如何让Altair导出JSON时仅保存图表用到的DataFrame列？

默认情况下，Altair导出JSON会包含原始DataFrame的所有列，手动提前子集化数据过于繁琐。以下是规范的自动处理方法：

1. 提取图表用到的所有字段 #

先写一个辅助函数，遍历图表的编码配置，收集所有实际用到的字段名：

import altair as alt
from vega_datasets import data

def get_used_fields(chart):
    used_fields = set()
    chart_dict = chart.to_dict()
    
    # 处理encoding中的各个属性
    if "encoding" in chart_dict:
        for enc in chart_dict["encoding"].values():
            # 处理单个字段的情况（如x、y、color）
            if isinstance(enc, dict) and "field" in enc:
                used_fields.add(enc["field"])
            # 处理tooltip这类数组格式的字段集合
            elif isinstance(enc, list):
                for item in enc:
                    if "field" in item:
                        used_fields.add(item["field"])
    return list(used_fields)

2. 筛选数据并导出JSON #

提取字段后，对原始DataFrame做子集化，再生成图表保存，或者直接修改图表的字典结构后保存：

方法A：重新生成筛选后的图表 #

# 原始数据
source = data.cars().loc[:2,:]

# 创建原始图表
fg = alt.Chart(source).mark_circle(size=60).encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
    tooltip=['Name', 'Horsepower', 'Miles_per_Gallon']
).interactive()

# 获取用到的字段并筛选数据
used_fields = get_used_fields(fg)
filtered_source = source[used_fields]

# 用筛选后的数据重新创建图表并保存
fg_filtered = alt.Chart(filtered_source).mark_circle(size=60).encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
    tooltip=['Name', 'Horsepower', 'Miles_per_Gallon']
).interactive()

fg_filtered.save("figure_filtered.json")

方法B：直接修改图表字典（更高效） #

不需要重新创建图表，直接修改导出的字典结构替换数据集：

import json

# 原始图表
fg = alt.Chart(source).mark_circle(size=60).encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
    tooltip=['Name', 'Horsepower', 'Miles_per_Gallon']
).interactive()

# 提取字段并筛选数据
used_fields = get_used_fields(fg)
filtered_source = source[used_fields]

# 转换图表为字典并替换数据集
chart_dict = fg.to_dict()
data_name = chart_dict["data"]["name"]
chart_dict["datasets"][data_name] = filtered_source.to_dict("records")

# 保存为JSON文件
with open("figure_filtered.json", "w") as f:
    json.dump(chart_dict, f, indent=2)

效果验证 #

导出的figure_filtered.json中，数据集仅包含Horsepower、Miles_per_Gallon、Origin、Name这些图表实际用到的列，不会出现Displacement、Cylinders等未使用字段，大幅减小文件体积。

内容的提问来源于stack exchange，提问作者Devil