Altair HyperWorks 2020：一站式工程仿真软件下载安装|altair|代码|包装器|视频文件

今日能量：忍是一种眼光，忍是一种胸怀，忍是一种领悟，忍是一种人生的技巧，忍是一种规则的智慧。
软件安装包： gug8.top/?id=

软件介绍

Altair HyperWorks 2020是一款集成了工程仿真、优化和多物理场分析等功能的软件。它能够快速有效地解决各种复杂的工程问题，为工程师和设计人员提供高端的工程仿真和分析工具，帮助用户优化设计和提高产品性能和质量。

Altair 最让人着迷的地方是，它能够合理的选择颜色。如果我们在 Encoding 中指定变量类型为量化变量，那么 Altair 将会使用连续的色标来着色（默认为浅蓝色-蓝色-深蓝色）。如果变量类型指定为类别变量，那么 Altair 会为每个类别赋予不同的颜色。（例如红色，黄色，蓝色）

补充：Vega-Lite 有两种类型的类别变量：名义变量和序数变量。名义变量的集合中，各元素的排序阶数没有任何实际意义，例如大陆集合是欧洲，亚洲，非洲，美洲，大洋洲，他们的次序没有任何数值上的意义；序数变量的集合中，各元素的排序阶数是有实际意义的，例如亚马逊的评论可以是一星，二星，三星，四星或五星，星级的高低次序是由意义的。

让我们来看一个具体的例子，如下所示，我们组织了6个国家和它们所对应的人口数据，除此之外，还有相应的收入数据：

import pandas as pdimport altair as alt data = pd.DataFrame({'country_id': [1, 2, 3, 4, 5, 6], 'population': [1, 100, 200, 300, 400, 500], 'income': [1000, 50, 200, 300, 200, 150]})

复制

首先我们绘制每个国家的人口数据：

首先我们绘制每个国家的人口数据："""As we mentioned before, we need to define 3 parameters: 1. Mark: We do this by using "mark_circle". 2. Channel: We only define an x-axis and we map it to the population. 3. Encodings: We define both variables as quantitative by using :Q after the column name""" categorical_chart = alt.Chart(data).mark_circle(size=200).encode( x='population:Q', color='country_id:Q')

复制

从上图可以看出，Altair 选择了连续色标，在本例中这是没有意义的。问题的根源在于，我们将 country_id 定义为量化变量，而实际上，它应该是一个类别变量，修改代码如下：

# We changed color='country_id:Q' to color='country_id:N' to indicate it is a nominal variablecategorical_chart = alt.Chart(data).mark_circle(size=200).encode( x='population:Q', color='country_id:N')

复制

从图中可以看到，每个国家都用了不同的颜色表示。我们仅仅改变了变量 country_id 的编码，即用 N (Nominal 名义变量)替换了 Q (Quantitative 量化变量)。这点小小的改变就足以使得 Altair 明白，它不该使用连续色标，而是使用独立色标。

Altair 的另一个美妙之处就是，我们可以从现有的图表中创建新的图表。例如，我们现在要加入新的数据 income，我们唯一需要做的就是告诉 Altair：用 income 作为y轴，代码如下所示：

categorical_chart = alt.Chart(data).mark_circle(size=200).encode( x='population:Q', y='income:Q', color='country_id:N')

复制

如果想添加数据提示的功能（tooltip，鼠标悬停在数据上时，会显示该数据的详细信息），只需要增加一行代码：

categorical_chart = alt.Chart(data).mark_circle(size=200).encode( x='population:Q', y='income:Q', color='country_id:N', tooltip=['country_id', 'population', 'income']))

复制

在接触 Altair 之前，我们常常持有一种的怀疑态度：这些可视化工具的包装器真的好用吗？通常来讲，包装是一个坏主意，就拿 ggplot2 来说，它的很多包装器都没有被 Python 社区广泛采用。这些包装器很难创建功能完整的版本，而且它们的更新也常常不及时。然而 Altair 却不一样：