Oprava neočekávaných chyb vykreslování v Altair pro vizualizace Pythonu

Odstraňování problémů se zobrazením grafu v Altair

Altair je oblíbená deklarativní vizualizační knihovna v Pythonu, známá zejména pro svůj stručný a elegantní kód. I u těch nejjednodušších datových sad však může dojít k chybám, které vedou k neočekávaným problémům se zobrazením. Jeden takový problém zahrnuje vykreslování geoprostorových dat pomocí náhodných hodnot zeměpisné šířky a délky.

V tomto článku prozkoumáme konkrétní problém, na který jsme narazili při vykreslování mapové vizualizace v Altairu. Přestože se kód zdá správný, výstup ve VSCode vytváří podivnou chybu, kterou je obtížné odstranit. Cílem je pochopit, proč se to děje a jak to vyřešit.

Používaná datová sada obsahuje souřadnice zeměpisné šířky a délky spolu s dalšími informacemi, jako je měsíc a počet voucherů. Přestože se data zdají být dobře strukturovaná, graf se vykresluje nesprávně, a to i přes použití zdánlivě vhodných parametrů. To vytváří překážku pro uživatele, kteří se snaží data správně vizualizovat.

Prostřednictvím podrobné analýzy kódu a příslušných datových typů identifikujeme hlavní příčinu chyby a poskytneme podrobné pokyny, jak tento problém s vykreslováním Altair vyřešit. Ať už jste ve vizualizaci dat nováčci nebo zkušení uživatelé, tato příručka vám pomůže vyhnout se běžným nástrahám.

Pochopení a odstraňování chyb při vykreslování Altair

Ve výše uvedeném příkladu používáme Altair k vykreslování bodů geoprostorových dat do mapové vizualizace pomocí náhodně generovaných hodnot zeměpisné šířky a délky. Primárním účelem této vizualizace je ukázat poukázky distribuované v různých měsících pomocí různých parametrů, jako je velikost značek, které reprezentují počet poukázek. Jednou z klíčových výzev při vykreslování takových dat je zajistit, aby překrývající se body (pro blízké zeměpisné šířky a délky) nerušily graf, což je důvod, proč je zavedeno chvění.

Skript začíná generováním náhodných dat zeměpisné šířky a délky pomocí nemotornýfunkce náhodných čísel. Tyto funkce simulují geografická data a ve spojení s pandyjsou tato data organizována do DataFrame pro snadnou manipulaci. Použitím mark_circle() v Altair je každý datový bod na mapě vizuálně znázorněn jako kruh. Velikost kruhů se určuje pomocí alt.Size() kódování, které je škáluje podle počtu poukázek na místo, což divákovi pomáhá snadno interpretovat množství spojené s každým datovým bodem.

Jedním z běžných problémů však je, že datové body s velmi blízkými nebo identickými souřadnicemi se mohou překrývat, což činí vizualizaci méně přehlednou. Aby se to vyřešilo, druhý přístup zavádí jittering, kde se na hodnoty zeměpisné šířky i délky aplikuje malý náhodný posun. Díky tomu se každý bod mírně liší a pomáhá to vyhnout se překrývání. Přidáním jitterovaných hodnot jako nových polí do DataFrame může Altair vykreslit tyto změněné souřadnice místo původních, což zajistí čitelnější vizualizaci bez obětování přesnosti dat.

Skript také obsahuje testy jednotek pomocí unittest knihovny pro ověření funkčnosti vykreslovacího kódu. Testovací případ kontroluje, zda je Altairův diagram správně vytvořen a zda logika jitteringu funguje podle očekávání. Tato kombinace vizualizace a testování zajišťuje, že řešení je nejen vizuálně efektivní, ale také spolehlivé a dlouhodobě udržovatelné. Přidávání popisky do grafu dále zlepšuje použitelnost tím, že poskytuje podrobné informace o každém bodu při umístění kurzoru, což uživatelům poskytuje rychlý způsob, jak zkontrolovat podkladová data.

import altair as alt
import pandas as pd
import numpy as np
# Generate random data for plottinglats = np.random.uniform(51.5, 51.6, 100)
lons = np.random.uniform(-0.1, 0.1, 100)
months = np.arange(1, 13)
vouchers = np.random.randint(1, 100, 100)
# Create DataFrametest_df = pd.DataFrame({'lat': lats, 'lon': lons, 'month': np.random.choice(months, 100), 'vouchers': vouchers})
# Plot using Altair with correct encodingchart = alt.Chart(test_df).mark_circle().encode(
    longitude='lon:Q',
    latitude='lat:Q',
    size='vouchers:Q',
    color='month:N',
    tooltip=['lat', 'lon', 'vouchers']
)
chart.show()

import altair as alt
import pandas as pd
import numpy as np
# Adding jitter to avoid overlapping points
test_df['lat_jittered'] = test_df['lat'] + np.random.uniform(-0.001, 0.001, len(test_df))
test_df['lon_jittered'] = test_df['lon'] + np.random.uniform(-0.001, 0.001, len(test_df))
# Plot with jittered coordinateschart_jittered = alt.Chart(test_df).mark_circle().encode(
    longitude='lon_jittered:Q',
    latitude='lat_jittered:Q',
    size=alt.Size('vouchers:Q', scale=alt.Scale(range=[0, 1000]), legend=None),
    color=alt.value('blue'),
    tooltip=['lat_jittered', 'lon_jittered', 'vouchers']
)
chart_jittered.show()

import unittest
import altair as alt
import pandas as pd
import numpy as np
class TestAltairPlots(unittest.TestCase):
    def setUp(self):
        self.test_df = pd.DataFrame({'lat': np.random.uniform(51.5, 51.6, 100),
                                     'lon': np.random.uniform(-0.1, 0.1, 100),
                                     'vouchers': np.random.randint(1, 100, 100)})
    def test_plot_creation(self):
        chart = alt.Chart(self.test_df).mark_circle().encode(
            longitude='lon:Q', latitude='lat:Q', size='vouchers:Q')
        self.assertTrue(chart is not None)

if __name__ == '__main__':
    unittest.main()

Zkoumání flexibility Altair ve vizualizaci dat

Jedním z důležitých aspektů práce s Altair je jeho schopnost bezproblémově zpracovávat složité datové sady při zachování jednoduchého a deklarativního přístupu k vizualizaci dat. Altair používá Vega-Lite gramatiky, která uživatelům umožňuje vytvářet interaktivní vizualizace mapováním datových polí na vizuální vlastnosti, jako je barva, velikost a tvar. Díky tomu je Altair výkonným nástrojem pro rychlé generování pronikavých vizualizací z nezpracovaných dat, zejména v případech, kdy se jedná o geografické vykreslování nebo více kategorií.

Další kritickou vlastností Altairu je jeho podpora interaktivita. Pomocí vestavěných funkcí, jako je výběr, mohou uživatelé snadno filtrovat a zvýraznit data v grafu. To je mimořádně užitečné pro zkoumání geoprostorových dat, kde výběr konkrétní oblasti nebo časového rámce může poskytnout hlubší vhled. Interaktivita také umožňuje uživatelům procházet data kombinováním výběry s transformacemi, které umožňují přidávat dynamické prvky, jako jsou ovládací prvky přiblížení nebo panorámování nebo vlastní popisky.

Při práci se složitými vizualizacemi, jako je například mapa, o které jsme hovořili, je nezbytné řídit potenciální chyby nebo problémy se zobrazením. Někdy tyto chyby pocházejí z nesprávného kódování dat nebo nepodporovaných typů dat. Ujistěte se, že vykreslovaná data jsou správného typu (např. kvantitativní pro číselné hodnoty popř nominální pro kategorické hodnoty) je rozhodující pro vytváření přesných vizualizací. Správné zacházení s datovými formáty a přidávání zpracování chyb ve vašich skriptech může ušetřit značný čas a úsilí při ladění.