基于单个DataFrame用Altair/Streamlit生成多模块状态统计图表求助

问题背景 #

现有如下结构的DataFrame：

testname| owner| seed| duration| status| module|  date            |
t1      | ram  | 101 | NA      | PASS  | M_1   | 03_01_2023_15_42 |
t2      | ram  | 101 | NA      | PASS  | M_1   | 03_01_2023_15_42 |
t3      | Wong | 101 | NA      | PASS  | M_2   | 03_01_2023_15_42 |
t4      | xin  | 101 | NA      | FAIL  | M_2   | 03_01_2023_15_42 |
t11     | ram  | 101 | NA      | PASS  | M_1   | 03_02_2023_15_42 |
t22     | ram  | 101 | NA      | PASS  | M_1   | 03_02_2023_15_42 |
t33     | Wong | 101 | NA      | PASS  | M_2   | 03_02_2023_15_42 |
t44     | xin  | 101 | NA      | FAIL  | M_2   | 03_02_2023_15_42 |

需求是在Altair+Streamlit环境中，为每个module生成独立图表：X轴为date，Y轴为不同status的计数。

用户尝试的代码均未成功：
基础图表代码：

base_chart = alt.Chart(df).mark_bar().encode(
    alt.X('date:O'),
    alt.Y('count(status):O'),
    color='status'
)

多图表拼接尝试：

base_chart.encode(y=alt.Y("column1")) | base_chart.encode(y=alt.Y("column2"))

问题分析 #

1. Y轴类型错误：count(status)是数值型计数，应该用:Q（定量类型）而非:O（有序类型），否则无法正确渲染柱状图高度。
2. 未按module分组：直接复用基础图表修改编码无法实现按module拆分数据，需要针对性筛选数据或用分面功能。

解决方案 #

方案1：用Altair分面快速生成子图 #

这是最简洁的方式，自动按module拆分并生成统一风格的子图：

import altair as alt
import pandas as pd
import streamlit as st

# 初始化DataFrame（替换为你的数据加载逻辑）
df = pd.DataFrame([
    ["t1", "ram", 101, "NA", "PASS", "M_1", "03_01_2023_15_42"],
    ["t2", "ram", 101, "NA", "PASS", "M_1", "03_01_2023_15_42"],
    ["t3", "Wong", 101, "NA", "PASS", "M_2", "03_01_2023_15_42"],
    ["t4", "xin", 101, "NA", "FAIL", "M_2", "03_01_2023_15_42"],
    ["t11", "ram", 101, "NA", "PASS", "M_1", "03_02_2023_15_42"],
    ["t22", "ram", 101, "NA", "PASS", "M_1", "03_02_2023_15_42"],
    ["t33", "Wong", 101, "NA", "PASS", "M_2", "03_02_2023_15_42"],
    ["t44", "xin", 101, "NA", "FAIL", "M_2", "03_02_2023_15_42"],
], columns=["testname", "owner", "seed", "duration", "status", "module", "date"])

# 生成分面图表
chart = alt.Chart(df).mark_bar().encode(
    x=alt.X('date:O', title='日期'),
    y=alt.Y('count(status):Q', title='状态计数'),
    color=alt.Color('status:N', title='测试状态')
).facet(
    row='module:N',  # 按module分多行，改用column可分多列
    title='各模块测试状态统计'
).resolve_scale(
    y='independent'  # 可选：让每个子图Y轴独立缩放
)

# 在Streamlit中展示
st.altair_chart(chart, use_container_width=True)

方案2：循环生成独立图表并拼接 #

如果需要为每个图表自定义标题、尺寸等，可循环筛选每个module的数据生成独立图表，再组合展示：

import altair as alt
import pandas as pd
import streamlit as st

# 初始化DataFrame（替换为你的数据加载逻辑）
df = pd.DataFrame([...])  # 省略数据初始化代码

# 获取所有唯一的module
modules = df['module'].unique()

# 存储每个module的图表
charts = []
for mod in modules:
    # 筛选当前module的数据集
    mod_df = df[df['module'] == mod]
    # 生成独立图表
    chart = alt.Chart(mod_df).mark_bar().encode(
        x=alt.X('date:O', title='日期'),
        y=alt.Y('count(status):Q', title='状态计数'),
        color=alt.Color('status:N', title='测试状态')
    ).properties(
        title=f'模块 {mod} 测试状态统计',
        width=400,
        height=300
    )
    charts.append(chart)

# 横向拼接所有图表（用alt.vconcat或&可纵向拼接）
combined_chart = alt.hconcat(*charts)

# 在Streamlit中展示
st.altair_chart(combined_chart, use_container_width=True)

内容的提问来源于stack exchange，提问作者Kotesh Malempati