Bokeh带字形的绘图

任何绘图通常由一个或多个几何形状组成，例如：线、圆、矩形等。这些形状具有有关相应数据集的视觉信息。在 Bokeh 术语中，这些几何形状被称为 gylphs。使用 bokeh.plotting 接口构建的散景图使用一组默认的工具和样式。但是，可以使用可用的绘图工具自定义样式。

绘图类型

使用字形创建的不同类型的图如下所示 -

线图
这种类型的绘图对于以线的形式可视化点沿 x 轴和 y 轴的移动很有用。它用于执行时间序列分析。

条形图
这对于指示数据集中特定列或字段的每个类别的计数通常很有用。

补丁图
该图表示具有特定颜色阴影的点区域。这种类型的图用于区分同一数据集中的不同组。

散点图
这种类型的图用于可视化两个变量之间的关系并指示它们之间的相关强度。

通过调用 Figure 类的适当方法形成不同的字形图。Figure 对象通过以下构造函数获得 -

from bokeh.plotting import figure
figure(**kwargs)

Figure 对象可以通过各种关键字参数进行自定义。

编号	Title	设置绘图的标题
1	x_axis_label	设置 x 轴的标题
2	y_axis_label	设置 y 轴的标题
3	plot_width	设置图形宽度
4	plot_height	设置图形高度

线图

Figure 对象的 line() 方法将线条字形添加到 Bokeh 图形。它需要 x 和 y 参数作为数据数组来显示它们的线性关系。

示例代码：

from bokeh.plotting import figure, show
fig = figure()
fig.line(x,y)
show(fig)

以下代码以 Python 列表对象的形式呈现两组值之间的简单线图 -

from bokeh.plotting import figure, output_file, show
x = [1,2,3,4,5]
y = [2,4,6,8,10]
output_file('line.html')
fig = figure(title = 'Line Plot example', x_axis_label = 'x', y_axis_label = 'y')
fig.line(x,y)
show(fig)

运行结果如下：

条形图

图形对象有两种不同的构建条形图的方法 -

hbar()

条形图在绘图宽度上水平显示。hbar() 方法具有以下参数 -

编号	y	水平条中心的 y 坐标。
1	height	垂直条的高度。
2	right	右边缘的 x 坐标。
3	left	左边缘的 x 坐标。

以下代码是使用 Bokeh 的水平条示例代码。

from bokeh.plotting import figure, output_file, show
fig = figure(plot_width = 400, plot_height = 200)
fig.hbar(y = [2,4,6], height = 1, left = 0, right = [1,2,3], color = "Cyan")
output_file('bar.html')
show(fig)

运行结果：

vbar()
条形图垂直显示在绘图高度上。vbar() 方法具有以下参数 -

编号	x	垂直条中心的 x 坐标。
1	width	垂直条的宽度。
2	top	顶部边缘的 y 坐标。
3	bottom	底部边缘的 y 坐标。

以下代码演示如何绘制垂直条形图 -

from bokeh.plotting import figure, output_file, show
fig = figure(plot_width = 200, plot_height = 400)
fig.vbar(x = [1,2,3], width = 0.5, bottom = 0, top = [2,4,6], color = "Cyan")
output_file('bar.html')
show(fig)

运行得到以下结果：
vbar

补丁图

以特定颜色对空间区域进行着色以显示具有相似属性的区域或组的图在 Bokeh 中称为斑块图。图形对象为此目的具有 patch() 和 patch() 方法。

patch()
此方法将补丁字形添加到给定图形。该方法具有以下参数 -

x 补丁点的 x 坐标。
y 补丁点的 y 坐标。

通过以下 Python 代码获得一个简单的补丁图 -

from bokeh.plotting import figure, output_file, show
p = figure(plot_width = 300, plot_height = 300)
p.patch(x = [1, 3,2,4], y = [2,3,5,7], color = "green")
output_file('patch.html')
show(p)

运行结果：

patches()

此方法用于绘制多个多边形补丁。它需要以下参数 -

xs 所有补丁的 x 坐标，以“列表的列表”的形式给出。
ys 所有补丁的 y 坐标，以“列表的列表”的形式给出。

示例代码：

from bokeh.plotting import figure, output_file, show
xs = [[5,3,4], [2,4,3], [2,3,5,4]]
ys = [[6,4,2], [3,6,7], [2,4,7,8]]
fig = figure()
fig.patches(xs, ys, fill_color = ['red', 'blue', 'black'], line_color = 'white')
output_file('patch_plot.html')
show(fig)

运行结果：

散点图

散点图非常常用来确定两个变量之间的双变量关系。使用 Bokeh 为它们添加了增强的交互性。散点图是通过调用 Figure 对象的 scatter() 方法获得的。它使用以下参数 -

x - 中心 x 坐标的值或字段名称；
y - 中心 y 坐标的值或字段名称；
size - 以屏幕为单位的尺寸值或字段名称；
marker - 标记类型的值或字段名称；
color - 设置填充和线条颜色；

Bokeh 中定义了以下标记类型常量：

Asterisk
Circle
CircleCross
CircleX
Cross
Dash
Diamond
DiamondCross
Hex
InvertedTriangle
Square
SquareCross
SquareX
Triangle
X

以下 Python 代码生成带有圆圈标记的散点图。

from bokeh.plotting import figure, output_file, show
fig = figure()
fig.scatter([1, 4, 3, 2, 5], [6, 5, 2, 4, 7], marker = "circle", size = 20, fill_color = "grey")
output_file('scatter.html')
show(fig)

代码运行结果：
散点图

上一篇： Bokeh是什么？下一篇： Bokeh区域图

绘图类型

线图

条形图

补丁图

散点图

微信关注