使用 Bokeh 為你的 Python 繪圖添加交互性
在這一系列文章中,我通過在每個 Python 繪圖庫中製作相同的多條形繪圖,來研究不同 Python 繪圖庫的特性。這次我重點介紹的是 Bokeh(讀作 「BOE-kay」)。
Bokeh 中的繪圖比其它一些繪圖庫要複雜一些,但付出的額外努力是有回報的。Bokeh 的設計既允許你在 Web 上創建自己的互動式繪圖,又能讓你詳細控制交互性如何工作。我將通過給我在這個系列中一直使用的多條形圖添加工具提示來展示這一點。它繪製了 1966 年到 2020 年之間英國選舉結果的數據。
![](/data/attachment/album/202006/18/164745tbgswq11b3qqqito.png "A zoomed-in view on the plot")
繪圖的放大視圖(©2019 年 Anvil)
製作多條形圖
在我們繼續之前,請注意你可能需要調整你的 Python 環境來讓這段代碼運行,包括以下:
數據可在線獲得,可以用 Pandas 導入。
import pandas as pd
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')
現在我們可以繼續進行了。
為了做出多條形圖,你需要對你的數據進行一下調整。
原始數據是這樣的:
>> print(long)
year party seats
0 1966 Conservative 253
1 1970 Conservative 330
2 Feb 1974 Conservative 297
3 Oct 1974 Conservative 277
4 1979 Conservative 339
.. ... ... ...
103 2005 Others 30
104 2010 Others 29
105 2015 Others 80
106 2017 Others 59
107 2019 Others 72
[60 rows x 3 columns]
你可以把數據看成是每一個可能的 (year, party)
組合的一系列 seats
值。這正是 Bokeh 處理的方式。你需要做一個 (year, party)
元組的列表:
# 得到每種可能的 (year, party) 組合的元組
x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
# This comes out as [('1922', 'Conservative'), ('1923', 'Conservative'), ... ('2019', 'Others')]
這些將是 x
值。y
值就是席位(seats
)。
y = df['seats']
現在你的數據看起來應該像這樣:
x y
('1966', 'Conservative') 253
('1970', 'Conservative') 330
('Feb 1974', 'Conservative') 297
('Oct 1974', 'Conservative') 277
('1979', 'Conservative') 339
... ... ...
('2005', 'Others') 30
('2010', 'Others') 29
('2015', 'Others') 80
('2017', 'Others') 59
('2019', 'Others') 72
Bokeh 需要你將數據封裝在它提供的一些對象中,這樣它就能給你提供交互功能。將你的 x
和 y
數據結構封裝在一個 ColumnDataSource
對象中。
from bokeh.models import ColumnDataSource
source = ColumnDataSource(data={'x': x, 'y': y})
然後構造一個 Figure
對象,並傳入你用 FactorRange
對象封裝的 x
數據。
from bokeh.plotting import figure
from bokeh.models import FactorRange
p = figure(x_range=FactorRange(*x), width=2000, title="Election results")
你需要讓 Bokeh 創建一個顏色表,這是一個特殊的 DataSpec
字典,它根據你給它的顏色映射生成。在這種情況下,顏色表是一個簡單的黨派名稱和一個十六進位值之間的映射。
from bokeh.transform import factor_cmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)
現在你可以創建條形圖了:
p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)
Bokeh 圖表上數據的可視化形式被稱為「 字形 」,因此你已經創建了一組條形字形。
調整圖表的細節,讓它看起來像你想要的樣子。
p.y_range.start = 0
p.x_range.range_padding = 0.1
p.yaxis.axis_label = 'Seats'
p.xaxis.major_label_orientation = 1
p.xgrid.grid_line_color = None
最後,告訴 Bokeh 你現在想看你的繪圖:
from bokeh.io import show
show(p)
這將繪圖寫入一個 HTML 文件,並在默認的 Web 瀏覽器中打開它。如下結果:
![](/data/attachment/album/202006/18/164747njmjfybwkbb9jlgv.png "A multi-bar plot in Bokeh")
Bokeh 中的多條形繪圖(©2019年Anvil)
它已經有了一些互動功能,比如盒子縮放。
![](/data/attachment/album/202006/18/164826c8yyefswvspee6v6.gif "Bokeh's built-in box zoom")
Bokeh 內置的盒子縮放(©2019Anvil)
但 Bokeh 的厲害之處在於你可以添加自己的交互性。在下一節中,我們通過在條形圖中添加工具提示來探索這個問題。
給條形圖添加工具提示
要在條形圖上添加工具提示,你只需要創建一個 HoverTool
對象並將其添加到你的繪圖中。
h = HoverTool(tooltips=[
('Seats', '@y'),
('(Year, Party)', '(@x)')
])
p.add_tools(h)
參數定義了哪些數據會顯示在工具提示上。變數 @y
和 @x
是指你傳入 ColumnDataSource
的變數。你還可以使用一些其他的值。例如,游標在圖上的位置由 $x
和 $y
給出(與 @x
和 @y
沒有關係)。
下面是結果:
![](/data/attachment/album/202006/18/164835yihiiitmiiwu5tpl.gif "The election graph, now with tooltips")
選舉圖,現在帶有工具提示(© 2019 Anvil)
藉助 Bokeh 的 HTML 輸出,將繪圖嵌入到 Web 應用中時,你可以獲得完整的交互體驗。你可以在這裡把這個例子複製為 Anvil 應用(註:Anvil 需要註冊才能使用)。
現在,你可以看到付出額外努力在 Bokeh 中將所有數據封裝在 ColumnDataSource
等對象的原因了。作為回報,你可以相對輕鬆地添加交互性。
回歸簡單:Altair
Bokeh 是四大最流行的繪圖庫之一,本系列將研究它們各自的特別之處。
我也在研究幾個因其有趣的方法而脫穎而出的庫。接下來,我將看看 Altair,它的聲明式 API 意味著它可以做出非常複雜的繪圖,而不會讓你頭疼。
via: https://opensource.com/article/20/5/bokeh-python
作者:Shaun Taylor-Morgan 選題:lujun9972 譯者:wxy 校對:wxy
本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive