具有可变宽度条的 Altair 条形图?
Altair bar chart with bars of variable width?
我正在尝试在 Python 中使用 Altair 来制作条形图,其中条形的宽度会根据源数据帧的列中的数据而变化。最终目标是获得这样的图表:
条形的高度对应于每种能源技术的边际成本(在源数据框中作为一列给出)。条形宽度对应于每种能源技术的容量(也作为源数据框中的列给出)。颜色也是来自源数据框的有序数据。这些条按边际成本递增的顺序排序。 (这样的情节在能源界被称为"generation stack")。这在 matplotlib 中很容易实现,如下面的代码所示:
import matplotlib.pyplot as plt
# Make fake dataset
height = [3, 12, 5, 18, 45]
bars = ('A', 'B', 'C', 'D', 'E')
# Choose the width of each bar and their positions
width = [0.1,0.2,3,1.5,0.3]
y_pos = [0,0.3,2,4.5,5.5]
# Make the plot
plt.bar(y_pos, height, width=width)
plt.xticks(y_pos, bars)
plt.show()
(来自 https://python-graph-gallery.com/5-control-width-and-space-in-barplots/ 的代码)
但是有没有办法用 Altair 做到这一点?我想用 Altair 做到这一点,这样我仍然可以获得 Altair 的其他强大功能,比如工具提示,selectors/bindings 因为我有很多其他数据想在条形图旁边显示。
我的源数据的前 20 行如下所示:
(与上面显示的图表不完全匹配)。
在 Altair 中,执行此操作的方法是使用 rect
标记并显式构建您的条形图。这是一个模仿您的数据的示例:
import altair as alt
import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame({
'MarginalCost': 100 * np.random.rand(30),
'Capacity': 10 * np.random.rand(30),
'Technology': np.random.choice(['SOLAR', 'THERMAL', 'WIND', 'GAS'], 30)
})
df = df.sort_values('MarginalCost')
df['x1'] = df['Capacity'].cumsum()
df['x0'] = df['x1'].shift(fill_value=0)
alt.Chart(df).mark_rect().encode(
x=alt.X('x0:Q', title='Capacity'),
x2='x1',
y=alt.Y('MarginalCost:Q', title='Marginal Cost'),
color='Technology:N',
tooltip=["Technology", "Capacity", "MarginalCost"]
)
要在不对数据进行预处理的情况下获得相同的结果,您可以使用 Altair 的转换语法:
df = pd.DataFrame({
'MarginalCost': 100 * np.random.rand(30),
'Capacity': 10 * np.random.rand(30),
'Technology': np.random.choice(['SOLAR', 'THERMAL', 'WIND', 'GAS'], 30)
})
alt.Chart(df).transform_window(
x1='sum(Capacity)',
sort=[alt.SortField('MarginalCost')]
).transform_calculate(
x0='datum.x1 - datum.Capacity'
).mark_rect().encode(
x=alt.X('x0:Q', title='Capacity'),
x2='x1',
y=alt.Y('MarginalCost:Q', title='Marginal Cost'),
color='Technology:N',
tooltip=["Technology", "Capacity", "MarginalCost"]
)
我正在尝试在 Python 中使用 Altair 来制作条形图,其中条形的宽度会根据源数据帧的列中的数据而变化。最终目标是获得这样的图表:
条形的高度对应于每种能源技术的边际成本(在源数据框中作为一列给出)。条形宽度对应于每种能源技术的容量(也作为源数据框中的列给出)。颜色也是来自源数据框的有序数据。这些条按边际成本递增的顺序排序。 (这样的情节在能源界被称为"generation stack")。这在 matplotlib 中很容易实现,如下面的代码所示:
import matplotlib.pyplot as plt
# Make fake dataset
height = [3, 12, 5, 18, 45]
bars = ('A', 'B', 'C', 'D', 'E')
# Choose the width of each bar and their positions
width = [0.1,0.2,3,1.5,0.3]
y_pos = [0,0.3,2,4.5,5.5]
# Make the plot
plt.bar(y_pos, height, width=width)
plt.xticks(y_pos, bars)
plt.show()
(来自 https://python-graph-gallery.com/5-control-width-and-space-in-barplots/ 的代码)
但是有没有办法用 Altair 做到这一点?我想用 Altair 做到这一点,这样我仍然可以获得 Altair 的其他强大功能,比如工具提示,selectors/bindings 因为我有很多其他数据想在条形图旁边显示。
我的源数据的前 20 行如下所示:
(与上面显示的图表不完全匹配)。
在 Altair 中,执行此操作的方法是使用 rect
标记并显式构建您的条形图。这是一个模仿您的数据的示例:
import altair as alt
import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame({
'MarginalCost': 100 * np.random.rand(30),
'Capacity': 10 * np.random.rand(30),
'Technology': np.random.choice(['SOLAR', 'THERMAL', 'WIND', 'GAS'], 30)
})
df = df.sort_values('MarginalCost')
df['x1'] = df['Capacity'].cumsum()
df['x0'] = df['x1'].shift(fill_value=0)
alt.Chart(df).mark_rect().encode(
x=alt.X('x0:Q', title='Capacity'),
x2='x1',
y=alt.Y('MarginalCost:Q', title='Marginal Cost'),
color='Technology:N',
tooltip=["Technology", "Capacity", "MarginalCost"]
)
要在不对数据进行预处理的情况下获得相同的结果,您可以使用 Altair 的转换语法:
df = pd.DataFrame({
'MarginalCost': 100 * np.random.rand(30),
'Capacity': 10 * np.random.rand(30),
'Technology': np.random.choice(['SOLAR', 'THERMAL', 'WIND', 'GAS'], 30)
})
alt.Chart(df).transform_window(
x1='sum(Capacity)',
sort=[alt.SortField('MarginalCost')]
).transform_calculate(
x0='datum.x1 - datum.Capacity'
).mark_rect().encode(
x=alt.X('x0:Q', title='Capacity'),
x2='x1',
y=alt.Y('MarginalCost:Q', title='Marginal Cost'),
color='Technology:N',
tooltip=["Technology", "Capacity", "MarginalCost"]
)