of_col2″)

示例 1：打印 cars() 的数据集

Python

# importing libraries
import altair as alt
from vega_datasets import data
import vega_datasets
  
# importing cars dataset form
# vega_datasets provided by altair
car_data  = data.cars()
  
# printing the dataset
display(car_data)

输出：

示例 2：使用汽车数据集制作默认的简单直方图。

Python

# importing libraries
import altair as alt
from vega_datasets import data
  
# importing cars dataset
# form vega_datasets provided by altair
car_data  = data.cars()
  
# making the simple histogram on Acceleration
hist = alt.Chart(car_data).mark_bar().encode(x = 'Acceleration',
                                             y = 'count()')
# showing the histogram
hist.show()

输出：

示例 3：通过将 bin 设置为 Acceleration，使用汽车数据集制作简单直方图。

Python

# importing libraries
import altair as alt
from vega_datasets import data
  
# importing cars dataset
# form vega_datasets provided by altair
car_data  = data.cars()
  
# making the simple histogram
# on Acceleration by setting the bin
hist = alt.Chart(car_data).mark_bar().encode(x = alt.X('Acceleration',
                                                       bin = alt.BinParams(maxbins = 30)),
                                             y = 'count()')
# showing the histogram
hist.show()

输出：

示例 4：通过将 bin 设置为“马力”，使用汽车数据集制作简单直方图。

Python

# importing libraries
import altair as alt
from vega_datasets import data
  
# importing cars dataset
# form vega_datasets provided by altair
car_data  = data.cars()
  
# making the simple histogram
# on Horsepower by setting the bin
hist = alt.Chart(car_data).mark_bar().encode(x = alt.X('Horsepower',
                                                       bin = alt.BinParams(maxbins = 20)),
                                             y = 'count()')
# showing the histogram
hist.show()

输出：

示例 5：使用 sepalLength 上的 iris 数据集制作默认的简单直方图。

Python

# importing libraries
import altair as alt
from vega_datasets import data
  
# importing cars dataset
# form vega_datasets provided by altair
iris_data  = data.iris()
  
# making the simple histogram on sepal length
hist = alt.Chart(iris_data).mark_bar().encode(x = 'sepalLength',
                                              y = 'count()')
  
# showing the histogram
hist.show()

输出：

我们也可以在加载虹膜数据集后，在程序中使用print(iris_data)来打印虹膜数据集。打印后的虹膜数据集如下所示。

示例 6：通过设置 bin 和颜色制作简单直方图。

Python

# importing libraries
import altair as alt
from vega_datasets import data
  
# importing cars dataset
# form vega_datasets provided by altair
iris_data  = data.iris()
  
# making the simple histogram
# on sepal length by setting bin
# and color on the basis of species
hist = alt.Chart(iris_data).mark_bar().encode(x = alt.X('sepalLength',
                                                        bin = alt.BinParams(maxbins = 20)),
                                              y = 'count()',color = 'species')
# showing the histogram
hist.show()

输出：

以同样的方式，我们可以在数据集的任何值上制作简单的直方图，并可以相应地设置颜色。

示例 7：通过设置 bin 和颜色，在花瓣宽度上使用 iris 数据集制作简单直方图。

Python

# importing libraries
import altair as alt
from vega_datasets import data
  
# importing cars dataset
# form vega_datasets provided by altair
iris_data  = data.iris()
  
# making the simple histogram
# on petal width by setting bin
# and color on the basis of species
hist = alt.Chart(iris_data).mark_bar().encode(x = alt.X('petalWidth',
                                                        bin = alt.BinParams(maxbins = 10)),
                                              y = 'count()', color = 'species')
# showing the histogram
hist.show()

输出：