使用Altair绘制Pandas原油数据图表遇问题：序列化及大数据量报错

一、修复datetime序列化错误并绘制二维图表 #

报错源于数据预处理不彻底：设置列名后未清理冗余行，且日期/价格列未正确转换为对应数据类型，导致Altair序列化时出错。按以下步骤修正：

1. 正确读取并清洗数据 #

import pandas as pd

# 读取Excel文件
xls_file = pd.ExcelFile('PET_PRI_SPT_S1_D.xls')
crude_df = xls_file.parse('Data 1')

# 设置第二行为列名
crude_df.columns = crude_df.iloc[1]

# 删除前两行冗余数据（原表头行），重置索引
crude_df = crude_df.drop([0, 1]).reset_index(drop=True)

# 转换日期列为datetime类型，价格列为数值型
crude_df['Date'] = pd.to_datetime(crude_df['Date'])
price_col = 'Cushing, OK WTI Spot Price FOB (Dollars per Barrel)'
crude_df[price_col] = pd.to_numeric(crude_df[price_col], errors='coerce')

# 移除价格为空的行
crude_df = crude_df.dropna(subset=[price_col])

2. 绘制二维图表（散点图/折线图） #

Altair需要明确指定数据类型（:T表示时间，:Q表示定量数值），示例如下：

散点图

import altair as alt

alt.Chart(crude_df).mark_circle(size=6).encode(
    x='Date:T',  # 指定为时间类型
    y=f'{price_col}:Q',  # 指定为定量数值类型
    tooltip=['Date:T', f'{price_col}:Q']  # 鼠标悬浮显示详情
).interactive()  # 启用缩放平移交互

时间序列折线图（更适合价格数据）

alt.Chart(crude_df).mark_line(color='#2c3e50').encode(
    x='Date:T',
    y=f'{price_col}:Q',
    tooltip=['Date:T', f'{price_col}:Q']
).interactive()

二、解决数据量超过5000条的报错 #

Altair默认限制5000行数据（避免浏览器性能问题），有两种解决方案：

方案1：启用大型数据处理模式 #

安装vegafusion扩展，支持处理十万级以上数据：

pip install vegafusion altair

启用后直接绘制全量数据：

import altair as alt

# 启用vegafusion数据转换器
alt.data_transformers.enable('vegafusion')

# 绘制全量数据折线图
alt.Chart(crude_df).mark_line().encode(
    x='Date:T',
    y=f'{price_col}:Q'
).interactive()

方案2：数据聚合/采样 #

如果不想安装额外库，可对数据按时间周期聚合（如周/月均值）或随机采样：

# 按周聚合取平均
weekly_avg_df = crude_df.resample('W', on='Date')[price_col].mean().reset_index()

alt.Chart(weekly_avg_df).mark_line().encode(
    x='Date:T',
    y=f'{price_col}:Q'
)

# 或随机采样1000条数据
sampled_df = crude_df.sample(n=1000, random_state=42)
alt.Chart(sampled_df).mark_circle().encode(
    x='Date:T',
    y=f'{price_col}:Q'
)

内容的提问来源于stack exchange，提问作者prashanth manohar