在Altair/Vega-lite中如何按分组类别显示占比而非总计占比？

要实现每个国家分组自身的薪资占比，你需要调整数据转换的顺序，先对薪资进行分箱，再统计每个分箱在对应分组内的占比。以下是修正后的代码：

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

salaries = {
    'NL': np.random.normal(loc=80000, scale=30000, size=(500,)),
    'ES': np.random.normal(loc=80000, scale=30000, size=(50,))
}
source = pd.DataFrame({k:pd.Series(v) for k,v in salaries.items()})

c = alt.Chart(source).transform_fold(
   ['NL', 'ES'],
   as_=['Benchmark', 'Salaries']
).transform_joinaggregate(
    # 计算每个国家的总样本数
    total='count(*)',
    groupby=['Benchmark']
).transform_bin(
    # 显式对薪资分箱，替代encode中的bin设置
    'binned_salaries', field='Salaries', maxbins=20
).transform_aggregate(
    # 统计每个国家+分箱的样本数量
    bin_count='count(*)',
    groupby=['Benchmark', 'binned_salaries', 'total']  # 保留total字段用于后续计算
).transform_calculate(
    # 计算当前分箱在对应国家内的占比
    pct='datum.bin_count / datum.total'
).mark_bar(opacity=0.3, binSpacing=0).encode(
    alt.Color('Benchmark:N'),
    x=alt.X('binned_salaries:Q', title='Salaries'),
    y=alt.Y('pct:Q', axis=alt.Axis(format='%'), stack=None)
)

c.display()

关键调整说明 #

• 显式分箱：使用transform_bin提前对薪资进行分箱，替代原代码中在x轴encode里的bin设置，这样能更清晰地控制分箱逻辑，方便后续按分箱+分组统计。
• 分组统计分箱数量：通过transform_aggregate统计每个国家（Benchmark）和分箱组合的样本数，同时保留之前计算的国家总样本数。
• 直接计算占比：用分箱数量除以对应国家的总样本数，得到该分箱在分组内的占比，避免原代码中通过sum(pct)可能带来的逻辑混淆。

原代码的逻辑理论上可以实现目标，但显式的分箱+统计方式更直观，也更容易排查问题，尤其适合新手理解数据转换流程。

内容的提问来源于stack exchange，提问作者user3489010