altair-transform

Python对Altair/Vega-Lite转换进行评估。

altair-transform需要Python 3.6或更高版本。使用以下命令安装：

$ pip install altair_transform

Altair-transform可以直接在Python中评估Altair和Vega-Lite转换。这在以下示例中得到了说明。

示例：提取数据

Vega-Lite规范包括在图表规范内部对输入数据进行广泛转换的能力。以下是一个示例，展示了在Altair中实现的Gaussian随机游走的滑动窗口平均值

import altair as alt
import numpy as np
import pandas as pd

rand = np.random.RandomState(12345)

df = pd.DataFrame({
    'x': np.arange(200),
    'y': rand.randn(200).cumsum()
})

points = alt.Chart(df).mark_point().encode(
    x='x:Q',
    y='y:Q'
)

line = alt.Chart(df).transform_window(
    ymean='mean(y)',
    sort=[alt.SortField('x')],
    frame=[5, 5]
).mark_line(color='red').encode(
    x='x:Q',
    y='ymean:Q'
)

points + line

然而，由于转换被编码在渲染器中，因此从Python层无法直接访问计算值。

这就是altair_transform发挥作用的地方。它包含了一个（几乎是）完整的Vega-Lite转换层的Python实现，因此您可以轻松地提取一个包含图表中显示的计算值的pandas数据框

from altair_transform import extract_data
data = extract_data(line)
data.head()

从这里，您可以直接在Python中处理转换后的数据。

示例：预聚合大数据集

Altair创建了包含完整数据集的图表规范。这种做法的优点是用于生成图表的数据完全透明；缺点是当数据集变得很大时，会导致问题。为了防止用户在尝试向前端发送过多数据时不小心崩溃浏览器，Altair默认限制数据大小。例如，一个包含20000个点的直方图

import altair as alt
import pandas as pd
import numpy as np

np.random.seed(12345)

df = pd.DataFrame({
    'x': np.random.randn(20000)
})
chart = alt.Chart(df).mark_bar().encode(
    alt.X('x', bin=True),
    y='count()'
)
chart

MaxRowsError: The number of rows in your dataset is greater than the maximum allowed (5000). For information on how to plot larger datasets in Altair, see the documentation

正如Altair的常见问题解答中提到的，有几种可能的解决方案。Altiar-transform通过transform_chart()函数提供另一种选项，该函数将根据图表规范预先转换数据，因此最终的图表规范包含的是汇总数据，而不是完整的数据集

from altair_transform import transform_chart
new_chart = transform_chart(chart)
new_chart

检查新的图表规范，我们可以看到它包含了预先汇总的数据集

new_chart.data

限制

altair_transform目前仅适用于非复合图表；也就是说，它不能转换或从层叠、分面、重复或连接的图表中提取数据。

还有一些不太常用的转换选项尚未完全支持。如果您尝试使用它们，应明确引发NotImplementedError。