大家好，我是安夏学姐。今天要和大家分享Python数据可视化库中的一颗明珠 - Altair。作为一个基于Vega和Vega-Lite的声明式可视化库，Altair让我们能够用简洁优雅的方式创建各种漂亮的数据图表。让我们一起来探索这个强大的工具吧！
## 什么是Altair？
Altair是一个声明式的数据可视化库。所谓“声明式”，就像是我们在餐厅点菜 - 你只需要告诉服务员你要什么菜（声明你的需求），而不用关心厨师具体怎么做（实现细节）。使用Altair，我们只需要描述想要的图表类型和数据映射方式，剩下的它都会帮我们搞定。
首先让我们安装并导入必要的库：
```python
# 安装命令：pip install altair vega_datasets
import altair as alt
import pandas as pd
from vega_datasets import data
让我们从一个简单的散点图开始：
# 加载示例数据
cars = data.cars()
# 创建散点图
chart = alt.Chart(cars).mark_circle().encode(
x='Horsepower'，
y='Miles_per_Gallon'，
color='Origin'
)
小贴士：Altair的语法非常直观，.mark_circle()指定图形为圆点，.encode()设置数据到视觉属性的映射。
Altair的一大特色是能轻松添加交互性：
brush = alt.selection_interval()
chart = alt.Chart(cars).mark_circle().encode(
x='Horsepower'，
y='Miles_per_Gallon'，
color=alt.condition(brush， 'Origin'， alt.value('lightgray'))
).add_selection(brush)
这段代码创建了一个可以用鼠标框选的交互式散点图，被选中的点会显示颜色，未选中的点变成浅灰色。
Altair强大的地方在于可以轻松组合多个图表：
base = alt.Chart(cars).encode(
x='Horsepower：Q'
)
# 创建散点图
points = base.mark_circle().encode(
y='Miles_per_Gallon：Q'
)
# 创建回归线
line = base.transform_regression(
'Horsepower'， 'Miles_per_Gallon'
).mark_line()
# 组合图表
chart = points + line
注意事项：在组合图表时，确保基础编码（如x轴）保持一致，这样图表叠加才能正确对齐。
当我们想要按照某个分类变量拆分展示数据时，分面图特别有用：
chart = alt.Chart(cars).mark_circle().encode(
x='Horsepower'，
y='Miles_per_Gallon'，
color='Origin'
).facet(
column='Origin'
)
Altair创建的图表可以保存为多种格式：
# 保存为HTML
chart.save('my_chart.html')
# 保存为PNG（需要安装selenium和chrome/firefox webdriver）
chart.save('my_chart.png')
- 主题设置
# 使用深色主题
alt.themes.enable('dark')
- 图表大小调整
chart = alt.Chart(cars).mark_circle().encode(
x='Horsepower'，
y='Miles_per_Gallon'
).properties(
width=500，
height=300
)
- 添加标题和描述
chart = alt.Chart(cars).mark_circle().encode(
x='Horsepower'，
y='Miles_per_Gallon'
).properties(
title='汽车马力与油耗关系图'
)
小伙伴们，今天的Python数据可视化学习就到这里啦！Altair不仅能帮我们创建漂亮的图表，更重要的是它的声明式语法让代码更易读、易维护。记得动手实践哦，有问题随时在评论区问安夏学姐我。祝大家学习愉快，Python可视化之路越走越宽！
大家好，我是安夏学姐。看到很多小伙伴在调试代码时手足无措，今天我就来和大家深入聊聊Python的调试神器 - pdb。掌握了调试技巧，写代码时就不用担心bug找不到啦！
## pdb是什么？
pdb是Python内置的调试器(debugger)，就像是我们的私人侦探，可以帮我们一步步跟踪代码的执行过程，找出问题所在。最棒的是它完全免费，因为是Python标准库的一部分，无需额外安装！
## 基础调试命令
让我们先来看一个简单的例子：
```python
def calculate_sum(n)：
total = 0
for i in range(n)：
import pdb； pdb.set_trace() # 设置断点
total += i
return total
result = calculate_sum(5)
print(result)
当代码运行到断点处，我们可以使用这些基本命令：
小贴士：我喜欢把这些命令记成：“Never Stop Coding， Print List Quit” 😊
1. 条件断点
有时我们只想在特定条件下暂停代码：
def process_list(items)：
for i， item in enumerate(items)：
import pdb； pdb.set_trace(condition=item > 100) # 只有当item大于100时才会暂停
print(f“Processing item： {item}”)
process_list([50， 150， 75， 200])
2. 后置调试器
遇到异常时自动启动调试器：
import sys
def enable_post_mortem()：
import pdb
def exception_hook(exctype， value， traceback)：
print('异常发生了！启动调试器...')
pdb.post_mortem(traceback)
sys.excepthook = exception_hook
enable_post_mortem()
def divide_numbers(a， b)：
return a / b
result = divide_numbers(10， 0) # 会触发调试器
注意事项：在生产环境中要谨慎使用后置调试器，因为它可能暴露敏感信息。
3. 使用breakpoint()函数
Python 3.7+提供了一个更优雅的方式设置断点：
def complex_calculation(x， y)：
result = x * 2
breakpoint() # Python 3.7+的新方式，等同于import pdb； pdb.set_trace()
result = result + y
return result
complex_calculation(5， 3)
让我们通过调试一个递归函数来实践这些技巧：
def fibonacci(n)：
breakpoint()
if n <= 1：
return n
return fibonacci(n-1) + fibonacci(n-2)
result = fibonacci(4)
调试步骤：
1. 使用pdb.run()
import pdb
code = '''
for i in range(5)：
print(i)
if i == 3：
print(“找到3了！”)
'''
pdb.run(code)
2. 设置临时变量
在调试模式下，我们可以设置临时变量来辅助调试：
def complex_function()：
x = 100
breakpoint()
# 在调试模式下输入：
# temp = x * 2
# p temp
y = x * 2
return y
循环中的断点 ：在循环中设置断点时，使用until命令可以执行到下一次循环。
变量作用域 ：在调试模式下，可以使用globals()和locals()查看所有可用变量。
多线程调试 ：使用threading.current_thread().name确认当前线程。
- 编写一个冒泡排序函数，并在关键位置设置断点观察排序过程
- 使用条件断点调试一个列表处理函数，只在特定元素出现时暂停
小伙伴们，今天的Python调试之旅就到这里啦！记住，调试不是可怕的事情，它是帮助我们理解代码运行过程的好帮手。好的调试能力需要多练习，有问题随时在评论区问安夏学姐我哦。祝大家学习愉快，Python调试技能节节高！
·end·
—如果喜欢，快分享给你的朋友们吧—
我们一起愉快的玩耍吧
