Vega-Altair：alt.condition()在mark_point与mark_line中的颜色渲染差异

在以下代码中，mark_point()通过alt.condition()设置颜色可以按预期区分有效（x<50）和无效数据点，但mark_line()却无法正常工作：

import altair as alt
import numpy as np
import pandas as pd

x=np.arange(100)
source_1 =pd.DataFrame({'x':x,'f(x)':np.sin(x/5),})
source_2=pd.DataFrame({'x':x,'f(x)':np.cos(x/5),})

source_1['Valid']=source_1['x'].apply(lambda x: x<50)
source_1['Sample']=1

source_2['Valid']=source_2['x'].apply(lambda x: x<50)
source_2['Sample']=2

source=pd.concat([source_1,source_2])

curve_mp =alt.Chart(source).mark_point().encode(
    x='x',
    y='f(x)',
    color=alt.condition(alt.expr.datum['Valid']==True,alt.Color('Sample:N'),alt.ColorValue('lightgrey')),
    detail='Sample'
    )

curve_ml =alt.Chart(source).mark_line().encode(
    x='x',
    y='f(x)',
    color=alt.condition(alt.expr.datum['Valid']==True,alt.Color('Sample:N'),alt.ColorValue('lightgrey')),
    detail='Sample'
    )

curve_mp | curve_ml

原因解释 #

mark_point()是对每个数据点独立渲染，条件颜色会逐个判断并应用；但mark_line()是基于detail='Sample'分组后绘制整条连续线，Altair无法为同一条线的不同段应用不同颜色，条件逻辑会被忽略（或仅应用到整条线的全局判断，而非逐段）。

替代方案 #

除了你已使用的子数据集分层方法，还有两种更贴合Altair声明式风格的方案：

1. 分层图层组合

分别绘制有效数据的彩色线和无效数据的灰色线，通过图层叠加实现效果：

# 有效数据的彩色线
valid_lines = alt.Chart(source).mark_line().encode(
    x='x',
    y='f(x)',
    color='Sample:N',
    detail='Sample'
).transform_filter(alt.datum.Valid)

# 无效数据的灰色线
invalid_lines = alt.Chart(source).mark_line(color='lightgrey').encode(
    x='x',
    y='f(x)',
    detail='Sample'
).transform_filter(~alt.datum.Valid)

# 组合图层
combined_chart = valid_lines + invalid_lines
combined_chart | curve_mp

2. 基于分组转换的单图层实现

通过创建新分组字段，拆分有效/无效段的绘制逻辑：

alt.Chart(source).transform_calculate(
    # 创建新字段区分有效/无效分组
    LineGroup=alt.condition(alt.datum.Valid, alt.datum.Sample, 'invalid')
).mark_line().encode(
    x='x',
    y='f(x)',
    color=alt.condition(
        alt.datum.LineGroup != 'invalid',
        alt.Color('Sample:N'),
        alt.ColorValue('lightgrey')
    ),
    detail='LineGroup'
)

内容的提问来源于stack exchange，提问作者MJM