如何解决Python Altair 如何在不更改轴刻度的情况下对直方图数据进行分类
在 altair 中,如何在不改变轴刻度的情况下制作直方图?当我尝试对数据进行分箱时,轴刻度不再超出直方图中的数据。我更喜欢分别计算 bin 和轴刻度。
下面的代码是一个简单的示例,试图显示测量的公差范围内的限制,以查看有多少测量通过与失败。
import numpy as np
import pandas as pd
import altair as alt
nominal = 0.500
tolerance = 0.011
limits = pd.DataFrame({'x_limits' : [nominal - tolerance,nominal + tolerance]})
data = pd.DataFrame({'x_data' : np.random.normal(0.520,0.002,100)})
layers = []
layers.append(alt.Chart(data)
.mark_bar()
.encode(x = alt.X('x_data',bin = alt.Bin(nice = False)),y = 'count()'))
layers.append(alt.Chart(limits)
.mark_rule()
.encode(x = 'x_limits'))
chart = alt.layer(*layers)
输出仅在直方图箱下显示 X 轴上的刻度,并且它们在公差限制的规则之前很好地停止。
解决方法
对于分箱轴,我相信您需要设置分箱的范围来控制轴标签。在这种情况下,设置 alt.Bin(maxbins=50,extent=(0.48,0.54)))
为您提供:
我能够通过使用 mark_rect
而不是 mark_bar
绘制直方图来解决这个问题。直接使用 transform_bin
可以让您分别获得每个 bin 的开始和结束(在本例中为 x
和 x2
)。然后在 scale 中设置 zero = False
使边界像以前一样适合数据。
layers.append(alt.Chart(data)
.mark_rect()
.transform_bin(as_ = ['x','x2'],field = 'x_data')
.encode(x = alt.X('x:Q',scale = {'zero':False}),x2 = 'x2:Q',y = 'count()'))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。