python - Altair 中特定于 Pandas 时间序列的操作

Question

是否可以使用 transform_aggregate 函数对 Altair 中的 datetime 对象执行 groupby 操作？我正在尝试从 Jake VDP 的书的“示例:可视化西雅图自行车计数”示例中复制一些时间序列图 - https://jakevdp.github.io/PythonDataScienceHandbook/03.11-working-with-time-series.html

transform_aggregate 是否允许像重采样这样的时间序列特定操作？

Answer 1

Altair 使用 TimeUnit transform 内置时间分组，可以通过显式转换或编码速记来使用。

这是一个重现本书该部分图表的示例——请注意，当数据增长到数万个条目时，Vega-Lite 渲染器会变慢，所以我使用 altair_data_server提供数据并将图表限制为第一年:

# Load the data
# !curl -o FremontBridge.csv https://data.seattle.gov/api/views/65db-xm6k/rows.csv?accessType=DOWNLOAD

import pandas as pd
data = pd.read_csv('FremontBridge.csv', parse_dates=['Date'])
data.columns = ['Date', 'Total', 'East', 'West']
df = data.iloc[:24 * 365]  # limit to first year of data

# Draw the chart
import altair as alt
alt.data_transformers.enable('data_server')  # handle larger datasets

alt.Chart(df).mark_line().transform_fold(
    ['Total', 'East', 'West'],
).encode(
    x='hours(Date):T',
    y='sum(value):Q',
    color='key:N'
)

timeUnit 语法非常灵活，允许您在单个图表中按多个日期属性进行拆分和分组；例如，这是按星期几分面的趋势:

alt.Chart(df).transform_fold(
    ['Total', 'East', 'West']
).mark_line().encode(
    x='hours(Date):T',
    y='sum(value):Q',
    color='key:N',
    facet=alt.Facet('day(Date):O', columns=4)
).properties(width=200, height=150)