Altair中动态计算时间序列差异的技术实现
2025-05-24 05:17:08作者:庞队千Virginia
概述
在数据可视化领域,Altair作为一个基于Vega-Lite的声明式可视化库,提供了强大的交互式图表创建能力。本文将深入探讨如何在Altair中实现动态计算并可视化两个选定时间序列之间的差异,这是一个在实际数据分析中非常有用的功能。
问题背景
假设我们有一个包含多个类别的时间序列数据集,我们需要实现以下可视化功能:
- 一个热力图显示最近观测日期上所有类别组合之间的差异
- 一个折线图显示选定的两个类别的时间序列
- 另一个折线图动态显示这两个选定类别之间的差异
技术实现
数据准备
首先,我们需要准备示例数据。创建一个包含随机值的DataFrame,模拟5个类别(a-e)在10天内的变化:
import pandas as pd
import numpy as np
import altair as alt
# 创建示例时间序列数据
ex_ts = pd.DataFrame(
np.random.random((10, 5)),
columns=['a', 'b', 'c', 'd', 'e'],
index=(pd.date_range(start=pd.to_datetime('today')-pd.Timedelta(9, unit='D'),
end=pd.to_datetime('today')).strftime('%Y-%m-%d'))
热力图实现
热力图需要显示最近日期上所有类别组合之间的差异。我们可以通过以下方式计算:
# 计算最近日期上所有类别组合的差异
def get_last_diff(i):
return ex_ts.sub(ex_ts.iloc[:,i], axis=0).iloc[-1,:]
ex_z = pd.concat([get_last_diff(i) for i in np.arange(0, 5)], axis=1)
.set_axis(ex_ts.columns, axis=1)
.stack().reset_index()
.set_axis(['x', 'y', 'diff'], axis=1)
.round(2)
交互式选择
为了实现交互式选择两个类别,我们需要设置两个选择器:
select_x = alt.selection_point(fields=['x'], name='select_x')
select_y = alt.selection_point(fields=['y'], name='select_y')
构建热力图
使用矩形标记和文本标记组合创建热力图:
base = alt.Chart(ex_z).encode(x='x', y='y', color='diff')
.add_params(select_x).add_params(select_y)
.properties(width=500, height=500)
hmap = base.mark_rect()
text = base.mark_text(fontWeight='bold').encode(text='diff', color=alt.value('red'))
hmap_chart = (hmap + text)
时间序列折线图
创建一个显示选定类别时间序列的折线图:
line_1 = alt.Chart(ex_ts_long).mark_line()
.encode(x='date', y='diff', color='category')
.transform_filter(select_x | select_y)
动态差异计算
这是最具挑战性的部分。我们需要动态计算两个选定时间序列的差异。可以通过以下方式实现:
# 创建计算差异的图表
diff_chart = alt.Chart(ex_ts_long).mark_line(color='red', strokeDash=[5,5])
.transform_filter(select_x | select_y)
.transform_aggregate(
groupby=['date'],
diff_x='sum(datum.x == select_x.x ? diff : 0)',
diff_y='sum(datum.x == select_y.y ? diff : 0)'
)
.transform_calculate(diff='datum.diff_y - datum.diff_x')
.encode(x='date:T', y='diff:Q')
最终组合
将所有图表组合在一起:
final_chart = alt.vconcat(
hmap_chart,
alt.hconcat(
line_1,
diff_chart
)
)
技术要点
-
动态计算:使用
transform_aggregate
和transform_calculate
在图表层面进行动态计算,而不是预先计算所有可能的组合。 -
条件表达式:在Vega表达式中使用条件语句(
? :
)来筛选特定类别的值。 -
交互联动:通过
selection_point
实现图表间的交互联动,使热力图的选择能够过滤折线图的数据。 -
数据转换:利用Altair的数据转换功能在可视化管道中进行复杂计算,而不是在Python层面预处理数据。
应用场景
这种技术可以应用于多种场景:
- 金融分析:比较不同股票或指数的表现差异
- 气象数据:比较不同地区温度变化的差异
- 业务指标:比较不同产品线或区域的销售趋势差异
总结
通过Altair强大的数据转换和交互功能,我们可以实现复杂的数据分析和可视化需求。本文展示的技术方案不仅解决了特定问题,也提供了一种在Altair中进行动态计算的通用模式,可以扩展到其他类似的数据分析场景中。关键在于理解Altair的数据转换管道和Vega表达式语法,这使得我们能够在可视化层面进行灵活的数据操作。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8