【免费下载】 Vega-Lite 教程

2026-01-17 08:16:52作者：毕习沙Eudora

A concise grammar of interactive graphics, built on Vega.

项目地址：https://gitcode.com/gh_mirrors/ve/vega-lite

1. 项目介绍

Vega-Lite 是一个高级语法库，用于交互式数据可视化。它基于 Vega 并提供了一种更简洁且便利的方式来创建常见的可视化图表。通过它的规格说明，用户可以定义数据到图形标记（如点或条形）属性的映射，这些规格描述了可视化组件，包括坐标轴、图例和比例尺，并自动确定它们的默认属性。这种设计使得 Vega-Lite 能够以较少的代码实现复杂的数据分析和呈现效果。

2. 项目快速启动

安装 Vega-Lite

要使用 Vega-Lite，首先需要在你的项目中安装其库。如果你使用的是 npm，可以通过以下命令进行安装：

npm install --save vega-lite

创建第一个可视化

接下来，创建一个简单的柱状图。这是一个基础的 Vega-Lite 规格示例：

{
  "$schema": "https://vega.github.io/schema/vega-lite/v5.json",
  "data": {
    "values": [
      { "a": "A", "b": 28 },
      { "a": "B", "b": 55 },
      { "a": "C", "b": 43 },
      { "a": "D", "b": 91 },
      { "a": "E", "b": 81 },
      { "a": "F", "b": 53 },
      { "a": "G", "b": 19 },
      { "a": "H", "b": 87 },
      { "a": "I", "b": 52 }
    ]
  },
  "mark": "bar",
  "encoding": {
    "x": {"field": "a", "sort": "-y"},
    "y": {"field": "b", "title": "值"}
  }
}

将这个 JSON 对象嵌入到 HTML 页面中，使用 Vega-Embed 来显示图表：

<!DOCTYPE html>
<html>
<head>
  <script src="https://cdn.jsdelivr.net/npm/vega@5"></script>
  <script src="https://cdn.jsdelivr.net/npm/vega-lite@5"></script>
  <script src="https://cdn.jsdelivr.net/npm/vega-embed@6"></script>
</head>
<body>
  <div id="vis"></div>
  <script>
    vegaliteSpec = {/* 上述 JSON 规格放在这里 */};
    vegaEmbed('#vis', vegaliteSpec);
  </script>
</body>
</html>

上述代码将在浏览器中展示一个简单的分类柱状图。

3. 应用案例和最佳实践

堆叠柱状图：Vega-Lite 支持堆叠，例如，你可以创建一个堆叠的面积图来表示各个类别对总量的贡献。
交互性：通过 selection 特性，可以添加交互元素，如鼠标点击或拖动选择区域。
多视图组合：使用 facet 或 layer 将多个视图组合到一起，以展示更多维度的数据关系。

要探索更多的案例和最佳实践，可以访问 Vega-Lite 示例画廊。

4. 典型生态项目

Vega: Vega 是 Vega-Lite 的底层库，提供更低级别的语法，适用于更复杂的视觉表现和自定义需求。
Altair: 针对 Python 的高级接口，用于生成 Vega-Lite 图表，简化了 Python 中的可视化过程。
Vega-Embed: 用于将 Vega 和 Vega-Lite 规范嵌入 HTML 页面的工具包，提供了丰富的选项和配置。

要深入了解这些生态项目，可访问它们的官方文档和 GitHub 页面：

开始你的 Vega-Lite 数据可视化之旅吧！如有其他疑问，可以查阅 Vega-Lite 文档获取帮助。

A concise grammar of interactive graphics, built on Vega.

项目地址：https://gitcode.com/gh_mirrors/ve/vega-lite

登录后查看全文

热门内容推荐

1 编程实践项目探索指南：从零构建技术能力体系 2 技术解构式学习：从0到1构建你的编程知识体系 3 构建自己的技术世界：build-your-own-x项目的实践探索指南 4 解锁编程技能的实践之旅：从零构建你的技术世界 5 技术实践探索：从零开始构建核心系统的实践指南 6 亲手锻造技术引擎：从0到1构建核心系统的实践指南

最新内容推荐

AcFunDown视频下载工具完全指南还在为数字笔记抓狂？这款开源神器让手写批注效率提升300%Windows笔记本电池健康管理全指南：从根源解决电池损耗问题 gmx_MMPBSA分子间相互作用索引错误的深度诊断与解决 Axure RP 11 本地化方案：Mac中文界面优化与原型设计工具汉化全指南如何高效获取教育资源？这款工具让教材下载效率提升80%视频元数据深度编辑：专业技巧与案例网盘直链下载技术解析与应用指南如何用DeepSeek-R1推理模型提升复杂任务解决能力：完整指南 5个突破瓶颈技巧：硬件优化工具让你的电脑性能提升30%

项目优选

收起

openEuler内核是openEuler操作系统的核心，既是系统性能与稳定性的基石，也是连接处理器、设备与服务的桥梁。

本项目是CANN提供的神经网络类计算算子库，实现网络在NPU上加速计算。

作为 Ascend for PyTorch 社区的核心组件，TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件，使 PyTorch 框架能够直接调用昇腾 NPU，为开发者提供昇腾 AI 处理器的超强算力。

ops-transformer

本项目是CANN提供的transformer类大模型算子库，实现网络在NPU上加速计算。

deepin linux kernel

AscendNPU-IR是基于MLIR（Multi-Level Intermediate Representation）构建的，面向昇腾亲和算子编译时使用的中间表示，提供昇腾完备表达能力，通过编译优化提升昇腾AI处理器计算效率，支持通过生态框架使能昇腾AI处理器与深度调优

JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent，它能够将大语言模型的强大能力，通过你日常使用的各类通讯应用，直接延伸至你的指尖。

CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块。

cann-learning-hub

CANN 学习中心仓，支持在线互动运行、边学边练，提供教程、示例与优化方案，一站式助力昇腾开发者快速上手。

Jupyter Notebook