Altair中日期字段调用LOESS平滑时间序列绘图异常求助

问题根因 #

• 直接对日期类型字段调用transform_loess返回空白图表：Altair依赖的Vega-Lite底层LOESS实现要求输入自变量为数值类型，传入时间类型时无法完成数值计算，直接返回空结果。
• 手动转时间戳后X轴显示异常：Python标准库datetime.timestamp()返回的是秒级Unix时间戳，而Vega/JavaScript生态默认使用毫秒级时间戳，单位差1000倍导致日期解析完全错位，仅调整轴格式参数无法修复。

最优实现方案 #

不需要提前用pandas做分组平滑预处理，直接在Altair的转换链内完成时间格式适配，原生支持分组平滑，代码可直接复用：

import altair as alt
from vega_datasets import data

# 加载示例数据
temps = data.seattle_temps()
temps = temps[temps.date < '2010-01-15']

alt.Chart(temps).mark_line(color='steelblue', size=2).encode(
    # 直接指定平滑后输出的时间字段为时间类型，自定义轴显示格式
    x=alt.X('smooth_date:T', axis=alt.Axis(format='%Y-%b-%d %H:%M')),
    y=alt.Y('smooth_temp:Q', title='Temperature')
).transform_calculate(
    # 内置转换层将原日期转为毫秒级时间戳，无需修改原始DataFrame
    date_ts='toDate(datum.date).getTime()'
).transform_loess(
    on='date_ts',
    loess='temp',
    bandwidth=0.3,
    as_=['smooth_date', 'smooth_temp'],
    # 多变量分组场景直接传入分组字段即可，无需手动写pandas groupby循环
    # 例：groupby=['site', 'sensor_id']
)

扩展：原始数据+平滑线叠加绘制 #

如果需要同时展示原始观测值和平滑趋势，可以用图层叠加实现：

# 原始数据层（半透明散点）
raw_layer = alt.Chart(temps).mark_point(opacity=0.3, color='gray').encode(
    x='date:T',
    y='temp:Q'
)

# LOESS平滑线层
smooth_layer = alt.Chart(temps).mark_line(color='crimson', size=2).encode(
    x=alt.X('smooth_date:T', axis=alt.Axis(format='%Y-%b-%d')),
    y='smooth_temp:Q'
).transform_calculate(
    date_ts='toDate(datum.date).getTime()'
).transform_loess(
    on='date_ts',
    loess='temp',
    bandwidth=0.3,
    as_=['smooth_date', 'smooth_temp']
)

# 组合输出图表
raw_layer + smooth_layer

分组平滑使用说明 #

针对多变量分组场景，只需要两步即可完成：

1. 在transform_loess的groupby参数中传入需要分组的字段名列表
2. 在编码层添加对应分组字段的映射（如color='分组字段:N'做颜色区分，或做分面）
   不需要提前对数据集做分组、循环平滑的繁琐操作。

内容的提问来源于stack exchange，提问作者sisyphos