基于Altair变换选择的散点图中动态标签显示点数？

Question

简而言之: 有没有办法在Altair中获取过滤后图表中动态的点数统计？

---

在Altair的“通过选择过滤”示例中，可以根据链接的条形图中的选择来更新散点图。

import altair as alt
from vega_datasets import data

cars = data.cars()

click = alt.selection_point(encodings=['color'])

scatter = alt.Chart(cars).mark_point().encode(
    x='Horsepower:Q',
    y='Miles_per_Gallon:Q',
    color='Origin:N'
).transform_filter(
    click
)

hist = alt.Chart(cars).mark_bar().encode(
    x='count()',
    y='Origin',
    color=alt.condition(click, 'Origin', alt.value('lightgray'))
).add_params(
    click
)

scatter & hist

不过，显示过滤后散点图中剩余的数据点数量会很有用。这个怎么实现呢？

可以获取数据框中数据的静态数量，并用它来做标签，我尝试过另一种方法，比如：

import altair as alt
import pandas as pd

# Sample data
data = pd.DataFrame({'values': [1, 2, 3, 4, 5, 1, 2, 3]})
total_count = data['values'].sum()

# Create data frame for total count
count_data = pd.DataFrame({'label': ['Total Count'], 'count': [total_count]})

# Combine data
combined_data = pd.concat([data, count_data])

# Create histogram with text for total count
hist = alt.Chart(combined_data).mark_bar().encode(
    x='values:Q',
    y='count()',
)

text = hist.mark_text(
    color='black',
    baseline='middle'
).encode(
    x=alt.value(200),  # Adjust position as needed
    y=alt.value(40),
    text='count:Q',
)

# Display the chart
hist + text

这样会添加一个看起来不太好看的标签：

有没有办法添加一个动态标签，显示过滤后的散点图中存在的点数？一个外部元素也可以，但我对Altair还很陌生，尽管搜索了一些，但还没找到解决办法。

Answer 1

在Altair中显示过滤后数据的动态计数，使用 transform_aggregate

想要在图表上显示经过过滤后有多少个数据点，可以结合使用 transform_aggregate 来获取一个 count（计数），以及 文本标记。

你可以在正在过滤的图表上添加聚合转换，比如：filtered_plot.transform_aggregate(count='count(*)')。然后可以像添加任何标签一样应用文本标记。

使用鸢尾花萼数据的示例

注意：添加计数文本会在图例中增加一个“未定义”的字段，我还没有找到去掉它的方法

代码：

import altair as alt
from vega_datasets import data  # Example dataset library

# Sample data - iris sepal length
source = data('iris')

# Create the scatterplot - eg length by width, coloured by species
scatterplot = alt.Chart(source).mark_point().encode(
    x='sepalLength:Q',
    y='sepalWidth:Q',
    color='species:N'
)

# Create a selection to filter points
selection = alt.selection_point(encodings=['color'], resolve='global')

# count 
countplot = alt.Chart(source).mark_bar().encode(
    y='species:N',
    x='count()',
    color=alt.condition(selection, 'species:N', alt.ColorValue('gray'))
).add_params(selection)


# Filter scatterplot based on selection
filtered_scatterplot = scatterplot.transform_filter(selection)

# Calculate count of filtered points
filtered_count = filtered_scatterplot.transform_aggregate(
    count='count(*)')

# Display count as text
text = filtered_count.mark_text(
    color='black',
    fontSize=14,
    baseline='middle'
).encode(
    x=alt.value(100),  # Adjust position as needed
    y=alt.value(10),
    text='count:Q',
)

# Display the chart with linked selection and count
filtered_scatterplot & text & countplot