如何用Python实现图表重叠？全球气温数据集可视化新手求助

一、整合三个图表展示 #

你当前使用Altair进行可视化，可通过alt.vconcat()（垂直拼接）或alt.hconcat()（水平拼接）将三个图表整合，同时建议先优化数据源拆分方式（避免依赖行索引的不稳定问题）：

1. 稳健拆分数据源 #

替换原切片方式，通过Source列精准筛选：

# 更可靠的数据源拆分
gcag = Annual[Annual['Source'] == 'GCAG']
gistemp = Annual[Annual['Source'] == 'GISTEMP']

2. 定义三个图表并整合 #

先分别创建三个图表，再通过拼接组合，同时共享Y轴方便对比：

import altair as alt

# 1. 全部数据折线图（添加颜色区分数据源）
chart_all = alt.Chart(Annual, title="Annual Temperature Change (All Sources)").mark_line().encode(
    alt.X('Year:O', title='Year'),
    alt.Y('Mean', title='Temperature Anomaly (°C)'),
    color='Source:N'  # 用颜色区分两个数据源
)

# 2. GCAG数据源折线图
chart_gcag = alt.Chart(gcag, title="Annual Temperature Change (GCAG)").mark_line(color='#1f77b4').encode(
    alt.X('Year:O', title='Year'),
    alt.Y('Mean', title='Temperature Anomaly (°C)')
)

# 3. GISTEMP数据源折线图
chart_gistemp = alt.Chart(gistemp, title="Annual Temperature Change (GISTEMP)").mark_line(color='#ff7f0e').encode(
    alt.X('Year:O', title='Year'),
    alt.Y('Mean', title='Temperature Anomaly (°C)')
)

# 垂直拼接三个图表，共享Y轴
combined_chart = alt.vconcat(chart_all, chart_gcag, chart_gistemp).resolve_scale(y='shared')

# 展示整合后的图表
combined_chart.show()

如果屏幕宽度足够，也可以用alt.hconcat()实现水平排列，同样添加resolve_scale(y='shared')保证Y轴一致。

二、新手可视化建议（含其他图表类型） #

1. 优化现有折线图的小技巧 #

• 添加数据点：同时使用mark_line()和mark_point()，让每年的具体数值更清晰：

  chart_all = alt.Chart(Annual).mark_line() + alt.Chart(Annual).mark_point(size=30).encode(
      x='Year:O',
      y='Mean',
      color='Source:N',
      tooltip=['Year', 'Source', 'Mean']  # 添加鼠标悬停提示
  )
  

• 添加趋势线：通过回归分析展示整体升温趋势，增强图表说服力：

  trend_line = chart_all.transform_regression('Year', 'Mean').mark_line(color='red', strokeDash=[5,5])
  chart_all_with_trend = chart_all + trend_line
  

• 规范标签：始终给坐标轴添加明确的单位（比如温度异常值的单位是℃），让读者快速理解数据含义。

2. 其他适合的图表类型 #

（1）重叠面积图

用半透明面积展示两个数据源的温度变化范围，视觉上更直观：

alt.Chart(Annual, title='Temperature Anomaly (Area View)').mark_area(opacity=0.6).encode(
    x='Year:O',
    y='Mean',
    color='Source:N',
    tooltip=['Year', 'Source', 'Mean']
)

（2）差值折线图

计算两个数据源的温度差值，展示二者的差异变化趋势，突出数据一致性或分歧：

# 合并两个数据源的年份数据
merged_data = gcag.merge(gistemp, on='Year', suffixes=('_gcag', '_gistemp'))
merged_data['Mean_Diff'] = merged_data['Mean_gcag'] - merged_data['Mean_gistemp']

alt.Chart(merged_data, title='Temperature Difference (GCAG - GISTEMP)').mark_line(color='#9467bd').encode(
    x='Year:O',
    y='Mean_Diff',
    tooltip=['Year', 'Mean_Diff']
)

（3）分面折线图

按数据源分面展示，在同一布局下对比两个数据集的趋势：

alt.Chart(Annual, title='Temperature Change by Source').mark_line().encode(
    x='Year:O',
    y='Mean',
    color='Source:N'
).facet(column='Source:N')  # 按数据源分列展示

（4）箱线图（按年代分组）

如果想观察不同年代的温度分布情况，可按十年分组后用箱线图展示：

# 添加年代列
Annual['Decade'] = (Annual['Year'] // 10) * 10

alt.Chart(Annual, title='Temperature Anomaly Distribution by Decade').mark_boxplot().encode(
    x='Decade:O',
    y='Mean',
    color='Source:N'
)

3. 通用新手注意事项 #

• 交互性：利用Altair的tooltip、selection_interval（框选放大）等功能，提升图表的实用性
• 配色：选择色盲友好的配色方案（比如避免红绿色组合），确保所有读者都能清晰区分数据
• 数据校验：用Annual.isnull().sum()检查是否有缺失值，提前处理异常数据

内容的提问来源于stack exchange，提问作者Schmarti