原作者 Parul Pandey
晓查 编译整理
量子位 出品 | 公众号 QbitAI
数据转化成更直观的图片，对于理解数据背后的真相很有帮助。如果你有这方面的需求，而且还在使用Python，那么强烈推荐你试一试Altair。
Altair是一个专为Python编写的可视化软件包，它能让数据科学家更多地关注数据本身和其内在的联系。
Altair由华盛顿大学的数据科学家Jake Vanderplas编写，目前在GitHub上已经收获超过3000星。
最近，Medium上一位小姐姐Parul Pandey分享了Altair的入门教程，希望对从事数据科学的用户有帮助。量子位对主要内容进行了编译整理。
使用教程Parul以汽车数据为例，将一个汽车数据集“cars”载入到Altair中。
cars中包含汽车的生产年份、耗油量、原产国等9个方面的数据，后面将对这些内容进行可视化处理。
安装和导入Altair软件包
除了安装Altair和它的依赖软件外，还需要安装其他前端工具，比如Jupyter Notebook、JupyterLab、Colab等等。
Parul小姐姐推荐安装JupyterLab：
$ pip install -U altair vega_datasets jupyterlab
需要注意的是，由于Altair的教程文档中还包含vega数据集，因此也需要一并安装上。
接着在终端中输入：jupyter lab，就能在你的浏览器中自动打开它啦。
在代码开头别忘了导入Altair：
import altair as alt
完成以上准备工作，我们就可以开始绘图了
开始绘制图表
Altair中的基本对象是Chart，它将数据框作为单个参数。你可以这样定义它：
chart = alt.Chart(cars)
Chart有三个基本方法：数据（data）、标记（mark）和编码（encode），使用它们的格式如下：
alt.Chart(data).mark_point().encode( encoding_1='column_1', encoding_2='column_2', # etc.)
数据顾名思义，直接导入cars数据集即可。标记和编码则决定着绘制图表的样式，下面着重介绍这两部分。
标记可以让用户在图中以不同形状来表示数据点，比如使用实心点、空心圆、方块等等。
如果我们只调用这个方法，那么所有的数据点都将重叠在一起：
这显然是没有意义的，还需要有编码来指定图像的具体内容。常用的编码有：
x: x轴数值
y: y轴数值
color: 标记点颜色
opacity: 标记点的透明度
shape: 标记点的形状
size: 标记点的大小
row: 按行分列图片
column: 按列分列图片
以汽车的耗油量为例，把所有汽车的数据绘制成一个一维散点图，指定x轴为耗油量：
alt.Chart(cars).mark_point().encode( x='Miles_per_Gallon' )
但是使用mark_point()会让所有标记点混杂在一起，为了让图像更清晰，可以替换成棒状标记点mark_tick()：
alt.Chart(cars).mark_tick().encode( x='Miles_per_Gallon' )
