Интерактивная диаграмма Altair: Показать все метки осей, в то время как transform_filter принимает только часть данных - PullRequest
Новая
       51

Интерактивная диаграмма Altair: Показать все метки осей, в то время как transform_filter принимает только часть данных

0 голосов
/ 05 апреля 2020

См. Пример ниже. Я хотел бы, чтобы на диаграмме (справа) всегда отображались все метки (от A до Z), независимо от того, существуют ли они в выделении (на левой диаграмме). Я нахожу много информации в Интернете о форматировании меток, но не об их настройке. Можно ли как-то вручную установить xlabels или использовать нефильтрованные данные в качестве базы для xlabels? 

import altair as alt
import pandas as pd
import random
import string

random.seed(42)

consultation_dates = pd.date_range(start='1/1/2018', end='1/08/2020')
disease_codes = random.choices(string.ascii_uppercase, k=len(consultation_dates))
consultation_weights = [random.randint(1, 4) for i in range(len(consultation_dates))]

df = pd.DataFrame({'date': consultation_dates,
                  'disease_code': disease_codes,
                  'consultation_weight': consultation_weights})

selected_range = alt.selection_interval(encodings=['x'])

use_over_time = alt.Chart(df).mark_area().encode(
    x='yearquarter(date):Q',
    y='sum(consultation_weight):Q'
).add_selection(
    selected_range
)

use_by_disease = alt.Chart(df).mark_bar().encode(
    x='disease_code:N',
    y='sum(consultation_weight):Q'
).transform_filter(
    selected_range
)

use_over_time | use_by_disease

1 Ответ

0 голосов
/ 05 апреля 2020

Нашел свой ответ. Это можно сделать с помощью наслоения! 

import altair as alt
import pandas as pd
import random
import string

random.seed(42)

consultation_dates = pd.date_range(start='1/1/2018', end='1/08/2020')
disease_codes = random.choices(string.ascii_uppercase, k=len(consultation_dates))
consultation_weights = [random.randint(1, 4) for i in range(len(consultation_dates))]

df = pd.DataFrame({'date': consultation_dates,
                  'disease_code': disease_codes,
                  'consultation_weight': consultation_weights})

selected_range = alt.selection_interval(encodings=['x'])

use_over_time = alt.Chart(df).mark_area().encode(
    x='yearquarter(date):Q',
    y='sum(consultation_weight):Q'
).add_selection(
    selected_range
)


use_by_disease_base = alt.Chart(df).mark_bar(opacity=0.3).encode(
    x='disease_code:N',
    y='sum(consultation_weight):Q',
    color=alt.value('lightgray')
)
use_by_disease = alt.Chart(df).mark_bar(opacity=0.3).encode(
    x='disease_code:N',
    y='sum(consultation_weight):Q'
).transform_filter(
    selected_range
)

use_over_time | (use_by_disease_base + use_by_disease)
...