Исправление неожиданных ошибок построения графиков в Altair для визуализаций Python

Устранение проблем с отображением графиков в Altair

Altair — популярная библиотека декларативной визуализации на Python, особенно известная своим лаконичным и элегантным кодом. Однако даже при использовании самых простых наборов данных могут возникать ошибки, приводящие к неожиданным проблемам с отображением. Одна из таких проблем связана с построением геопространственных данных с использованием случайных значений широты и долготы.

В этой статье мы рассмотрим конкретную проблему, возникающую при построении визуализации, напоминающей карту, в Altair. Хотя код кажется правильным, выходные данные VSCode выдают странную ошибку, которую трудно устранить. Цель состоит в том, чтобы понять, почему это происходит и как это решить.

Используемый набор данных включает координаты широты и долготы, а также дополнительную информацию, такую ​​как месяц и количество ваучеров. Хотя данные кажутся хорошо структурированными, диаграмма отображается неправильно, несмотря на использование, казалось бы, подходящих параметров. Это создает препятствия для пользователей, пытающихся правильно визуализировать данные.

Путем детального анализа кода и задействованных типов данных мы определим основную причину ошибки и предоставим пошаговые инструкции по устранению этой проблемы с построением графиков Альтаира. Независимо от того, являетесь ли вы новичком в визуализации данных или опытным пользователем, это руководство поможет вам избежать распространенных ошибок.

Понимание и устранение ошибок построения графиков Altair

В приведенном выше примере мы используем Altair для нанесения точек геопространственных данных на визуализацию, похожую на карту, используя случайно сгенерированные значения широты и долготы. Основная цель этой визуализации — показать ваучеры, распределенные по разным месяцам, используя различные параметры, такие как размер маркеров, для представления количества ваучеров. Одна из ключевых проблем, возникающих при построении таких данных, заключается в том, чтобы перекрывающиеся точки (для близких широт и долгот) не загромождали карту, из-за чего возникает дрожание.

Скрипт начинается с генерации случайных данных о широте и долготе, используя бестолковыйфункции случайных чисел. Эти функции моделируют географические данные и в сочетании с панды, эти данные организованы в DataFrame для удобства обработки. Используя mark_circle() в Альтаире каждая точка данных визуально представлена ​​на карте в виде круга. Размер кругов определяется с помощью альтернативный размер() кодирование, которое масштабирует их в соответствии с количеством ваучеров на местоположение, помогая зрителю легко интерпретировать количество, связанное с каждой точкой данных.

Однако одна распространенная проблема заключается в том, что точки данных с очень близкими или идентичными координатами могут перекрываться, что делает визуализацию менее четкой. Чтобы решить эту проблему, второй подход вводит дрожание, когда небольшое случайное смещение применяется как к значениям широты, так и к значениям долготы. Это делает каждую точку немного отличающейся и помогает избежать дублирования. Добавляя неравномерные значения в качестве новых полей в DataFrame, Altair может отображать эти измененные координаты вместо исходных, обеспечивая более читаемую визуализацию без ущерба для точности данных.

Сценарий также включает модульные тесты с использованием юниттест библиотеку для проверки функциональности кода построения графиков. Тестовый пример проверяет, правильно ли создан экземпляр диаграммы Альтаира и работает ли логика дрожания должным образом. Такое сочетание визуализации и тестирования гарантирует, что решение будет не только визуально эффективным, но также надежным и удобным в обслуживании в долгосрочной перспективе. Добавление всплывающие подсказки на диаграмму еще больше повышает удобство использования, предоставляя подробную информацию о каждой точке при наведении курсора, предоставляя пользователям быстрый способ проверить основные данные.

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()

Исследование гибкости Altair в визуализации данных

Одним из важных аспектов работы с Altair является его способность беспрепятственно обрабатывать сложные наборы данных, сохраняя при этом простой и декларативный подход к визуализации данных. Альтаир использует Вега-Лайт грамматика, которая позволяет пользователям создавать интерактивные визуализации путем сопоставления полей данных с визуальными свойствами, такими как цвет, размер и форма. Это делает Altair мощным инструментом для быстрого создания содержательных визуализаций на основе необработанных данных, особенно в тех случаях, когда задействованы географические графики или несколько категорий.

Еще одной важной особенностью Altair является поддержка интерактивность. Используя встроенные функции, такие как выборка, пользователи могут легко фильтровать и выделять данные на диаграмме. Это чрезвычайно полезно для изучения геопространственных данных, где выбор конкретного региона или периода времени может дать более глубокое понимание. Интерактивность также позволяет пользователям детализировать данные, комбинируя выбор с преобразованиями, позволяющими добавлять динамические элементы, такие как элементы управления масштабированием или панорамированием, а также пользовательские всплывающие подсказки.

При работе со сложными визуализациями, такими как карта, которую мы обсуждали, важно управлять потенциальными ошибками или проблемами отображения. Иногда эти ошибки возникают из-за неправильной кодировки данных или неподдерживаемых типов данных. Обеспечение того, чтобы отображаемые данные имели правильный тип (например, количественный для числовых значений или номинальный для категориальных значений) имеет решающее значение для создания точных визуализаций. Правильная обработка форматов данных и добавление обработка ошибок в ваших сценариях может сэкономить значительное время и усилия при отладке.