Altair/Vega-Lite 分时图表：从聚合字段中过滤前 K 个条带

Question

我正在可视化一个数据集，例如，它有一个分类字段和一个时间字段。我想创建一个带状图，显示不同类别的时间分布，这些类别根据它们的基数按 'ascending'/'descending' 顺序排序。这可以通过 altair 简单地实现：

import pandas as pd
import altair as alt

data = {0:{'Name':'Mary', 'Sport':'Tennis', 'competition':'2018/06/01'},
    1:{'Name':'Cal', 'Sport':'Tennis','competition':'2018/06/05'},
    2:{'Name':'John', 'Sport':'Tennis','competition':'2018/05/28'},
    3:{'Name':'Jane', 'Sport':'Tennis','competition':'2018/05/20'},
    4:{'Name':'Bob', 'Sport':'Golf','competition':'2018/03/01'},
    5:{'Name':'Jerry', 'Sport':'Golf','competition':'2018/03/03'},
    6:{'Name':'Gustavo', 'Sport':'Golf','competition':'2018/02/28'},
    7:{'Name':'Walter', 'Sport':'Swimming','competition':'2018/01/01'},
    8:{'Name':'Jessy', 'Sport':'Swimming','competition':'2018/01/03'},
    9:{'Name':'Patric', 'Sport':'Running','competition':'2018/02/01'},
    10:{'Name':'John', 'Sport':'Shooting','competition':'2018/04/01'}}

df = pd.DataFrame(data).T

alt.Chart(df).mark_tick().encode(
    x='yearmonthdate(competition):T',
    y=alt.Y('Sport:N',
        sort=alt.SortField(field='count(Sport:N)', order='ascending', op='sum')
    ),
)

现在假设我只对前三个最多的类别感兴趣。按照“”的公认解决方案，这次情节没有出现：

alt.Chart(df).mark_tick().encode(
    x='yearmonthdate(competition):T',
    y=alt.Y('Sport:N',
        sort=alt.SortField(field='count', order='ascending', op='sum')
    ),
).transform_aggregate(
    count='count()',
    groupby=['Sport']
).transform_window(
    window=[{'op': 'rank', 'as': 'rank'}],
    sort=[{'field': 'count', 'order': 'descending'}]
).transform_filter('datum.rank <= 3')

请注意，即使是 y 标签顺序也不符合预期。

Answer 1

更深入地阅读（和理解）文档，我想我可以说我所问的目前（2018 年 6 月）在 altair/Vega-Lite 下是不可行的。这是我的解释...

对数据执行聚合转换，相当于在 SQL 查询中添加 GROUP BY 子句，因此我们无法再将任何“原始”数据字段关联到编码通道以其“未聚合”形式：当我尝试在 x 频道中引用 competition 时，因此这是 undefined。

我可以尝试 "selfjoin" 使用查找转换，但即使在这种情况下，最终结果也不是我想要的，因为这等同于 left join 所以我得到每个聚合只有一个值 class。

alt.Chart(df).mark_tick().encode(
    x=alt.X(field='competition',type='temporal', timeUnit='yearmonthdate'),
    y=alt.Y('Sport:N',
        sort=alt.SortField(field='count', order='ascending', op='sum')
    ),
).transform_aggregate(
    countX='count()',
    groupby=['Sport']
).transform_window(
    window=[{'op': 'rank', 'as': 'rank'}],
    sort=[{'field': 'countX', 'order': 'descending'}]
).transform_filter('datum.rank <= 3').transform_lookup(
    lookup='Sport',
    from_=alt.LookupData(data=df, key='Sport',
                         fields=['competition'])
)

我发现 Vega 目前支持实现我想要的结果所必需的东西，但 Vega-Lite 和 Altair 都不支持：它是 JoinAggregate使用一次或多次聚合的结果“扩展”原始数据的转换。

对于以下输入数据：

[
  {"foo": 1, "bar": 1},
  {"foo": 1, "bar": 2},
  {"foo": null, "bar": 3}
]

连接聚合转换：

{
  "type": "joinaggregate",
  "fields": ["foo", "bar", "bar"],
  "ops": ["valid", "sum", "median"],
  "as": ["v", "s", "m"]
}

产生输出：

[
  {"foo": 1, "bar": 1, "v": 2, "s": 6, "m": 2},
  {"foo": 1, "bar": 2, "v": 2, "s": 6, "m": 2},
  {"foo": null, "bar": 3, "v": 2, "s": 6, "m": 2}
]

Altair/Vega-Lite 分时图表：从聚合字段中过滤前 K 个条带

Altair/Vega-Lite tick chart: filter top K strips from aggregated field

python

vega

vega-lite

altair