---

Bokeh - 带有字形的绘图

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。这些形状具有关于相应数据集的视觉信息。 在 Bokeh 术语中，这些几何形状被称为字形。 使用 bokeh.plotting interface 构建的 Bokeh 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直线形式可视化点沿 x 轴和 y 轴的移动非常有用。 它用于执行时间序列分析。

条形图

这通常用于指示数据集中特定列或字段的每个类别的计数。

斑块图

此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 对象是通过以下构造函数获得的 −

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

可以通过各种关键字参数自定义 Figure 对象。

Sr.No	标题	设置绘图的标题
1	x_axis_label	设置x轴标题
2	y_axis_label	设置y轴标题
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 向 Bokeh 图形添加一个线条字形。 它需要 x 和 y 参数作为数据数组来显示它们的线性关系。

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)

---

输出

---

条形图

图形对象有两种不同的构造条形图的方法

hbar()

条形图在绘图宽度上水平显示。 hbar() 方法 具有以下参数 −

Sr.No	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。

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)

---

输出

vbar()

条形图垂直显示在绘图高度上。 vbar() 方法 具有以下参数 −

Sr.No	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。

以下代码显示垂直条形图 −

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)

---

输出

---

斑块图

以特定颜色为空间区域着色以显示具有相似属性的区域或组的图在 Bokeh 中称为补丁图。 Figure 对象具有用于此目的的 patch() 和 patches() 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 −

1	x	斑块点的 x 坐标。
2	y	斑块点的 y 坐标。

一个简单的斑块图是通过下面的Python代码得到的 −

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)

输出

patches()

该方法用于绘制多个多边形面片。 它需要以下参数 −

1	xs	所有斑块的 x 坐标，以"列表的列表"形式给出。
2	ys	所有斑块的 y 坐标，以"列表列表"的形式给出。

以 patches() 方法为例，运行以下代码 −

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)

输出

---

散点图

散点图非常常用于确定两个变量之间的双变量关系。 使用 Bokeh 将增强的交互性添加到它们中。 散点图是调用Figure对象的scatter()方法得到的。 它使用以下参数 −

1	x	中心x坐标的值或字段名
2	y	中心y坐标的值或字段名称
3	size	屏幕单位大小的值或字段名称
4	marker	标记类型的值或字段名
5	color	设置填充和线条颜色

在 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)

输出

---