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

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()'))