本篇旨在測試 Altair 套件的散布圖繪製方法 chart.make_point(). 關於 Altair 的基本用法參考本系列之前一篇文章 :
摘要說明 Altair 繪製圖表的六個步驟 :
- 建立資料 : DataFrame
- 建立圖表物件 : 呼叫建構式 Chart() 並傳入 DataFrame
- 指定圖表類型 : 例如折線圖 mark_line()
- 指定欄位如何呈現 : 呼叫 encode() 方法
- 設定外觀屬性 : 呼叫 properties() 方法
- 設定互動性 : 呼叫 interactive() 方法
從第二步建立 Chart 物件後, 每一個方法都會傳回更新 JSON 設定後的 Chart 物件, 故這些方法可使用鏈式呼叫.
繪製散布圖第三步驟要呼叫 Chart 物件的 mark_point() 方法, 其常用參數如下表所示 :
| mark_point() 參數 | 說明 |
|---|---|
| filled | 設定為 True 時，圓點為實心；預設為 False（空心） |
| size | 設定點的大小（預設 30 平方像素），除以 pi 開根號才是半徑 px |
| color | 設定點的顏色 (預設黑色)，例如 'red' 或 'rgba(255,0,0,0.5)' |
| opacity | 透明度，介於 0（全透明）與 1（不透明，預設）之間 |
| shape | 點的形狀，例如 'circle' (預設), 'square', 'triangle' 等 |
| stroke | 點邊框顏色，例如 'black' |
| strokeWidth | 邊框寬度（預設 1 像素） |
| strokeOpacity | 邊框透明度 (預設 1) |
注意, 其中 size 參數的單位不是像素, 而是是圖形面積 (平方像素 pixels²), 除以 pi 再開根號才會得到圓點的半徑, 預設是 30, 半徑大約是 3.1px, 設為 100 大約半徑是 5.6px.
資料點的形狀預設為圓點 ("circle"), 但也可以設定為其它符號, 可用符號如下表 :
| shape 參數值 | 符號 | 說明 |
|---|---|---|
| "circle" | ● | 圓形（預設） |
| "square" | ■ | 方形 |
| "cross" | ✚ | 十字形 |
| "diamond" | ◆ | 菱形 |
| "triangle-up" | ▲ | 上三角形 |
| "triangle-down" | ▼ | 下三角形 |
| "triangle-left" | ◀ | 左三角形 |
| "triangle-right" | ▶ | 右三角形 |
如果資料點有分類, 則可在 encode() 用 shape 參數指定圖形之類別欄位, 這時 shape 會依據下表繪製不同的資料點符號 :
| encode() 的 shape 參數值 | 對應圖形（Vega Shape 名稱） |
|---|---|
| 0 | circle |
| 1 | square |
| 2 | cross |
| 3 | diamond |
| 4 | triangle-up |
| 5 | triangle-down |
| 6 | triangle-right |
| 7 | triangle-left |
| 8 | stroke (outline circle) |
| 9–25 | 其他內建幾何圖形（不常用） |
例如 :
測試 1 : 預設的圓點散布圖 [看原始碼]
# altair-points-test-1.py
import altair as alt
import pandas as pd
# 建立資料
df=pd.DataFrame({
'x': [0, 1, 2, 3, 4, 5], # x 軸資料
'y': [-5, -2, 6, 12, 4, 9] # y 軸資料
})
# 建立繪製折線圖的 Chart 物件
chart=alt.Chart(df).mark_point().encode(
x='x',
y='y'
)
chart.save('altair-points-test-1.html')
結果如下 :
測試 2 : 設定 color, filled, size 與 strokeWidth 參數的圓點散布圖 [看原始碼]
# altair-points-test-2.py
import altair as alt
import pandas as pd
# 建立資料
df=pd.DataFrame({
'x': [0, 1, 2, 3, 4, 5], # x 軸資料
'y': [-5, -2, 6, 12, 4, 9] # y 軸資料
})
# 建立繪製折線圖的 Chart 物件
chart=alt.Chart(df).mark_point(
filled=True, # 填滿為實心圓點
size=100, # 平方像素面積
color='red', # 填滿顏色
strokeWidth=0 # 無邊框
).encode(
x='x',
y='y',
tooltip=['x', 'y'] # 資料點工具提示
).properties(
width=400, # 圖片寬 (px)
height=300, # 圖片高 (px)
title='Altair 散布圖' # 圖片標題
)
chart.save('altair-points-test-2.html')
結果如下 :
下面範例測試邊框的顏色, 粗細, 與透明度 :
測試 3 : 設定 color, filled, size 與 strokeWidth 參數的圓點散布圖 [看原始碼]
# altair-points-test-3.py
import altair as alt
import pandas as pd
# 建立資料
df=pd.DataFrame({
'x': [0, 1, 2, 3, 4, 5], # x 軸資料
'y': [-5, -2, 6, 12, 4, 9] # y 軸資料
})
# 建立繪製折線圖的 Chart 物件
chart=alt.Chart(df).mark_point(
filled=True, # 填滿為實心圓點
size=200, # 平方像素面積
color='red', # 填滿顏色
stroke='#0000FF', # 邊框顏色
strokeWidth=2, # 邊框
strokeOpacity=0.5 # 邊框透明度
).encode(
x='x',
y='y',
tooltip=['x', 'y'] # 資料點工具提示
).properties(
width=400, # 圖片寬 (px)
height=300, # 圖片高 (px)
title='Altair 散布圖' # 圖片標題
)
chart.save('altair-points-test-3.html')
此例將圓點面積放大以利觀察, 邊框顏色改用 "#RRGGBB" 格式, 結果如下 :
可見 0.5 的透明度讓邊框顏色沒那麼藍. 其實也可以不用 strokeOpacity 參數, 改用 "rgba(r, g, b, a)" 格式也可以有相同效果, 例如 :
測試 4 : 用 stroke='rgba(r, g, b, a)' 設定邊框透明度 [看原始碼]
# altair-points-test-4.py
import altair as alt
import pandas as pd
# 建立資料
df=pd.DataFrame({
'x': [0, 1, 2, 3, 4, 5], # x 軸資料
'y': [-5, -2, 6, 12, 4, 9] # y 軸資料
})
# 建立繪製折線圖的 Chart 物件
chart=alt.Chart(df).mark_point(
filled=True, # 填滿為實心圓點
size=200, # 平方像素面積
color='red', # 填滿顏色
stroke='rgba(0, 0, 255, 0.5)', # 邊框顏色
strokeWidth=2 # 邊框
).encode(
x='x',
y='y',
tooltip=['x', 'y'] # 資料點工具提示
).properties(
width=400, # 圖片寬 (px)
height=300, # 圖片高 (px)
title='Altair 散布圖' # 圖片標題
)
chart.save('altair-points-test-4.html')
此例移除 strokeOpacity 參數, 邊框透明度改成在 stroke 參數的 "rgba(r, g, b, a)" 中用 a 設定, 結果與上例相同.
除了圓點外也可以用 shape 參數設定為其它圖形, 例如方點 :
測試 5 : 用 shape 參數設定資料點的圖形 [看原始碼]
# altair-points-test-5.py
import altair as alt
import pandas as pd
# 建立資料
df=pd.DataFrame({
'x': [0, 1, 2, 3, 4, 5], # x 軸資料
'y': [-5, -2, 6, 12, 4, 9] # y 軸資料
})
# 建立繪製折線圖的 Chart 物件
chart=alt.Chart(df).mark_point(
filled=True, # 填滿為實心圓點
size=200, # 平方像素面積
color='yellow', # 填滿顏色
shape='square', # 方形資料點
stroke='navy'
).encode(
x='x',
y='y',
tooltip=['x', 'y'] # 資料點工具提示
).properties(
width=400, # 圖片寬 (px)
height=300, # 圖片高 (px)
title='Altair 散布圖' # 圖片標題
)
chart.save('altair-points-test-5.html')
此例將資料點設為方形, 結果如下 :
資料點也可以進行分類讓不同類別的資料顯示不同的資料點圖形, 例如 :
測試 6 : 在 encode() 中用 shape 參數設定資料點的分類圖形 [看原始碼]
# altair-points-test-6.py
import altair as alt
import pandas as pd
# 建立資料
df=pd.DataFrame({
'x': [0, 1, 2, 3, 4, 5], # x 軸資料
'y': [-5, -2, 6, 12, 4, 9], # y 軸資料
'label': ['A', 'B', 'A', 'B', 'A', 'B'] # 資料分類
})
# 建立繪製折線圖的 Chart 物件
chart=alt.Chart(df).mark_point(
filled=True, # 填滿為實心圓點
size=200, # 平方像素面積
color='yellow', # 填滿顏色
stroke='navy'
).encode(
x='x',
y='y',
shape='label', # 資料點的圖形分類欄位
tooltip=['x', 'y'] # 資料點工具提示
).properties(
width=400, # 圖片寬 (px)
height=300, # 圖片高 (px)
title='Altair 散布圖' # 圖片標題
)
chart.save('altair-points-test-6.html')
此例在 DataFrame 中增加一個 label 欄位來標示資料點分類為 A, B 兩類, 然後於 encode() 中傳入 shape 參數指定以此 label 欄位做為圖形分類, Altair 會根據資料中 label 欄位的類別順序為每個類別自動分配一個圖形 (shape) 索引, 此例 A 類被分到索引 0, B 類被分到索引 1, 依據上面的索引與圖形對照表, 索引 0 為圓形資料點, 索引 1 為方形資料點, 結果如下 :
上例中不論分類是圓點或方點的資料點圖形均為黃色, 可以在 encode() 中傳入 color 參數並指定值為 'label', 這樣 Altair 就會依照欄位不同自動為每個分類配色, 例如 :
測試 7 : 讓不同分類的資料點顏色不同 [看原始碼]
# altair-points-test-7.py
import altair as alt
import pandas as pd
# 建立資料
df=pd.DataFrame({
'x': [0, 1, 2, 3, 4, 5], # x 軸資料
'y': [-5, -2, 6, 12, 4, 9], # y 軸資料
'label': ['A', 'B', 'A', 'B', 'A', 'B'] # 資料分類
})
# 建立繪製折線圖的 Chart 物件
chart=alt.Chart(df).mark_point(
filled=True, # 填滿為實心圓點
size=200, # 平方像素面積
color='yellow', # 填滿顏色
stroke='navy'
).encode(
x='x',
y='y',
shape='label', # 資料點的圖形分類欄位
color='label', # 顏色根據 label 分類
tooltip=['x', 'y'] # 資料點工具提示
).properties(
width=400, # 圖片寬 (px)
height=300, # 圖片高 (px)
title='Altair 散布圖' # 圖片標題
)
chart.save('altair-points-test-7.html')
此例於 encode() 中指定 color='label', Altair 會依照 'label' 欄位的分類自動為每個分類配色, 結果如下 :
可見 A, B 兩種分類顏色不同, A 類是藍色系圓點; B 類是橘色系方點.
沒有留言 :
張貼留言