1.3　vega_datasets的使用

Python包vega_datasets的主要用途就是获得离线数据集。因此，可以使用Python语言获得示例数据集。调用后，返回的数据集都是以Pandas的数据框（DataFrame）形式存储的。

这个数据框（DataFrame）对象是Altair的数据源，数据框对象的列是由不同的变量类型（数量型、次序型、名义型和日期时间型）所组成的。数据框对象是一种类似Excel或是SPSS的“整洁格式”（a tidy format），行对应案例数（cases），也就是样本（samples），列对应观察变量（observed variables），如图1.1所示。

这个数据框对象在图形语法的作用下会被映射成可视化属性，包括位置、颜色、大小、形状、透明度等。

在这个Python包中，主要对象是data，可以使用下面的语句获得data。

在导入对象data之后，就可以加载示例数据集。有两种方法可以加载示例数据集，例如，加载cars数据集。

以函数形式调用对象data，将数据集以字符串形式作为参数传给函数data()。

调用与数据集关联的实例方法cars()。

方法一：可以使用实例方法head()，默认展示数据集全部变量的前5行观测记录，如图1.2所示。

方法二：可以使用实例方法list_datasets()，列出全部可以使用的数据集，如下所示。

这些数据集有一部分保存在本地文件夹中，有些需要联网才能使用，可以使用对象local_data，获得保存在本地的数据集名称的列表。

如果需要了解数据集的URL来源，则可以使用属性url，实现方法如下所示。

说明：使用属性url获得数据集的URL来源，可以作为Altair的数据集的数据格式，也就是说，data.climate.url等同于Altair可以接受的数据结构。

如果需要了解数据集的本地保存位置，则可以使用属性filepath，实现方法如下所示。

说明：如果数据集不是保存在本地的，而是需要连接网络才能使用，那么程序会报错。

加载本地数据集的方法，除了上面两种，还可以使用pandas的API函数read_json()，将JSON字符串转化为数据框对象；还可以使用pandas的API函数read_csv()，将逗号分隔值（CSV）文件转成数据框对象。返回结果如图1.3所示。

如果需要了解有关数据集cars的更多信息，则可以使用属性description。