我正在尝试对大型（300,000 条记录）时态数据集的计数进行直方图计算。我现在只是尝试按月绘制直方图，只有 6 个数据点，但是使用 json 或 altair_data_server 存储会导致页面崩溃。纯 Altair 就无法处理好这件事吗？我当然可以在 pandas 中进行预处理，但这会破坏 altair 的美妙声明性。
如果是这样，这是 altair 缺少的功能还是超出了范围？我正在学习 vegalite 存储整个基础数据并在运行时应用转换，但似乎 altair 可以（并且可能确实）有办法只存储图表的相关数据。
alt.Chart(df).mark_bar().encode(
x=alt.X('month(timestamp):T'),
y='count()'
)
【问题讨论】：
标签： python data-visualization data-science altair vega-lite
试试下面：-
alt.data_transformers.enable('default', max_rows=None)
然后
alt.Chart(df).mark_bar().encode(
x=alt.X('month(timestamp):T'),
y='count()'
)
您将获得图表，但如果浏览器崩溃，请确保保存所有工作。
【讨论】：
json 转换器或数据服务器转换器而崩溃，那么禁用 max_rows 肯定会做同样的事情，此外还会将整个序列化数据集添加到单元格输出中，如果保存可能会每当您尝试再次使用笔记本时，浏览器都会在加载时崩溃。
Altair 图表通过将整个数据集发送到您的浏览器并在前端进行处理来工作；因此，无论数据集如何提供给前端，它都不适用于较大的数据集。
在像您这样的情况下，您在显示之前聚合数据，理论上可以在后端进行聚合，并且只将聚合数据发送到前端渲染器。有一些项目希望让这更加无缝，包括scalable Vega 和altair-transform，但是这两种方法都还不是很成熟。
同时，我建议在 Pandas 中进行聚合，并将聚合数据发送到 Altair 进行绘图。
【讨论】：