如何在Altair中提取分组变量最终值并绘制柱状图？

你的问题出在重复数据的默认聚合上：base数据集里每个class对应3条带cumulative值的记录，用transform_window生成final字段后，每个class的每条记录都会被赋值为该类的最终累积值（比如A类的3条记录的final都是8）。而Altair的柱状图默认会对Y轴数值做sum聚合，所以83=24，123=36，导致结果错误。

下面提供两种有效解决方法：

方法1：直接聚合最终值 #

跳过重复的中间记录，用transform_aggregate直接计算每个class的最终累积值：

df = pd.DataFrame({"time":[1,2,3,1,2,3], "value": [1,5,2,2,3,7], "class": ["A","A","A","B","B","B"]})

# 先计算累积值，再聚合每个class的最后一个累积值
base = alt.Chart(df).transform_window(
    cumulative = "sum(value)",
    groupby = ["class"],
    frame = [None, 0],
).transform_aggregate(
    final_cumulative = "last(cumulative)",
    groupby = ["class"]
)

base.mark_bar().encode(
    x = "class:N",
    y = "final_cumulative:Q"
)

方法2：筛选最后一条记录 #

在生成final字段后，筛选出每个class中time最大的那条记录，避免重复聚合：

df = pd.DataFrame({"time":[1,2,3,1,2,3], "value": [1,5,2,2,3,7], "class": ["A","A","A","B","B","B"]})

base = alt.Chart(df).transform_window(
    cumulative = "sum(value)",
    groupby = ["class"],
    frame = [None, 0],
).transform_window(
    final = "last_value(cumulative)",
    groupby = ["class"],
    sort = [alt.SortField(field = "time")],
    frame = [None, None],
).transform_filter(
    # 筛选每个class的最后一条time记录
    alt.datum.time == alt.max(alt.datum.time, groupby=["class"])
)

base.mark_bar().encode(
    x = "class:N",
    y = "final:Q"
)

两种方法都能得到A类8、B类12的正确柱状图结果。

内容的提问来源于stack exchange，提问作者Bert Coerver