mirror of
https://github.com/LCTT/TranslateProject.git
synced 2025-01-01 21:50:13 +08:00
235 lines
8.4 KiB
Markdown
235 lines
8.4 KiB
Markdown
[#]: collector: (lujun9972)
|
||
[#]: translator: (wxy)
|
||
[#]: reviewer: ( )
|
||
[#]: publisher: ( )
|
||
[#]: url: ( )
|
||
[#]: subject: (Add interactivity to your Python plots with Bokeh)
|
||
[#]: via: (https://opensource.com/article/20/5/bokeh-python)
|
||
[#]: author: (Shaun Taylor-Morgan https://opensource.com/users/shaun-taylor-morgan)
|
||
|
||
使用 Bokeh 为你的 Python 绘图添加交互性
|
||
======
|
||
|
||
> Bokeh 中的绘图比其他一些绘图库要复杂一些，但付出额外的努力是有回报的。
|
||
|
||
![Hands on a keyboard with a Python book ][1]
|
||
|
||
在这一系列文章中，我通过在每个 Python 绘图库中制作相同的多条形绘图，来了解不同 Python 绘图库的特点。这次我重点介绍的是 [Bokeh][2]（读作“BOE-kay”）。
|
||
|
||
Bokeh 中的绘图比[其它一些绘图库][3]要复杂一些，但额外的努力是有回报的。Bokeh 的设计既允许你在网络上创建自己的交互式绘图，又能让你详细控制交互性如何工作。我将通过给我在这个系列中使用的多条形图添加一个工具提示来展示这一点。它绘制了 1966 年到 2020 年之间英国选举结果的数据。
|
||
|
||
![][4]
|
||
|
||
*绘图的放大视图（©2019 年 [Anvil][5]）*
|
||
|
||
### 制作多条形图
|
||
|
||
在我们继续之前，请注意你可能需要调整你的 Python 环境来让这段代码运行，包括以下：
|
||
|
||
- 运行最新版本的 Python （[Linux][11]、[Mac][12] 和 [Windows][13] 的说明）
|
||
- 确认你运行的 Python 版本能与这些库一起工作。
|
||
|
||
网上有数据，可以用 pandas 导入。
|
||
|
||
```
|
||
import pandas as pd
|
||
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')
|
||
```
|
||
|
||
现在我们可以继续进行了。
|
||
|
||
为了做出多条形图，你需要对你的数据进行一下调整。
|
||
|
||
原始数据是这样的：
|
||
|
||
```
|
||
>> 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]
|
||
```
|
||
|
||
你可以把数据看成是每一个可能的 `(year, party)` 组合的一系列 `seats` 值。这正是 Bokeh 处理的方式。你需要做一个 `(year, party)` 元组的列表：
|
||
|
||
|
||
```
|
||
# Get a tuple for each possible (year, party) combination
|
||
x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
|
||
|
||
# This comes out as [('1922', 'Conservative'), ('1923', 'Conservative'), ... ('2019', 'Others')]
|
||
```
|
||
|
||
这些将是 x 值。y 值是简单的席位。
|
||
|
||
|
||
```
|
||
y = df['seats']
|
||
```
|
||
|
||
现在你的数据看起来像这样：
|
||
|
||
|
||
```
|
||
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 需要你将数据封装在它提供的一些对象中，这样它就能给你提供交互功能。将你的 x 和 y 数据结构封装在一个 `ColumnDataSource` 对象中。
|
||
|
||
|
||
```
|
||
from bokeh.models import ColumnDataSource
|
||
|
||
source = ColumnDataSource(data={'x': x, 'y': y})
|
||
```
|
||
|
||
然后构造一个 `Figure` 对象，并传入你的用 `FactorRange` 对象封装的 x 数据。
|
||
|
||
|
||
```
|
||
from bokeh.plotting import figure
|
||
from bokeh.models import FactorRange
|
||
|
||
p = figure(x_range=FactorRange(*x), width=2000, title="Election results")
|
||
```
|
||
|
||
你需要让 Bokeh 创建一个颜色表--这是一个特殊的 `DataSpec` 字典，它根据你给它的颜色映射生成。在这种情况下，颜色表是一个简单的党派名称和一个十六进制值之间的映射。
|
||
|
||
```
|
||
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)
|
||
```
|
||
|
||
现在你可以创建条形图了：
|
||
|
||
|
||
```
|
||
p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)
|
||
```
|
||
|
||
Bokeh 图表上数据的可视化表示被称为“<ruby>字形<rt>glyphs</rt></ruby>”，因此你已经创建了一组条形字形。
|
||
|
||
调整图表的细节，让它看起来像你想要的样子。
|
||
|
||
|
||
```
|
||
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
|
||
```
|
||
|
||
最后，告诉 Bokeh 你现在想看你的绘图：
|
||
|
||
|
||
```
|
||
from bokeh.io import show
|
||
|
||
show(p)
|
||
```
|
||
|
||
这将绘图写入一个 HTML 文件，并在默认的 Web 浏览器中打开它。如下结果：
|
||
|
||
![][6]
|
||
|
||
*Bokeh 中的多条形绘图（©2019年[Anvil][5]）*
|
||
|
||
这已经有了一些互动功能，比如方框缩放。
|
||
|
||
![][7] 。
|
||
|
||
*Bokeh 内置的方框缩放（©2019[Anvil][5]）*
|
||
|
||
但 Bokeh 的厉害之处在于你可以添加自己的交互性。在下一节中，我们通过在条形图中添加工具提示来探索这个问题。
|
||
|
||
### 给条形图添加工具提示
|
||
|
||
要在条形图上添加工具提示，你只需要创建一个 `HoverTool` 对象并将其添加到你的图中。
|
||
|
||
|
||
```
|
||
h = HoverTool(tooltips=[
|
||
('Seats', '@y'),
|
||
('(Year, Party)', '(@x)')
|
||
])
|
||
p.add_tools(h)
|
||
```
|
||
|
||
参数定义了哪些数据会显示在工具提示上。变量 `@y` 和 `@x` 是指你传入 `ColumnDataSource` 的变量。你还可以使用一些其他的值。例如，光标在图上的位置由 `$x` 和 `$y` 给出（与 `@x` 和 `@y` 没有关系）。
|
||
|
||
下面是结果：
|
||
|
||
![][8]
|
||
|
||
*选举图，现在带有工具提示（© 2019 [Anvil][5]）*
|
||
|
||
多亏了 Bokeh 的 HTML 输出，当你将绘图嵌入到 Web 应用中时，你可以获得完整的交互体验。你可以把这个例子复制为一个 Anvil 应用[这里][9]（注：Anvil 需要注册才能使用）。
|
||
|
||
现在，你可以看到在 Bokeh 中用 `ColumnDataSource` 等对象包装所有数据而付出额外努力的原因了。作为回报，你可以相对轻松地添加交互性。
|
||
|
||
### 回归简单：Altair
|
||
|
||
Bokeh 是四大最流行的绘图库之一，本系列将研究[它们各自的特别之处][3]。
|
||
|
||
我也在研究几个因其有趣的方法而脱颖而出的库。接下来，我将看看 [Altair][10]，它的声明式 API 意味着它可以做出非常复杂的情节，而不会让你头疼。
|
||
|
||
* * *
|
||
|
||
*本文根据 Anvil 博客上的[如何使用 Bokeh 制作绘图][5]改编，经允许后转载。*
|
||
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
via: https://opensource.com/article/20/5/bokeh-python
|
||
|
||
作者：[Shaun Taylor-Morgan][a]
|
||
选题：[lujun9972][b]
|
||
译者：[wxy](https://github.com/wxy)
|
||
校对：[校对者ID](https://github.com/校对者ID)
|
||
|
||
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
|
||
|
||
[a]: https://opensource.com/users/shaun-taylor-morgan
|
||
[b]: https://github.com/lujun9972
|
||
[1]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/python-programming-code-keyboard.png?itok=fxiSpmnd (Hands on a keyboard with a Python book )
|
||
[2]: https://bokeh.org/
|
||
[3]: https://opensource.com/article/20/4/plot-data-python
|
||
[4]: https://opensource.com/sites/default/files/uploads/bokeh-closeup.png (A zoomed-in view on the plot)
|
||
[5]: https://anvil.works/blog/plotting-in-bokeh
|
||
[6]: https://opensource.com/sites/default/files/uploads/bokeh_0.png (A multi-bar plot in Bokeh)
|
||
[7]: https://opensource.com/sites/default/files/uploads/bokeh-box-zoom.gif (Bokeh's built-in box zoom)
|
||
[8]: https://opensource.com/sites/default/files/uploads/bokeh-tooltips.gif (The election graph, now with tooltips)
|
||
[9]: https://anvil.works/build#clone:CFRUWSM6PQ6JUUXH%3dSX4SACDSXBB4UOIVEVPWXH55%7cMYTOLCU2HM5WKJYM%3d6VJKGRSF74TCCVDG5CTVDOCS
|
||
[10]: https://altair-viz.github.io/
|
||
[11]: https://opensource.com/article/20/4/install-python-linux
|
||
[12]: https://opensource.com/article/19/5/python-3-default-mac
|
||
[13]: https://opensource.com/article/19/8/how-install-python-windows |