羡慕实时数据看板？来看看Python的交互数据分析可视化工具！ ⛵

💡 作者：韩信子@ShowMeAI
📘 数据分析实战系列：https://www.showmeai.tech/tutorials/40
📘 本文地址：https://www.showmeai.tech/article-detail/320
📢 声明：版权所有，羡慕析转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容

大家都看过非常酷的实时数据视化实时数据看板，能用最直观的看板方式给到我们业务数据的信息，如下图所示。互数

而在 Python 中，据分我们也有非常易用的工具工具，可以产出漂亮的羡慕析数据分析可视化结果，并支持交互式操作和勾选局部数据深入分析，实时数据视化ShowMeAI在本篇内容中，看板将给大家讲解到 📘Altair这样一个功能强大的互数 Python 交互式数据分析工具，它能产出如下图所示的据分交互分析结果：

💡 数据分析实现模板

为了让大家在自己的数据上体验 Altair 的分析结果，我们下面编写的工具一个函数模板，用于为数据集中的羡慕析所有特征生成交互式图表。

具体一点说，实时数据视化我们希望它为数值型字段（特征）返回『直方图+散点图』，看板为类别型特征返回『柱状图+箱线图』，Altair 返回的这些图表结果都是可以交互式操作的。

# 导入工具库import altair as altimport pandas as pd# 忽律数据规模限制alt.data_transformers.enable('default', max_rows=None)# 构建chart函数，它读取数据和字段名称，返回一个交互式图表结果def chart(dataset, column_name, target_var):    w = 500    single = alt.selection_single()        # 灰度图与柱状图        # 如果是类别型字段，我们不用分桶    if (column_name in dataset.select_dtypes(include='object').columns.to_list()):        a = alt.Chart(dataset).mark_bar().encode(        alt.X(column_name + ':N', bin=False),        alt.Y('count()'),        color = alt.condition(single, alt.value('#4c78a8'), alt.value('lightgray')),        tooltip=['count()', alt.Tooltip(column_name, bin=False)]        ).add_selection(single).properties(width=w)            # 如果是数值型字段，我们先分桶    else:        a = alt.Chart(dataset).mark_bar().encode(        alt.X(column_name + ':Q', bin=True),        alt.Y('count()'),        color = alt.condition(single, alt.value('#4c78a8'), alt.value('lightgray')),        tooltip=['count()', alt.Tooltip(column_name, bin=True)]        ).add_selection(single).properties(width=w)        # 对于类别型字段，我们构建它和目标字段的一个箱线图表；对于数值型字段，我们构建它们和目标字段的散点分布图    try:                if (column_name in dataset.select_dtypes(include='object').columns.to_list()):            b = alt.Chart(dataset).mark_boxplot().encode( #, title="Boxplot of " + column_name            alt.X(column_name + ':N'),            alt.Y(target_var),            color = alt.condition(single, alt.value('#4c78a8'), alt.value('lightgray')),            tooltip=[target_var]            ).add_selection(single).properties(width=w)        else:            b = alt.Chart(dataset).mark_point().encode(            alt.X(column_name + ':Q'),            alt.Y(target_var),            color = alt.condition(single, alt.value('#4c78a8'), alt.value('lightgray')),            tooltip=[target_var]            ).add_selection(single).properties(width=w)    except:        pass        return(a | b)

大家可以把它应用在自己的数据上，得到的结果图如下所示（而且它们是可以用鼠标交互操作的）。在下面的内容里，我们会告诉大家如何把结果存储为 html 报告，大家每次打开 html 结果文件，即可进行交互式操作，而无需每次都重新分析。

💡 数据分析&交互文档报告

下面的代码可以将所有可视化结果编译到一个 html 文档中，打开这个 html 文件，大家就可以得到一个可交互的可视化数据分析平台。

# 把所有的altair图表添加到一个列表里myl = []for col in dataset.columns:    try:        myl.append(chart(dataset, col, target_var))    except:        pass    else:        pass# 编译所有的图表到1个html文件中a = myl[0]for i in range(1,len(myl)):    a = a & myl[i]a.properties(    title = 'Feature Histograms & Boxplots').configure_axis(labelFontSize=15, titleFontSize=25)a.save('figures/Feature_Visuals.html')# 检查是否所有的字段都可以被可视化print('Features accounted for:', len(myl), 'out of', len(dataset.T))