如何在Altair交互式图表中添加分类选中/未选中占比饼图？

核心问题在于row分面默认共享数据源和编码规则，没法给每个子图单独设置过滤条件与选中状态计算逻辑。改用独立饼图模板+针对性数据转换的方案，能精准实现需求：

实现步骤 #

1. 定义区间选择器：保持原有的交互逻辑，绑定散点图
2. 数据转换：给每个饼图添加独立的过滤和选中状态计算
3. 复用饼图模板：减少冗余代码，分别适配三个饼图的需求
4. 组合布局：用水平/垂直拼接工具整合图表，独立管理颜色比例尺

代码示例 #

import altair as alt
from vega_datasets import data

# 模拟带A/B分类的数据集
df = data.iris()
df['category'] = df['species'].map({'setosa': 'A', 'versicolor': 'B', 'virginica': 'B'})

# 定义区间选择器
brush = alt.selection_interval(name='brush')

# 散点图（保留原交互）
scatter = alt.Chart(df).mark_circle(size=60).encode(
    x='petalLength',
    y='petalWidth',
    color='category:N'
).add_params(brush)

# ----------------------
# 饼图1：选中点的A/B分类占比
# ----------------------
pie_selected_category = alt.Chart(df).mark_arc().encode(
    theta=alt.Theta(aggregate='count', type='quantitative'),
    color='category:N',
    tooltip=['category:N', alt.Tooltip(aggregate='count', type='quantitative', title='数量')]
).transform_filter(brush).properties(title='选中点的A/B分类占比')

# ----------------------
# 饼图2：A类数据的选中/未选中占比
# ----------------------
pie_a_status = alt.Chart(df).mark_arc().encode(
    theta=alt.Theta(aggregate='count', type='quantitative'),
    color=alt.Color('is_selected:N', scale=alt.Scale(
        domain=['True', 'False'],
        range=['#1f77b4', '#cccccc']  # A类原色+灰色
    )),
    tooltip=['is_selected:N', alt.Tooltip(aggregate='count', type='quantitative', title='数量')]
).transform_filter(alt.FieldEqualPredicate(field='category', equal='A')).transform_calculate(
    is_selected=f"brush('{brush.name}').test(datum)"
).properties(title='A类数据的选中/未选中占比')

# ----------------------
# 饼图3：B类数据的选中/未选中占比
# ----------------------
pie_b_status = alt.Chart(df).mark_arc().encode(
    theta=alt.Theta(aggregate='count', type='quantitative'),
    color=alt.Color('is_selected:N', scale=alt.Scale(
        domain=['True', 'False'],
        range=['#ff7f0e', '#cccccc']  # B类原色+灰色
    )),
    tooltip=['is_selected:N', alt.Tooltip(aggregate='count', type='quantitative', title='数量')]
).transform_filter(alt.FieldEqualPredicate(field='category', equal='B')).transform_calculate(
    is_selected=f"brush('{brush.name}').test(datum)"
).properties(title='B类数据的选中/未选中占比')

# 组合布局：散点图 + 垂直排列的三个饼图
dashboard = alt.hconcat(
    scatter,
    alt.vconcat(pie_selected_category, pie_a_status, pie_b_status, spacing=20)
).resolve_scale(color='independent')  # 独立设置每个图表的颜色比例尺

dashboard.display()

关键细节说明 #

• 为什么不用分面：分面是对同一数据源的分组展示，无法给每个子图单独添加transform_filter和transform_calculate逻辑，而新增的两个饼图需要分别过滤A/B类并计算选中状态，独立图表方案更灵活。
• 颜色比例尺独立：通过resolve_scale(color='independent')避免三个饼图的颜色规则冲突，确保每个饼图的颜色符合需求。
• 选中状态计算：用brush().test(datum)判断当前数据点是否在选择区间内，生成is_selected字段用于饼图统计。

内容的提问来源于stack exchange，提问作者Thomas