Altair热力图离散/分箱配色方案异常问题及修复方法

我想创建一个用离散配色而非连续配色的热力图，需要用到5种颜色，觉得条件语句不太适用。在Google Groups上找到一个示例，但没法完全正常运行，怎么修改代码得到预期的热力图效果？

原代码如下：

import altair as alt
import pandas as pd
import numpy as np

np.random.seed(0)
df = pd.DataFrame({
    'x': np.random.randint(0, 5, 100),
    'y': np.random.randint(0, 5, 100),
    'z': np.random.rand(100)
})

alt.Chart(df).mark_rect().encode(
    x='x:O',
    y='y:O',
    color=alt.Color('mean(z)', bin=alt.Bin(maxbins=5))
)

预期效果：每个矩形根据mean(z)的区间显示5种离散颜色，颜色区分清晰，图例对应不同的数值区间。
实际效果：颜色仍为连续渐变，没有按5个离散区间区分。

解决方案 #

问题出在直接对聚合后的mean(z)使用bin参数，Altair中这种方式无法正确生成离散的颜色映射。需要先计算分组均值，再对均值分箱，最后将分箱结果作为离散变量映射颜色。

修改后的代码：

import altair as alt
import pandas as pd
import numpy as np

np.random.seed(0)
df = pd.DataFrame({
    'x': np.random.randint(0, 5, 100),
    'y': np.random.randint(0, 5, 100),
    'z': np.random.rand(100)
})

alt.Chart(df).mark_rect().encode(
    x='x:O',
    y='y:O',
    color=alt.Color('z_bin:N', title='Mean(z)区间')
).transform_aggregate(
    mean_z='mean(z)',
    groupby=['x', 'y']
).transform_bin(
    'z_bin', field='mean_z', bin=alt.Bin(maxbins=5)
)

代码说明 #

• transform_aggregate：按x和y分组，计算每组的mean(z)并命名为mean_z；
• transform_bin：对mean_z进行分箱，指定maxbins=5生成5个离散区间，结果存入z_bin；
• 颜色映射时将z_bin指定为离散类型（:N），触发Altair的离散配色逻辑，实现5种颜色的区分。

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