Bokeh 教程

04. 数据源和数据转换

In [1]:

from bokeh.io import output_notebook, show
from bokeh.plotting import figure

In [2]:

output_notebook()

Loading BokehJS ...

概要¶

我们已经看到Bokeh怎么能够很好地与Python列表、NumPy数组、Pandas序列一起工作。在底层，这些输入数据被转换为Bokeh的ColumnDataSource类型。这个数据类型是Bokeh使用的核心数据源对象。虽然Bokeh经常通过透明的方式创建该类型对象，但有些时候也需要通过显式的方式创建。

下一节，我们会看到hover tooltips，computed transforms 和 CustomJS interactions 等使用ColumnDataSource的功能，所以，现在我们快速的瞄一眼。

通过 Python Dicts 创建¶

从 bokeh.models 导入 ColumnDataSource：

In [3]:

from bokeh.models import ColumnDataSource

ColumnDataSource是从列名（字符串）到值序列的映射。下面是一个简单的例子。映射是通过传入Python dict建立的，其字符串键作为列名，对应的Python list作为值序列。该值序列也可以是NumPy数组，或Pandas序列。

*注意：ColumnDataSource 中所有的列必须等长。*

In [4]:

source = ColumnDataSource(data={
    'x' : [1, 2, 3, 4, 5],
    'y' : [3, 7, 8, 5, 1],
})

到目前，我们已经通过直接传入文本列表或数组数据的方式调用函数，如p.circle。当我们这样做时，Bokeh会自动帮我们创建一个 ColumnDataSource。但我们也可以显式地把 ColumnDataSource 作为 source 参数传入glyph函数。当我们这样做时，如果我们想要给一个属性（如"x" 或 "y" 或 "fill_color"）指定一个值序列，我们传入对应的*列名*：

In [5]:

p = figure(plot_width=400, plot_height=400)
p.circle('x', 'y', size=20, source=source)
show(p)

In [6]:

# Exercise: create a column data source with NumPy arrays as column values and plot it

通过 Pandas DataFrames 创建¶

通过Pandas Dataframe创建 ColumnDataSource 对象也很容易。只需要在创建 ColumnDataSource 的时候把Dataframe传入就行：

In [7]:

from bokeh.sampledata.iris import flowers as df

source = ColumnDataSource(df)

现在我们就可以使用这个对象绘制上例中的图了，把对应的列名传入glyph函数：

In [8]:

p = figure(plot_width=400, plot_height=400)
p.circle('petal_length', 'petal_width', source=source)
show(p)

In [9]:

# Exercise: create a column data source with the autompg sample data frame and plot it

from bokeh.sampledata.autompg import autompg_clean as df