导出包代码如下：

利用您的分析能力提供改进建议

本例的数据比上一节seaborn多了一维，订单数据包含来自多个店铺的数据：

各业务员接待客户记录：

现在你必须根据这些数据得到这个问题的答案：

要替换部分员工（即裁员），该裁掉谁？

从其中选择一名员工来培训并与其他员工分享销售技巧。 应该选择谁来分享，谁需要接受培训？

分析指标

遵循上一节中的 2 个重要指标：

假设一般环境要素相对固定，我们可以利用以上指标来分析销售人员的水平

使用pandas可以轻松关联两个数据表，简单的求出每个订单的单价：

通过汇总，得到最终的指标维度数据：

接下来我就用Altair制作一张四灵图，顺便了解一下他有趣的形象句型。

起初你会觉得使用altair需要更多的代码，但实际上他非常灵活，只需要一个小方法，可以被我们喜欢的任何方法调用。

静态图像

两亿极限图实际上是一个散点图+折线图（水平线或垂直线），最下面是上一节中使用seaborn制作的图。

但是，Altair 并不严格区分图表类型，而是允许您选择数据点的形状。

绘图需要3步：

确定数据源

将数据源中的数组与坐标系关联起来

选择数据的形状

现在按照上述步骤选择商店并制作散点图：

现在您可以获得散点图：

现在还需要线图：

现在我们只要画出平均客单价的平阳线，同样的方法就可以得到成交率的平阳线：

现在我们得到了3张图表，只需将它们简单地叠加即可：

这么多代码，这个包有什么用啊！ ？

仔细看里面的代码，我们发现三个图表的很多定义是一模一样的。

这是理所当然的，因为这个图表制作过程是基于许多常见的东西。

还可以进一步简化：

这种绘制图形的方式非常灵活和直观，例如对图形的每个点进行标记：

到目前为止，我们只是制作静态图，尽管 Altair 的真正优势是动态图，并且它可以在图之间建立链接。

店铺整体销售水平可视化

为了方便后续代码编译，在函数中定义了一些通用的流程：

现在使用所有商店的营业员指标来制作四种烈酒的地图：

代码就没什么好说的了。 如果这个时候我们进行标注，势必会导致图表的内容变得密集。

现在添加一个提示标签，当鼠标移到数据点上时，显示该数据点的信息：

以下是动画：

编码方法允许您将数据绑定到图表的许多属性，例如大小、颜色等。

如今画波士顿矩阵图软件，即使通过提示标签，用户也可以选择性地查看某个点的信息，而在分析时，我们更喜欢以店面为单位进行观察。

接下来我们使用Altair制作BI软件常见的图表联动效果

不同维度图表联动

现在我想同时显示两张图表，一张是之前做的多店两亿限额图，一张是不同店铺的销量柱形图。

通过点击店铺销售直方图，该店铺销售人员的数据点将会在下面的两亿极限图表中突出显示。 疗效如下：

接下来，我将用自定义函数包装一些流程。

和大多数BI软件可视化的逻辑一样，我们需要使用相同的数据源来制作不同的图表。

为此，我们需要使用 Altair 的数据转换函数来汇总数据：

使用此数据源制作两米极限图：

之后，使用“订单数据源（order_src）”制作店铺销售额的直方图：

要将两个图表并排放置，只需使用逻辑或运算符“|”：

整体代码如下：

现在图表已经有了画波士顿矩阵图软件，缺乏交互联动。 可以通过在上面的代码中添加一些链接定义来完成。

首先定义“键盘点击行为”：

虽然直方图早就接受了点击行为。 而当你真正点击的时候，你是看不到任何疗效的。

这是因为我们没有告诉他放映后的变化反映在那个地方。

为此，您需要将行为绑定到颜色，并再次更改代码：

由于散点图和直方图中的encode方法参数颜色都使用定义的条件颜色，因此当触发点击动作时，图表可以同时发生变化。

但这个时候你会发现散点图的提示标签不再起作用了。 这是 vegalite 上的一个小错误。 只需要在散点图上添加单选行为：

你觉得代码有点多吗？ 我们还可以进一步封装。

它甚至可以变成 Excel 模板。 您只需要配置各种设置，简单的一行代码就可以制作出复杂的图表。 让我们把这个留到以后再说吧。

总结

Altair 是一个非常有趣的可视化软件包。 它是基于vegalite（这是一个大数据可视化工具），vegalite底层是基于d3.js（这是目前后端可视化的模型）。

只要学会一定的套路，就可以非常简单灵活地制作各种复杂的图表