29种Bokeh基础可视化图形

Bokeh 系列文章传送门:

  • Bokeh小册子:入门

  • Bokeh小册子:figure详细解读

 

前面,我们分享了关于 bokeh 入门 和 figure 使用的内容。今天,我们在前文的基础上,主要来分享29种基本的图形绘制方法,很多复杂的图形,都是基于这些基础图形的组合,所以,这些基础图形是我们进阶路上的必由之路。

下面,我们一起来看看都有哪些基础图形吧。

本次运行环境为:

  • win7

  • jupyter notebook

  • python 3.6

  • bokeh 0.13.0

Bokeh 中绘图的一般步骤

  1. 加载 bokeh 库,声明在 notebook 或 html 文件中显示或输出绘制的图表

  2. 绘制图表框架 figure()

  3. 在 figure 上绘制具体的图形,比如 circle,line,bar等

  4. 显示图片,show()

本文主要来介绍 29 种基础图形的绘制用法。

首先,加载bokeh库,以及准备基础数据

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

  2. from bokeh.layouts import gridplot

  3. import numpy as np

  4.  

  5. output_notebook()

  6.  

  7. np.random.seed(15)

  8.  

  9. x=np.random.randint(1,20,size=6)

  10. y=np.random.randint(20,50,size=6)

  11.  

  12. print(x)

  13. print(y)

circle, circle_cross, circle_x, cross

首先,我们来看看一组关于圆形及其相关的图形

 
  1. p1 = figure(title='circle')

  2. p1.circle(x,y,size=20, color='#0071c1')

  3.  

  4. p2 = figure(title='circle_cross')

  5. p2.circle_cross(x,y,size=20, color='#0071c1',fill_alpha=0.2, line_width=2)

  6.  

  7. p3 = figure(title='circle_x')

  8. p3.circle_x(x,y,size=20, color='#0071c1',fill_alpha=0.2, line_width=2)

  9.  

  10. p4 = figure(title='cross')

  11. p4.cross(x,y,size=20, color='#0071c1', line_width=2)

  12.  

  13. grid=gridplot([p1,p2,p3,p4],ncols=2, plot_width=300,plot_height=300)

  14.  

  15. show(grid)

图示如下:

29种Bokeh基础可视化图形_第1张图片

diamond, diamond_cross, asterisk, x

这是一组跟钻石还有星型符号相关的图形绘制,如下:

 
  1. p1 = figure(title='diamond')

  2. p1.diamond(x,y,size=20, color='#0071c1')

  3.  

  4. p2 = figure(title='diamond_cross')

  5. p2.diamond_cross(x,y,size=20, color='#0071c1',fill_alpha=0.2, line_width=2)

  6.  

  7. p3 = figure(title='asterisk')

  8. p3.asterisk(x,y,size=20, color='#0071c1',fill_alpha=0.2, line_width=2)

  9.  

  10. p4 = figure(title='x')

  11. p4.x(x,y,size=20, color='#0071c1', line_width=2)

  12.  

  13.  

  14. grid=gridplot([p1,p2,p3,p4],ncols=2, plot_width=300,plot_height=300)

  15.  

  16. show(grid)

图示如下:

29种Bokeh基础可视化图形_第2张图片

square, square_cross, square_x

这里,还有跟方块相关的一组图形

 
  1. p1 = figure(title='square')

  2. p1.square(x,y,size=20, color='#0071c1')

  3.  

  4. p2 = figure(title='square_cross')

  5. p2.square_cross(x,y,size=20, color='#0071c1',fill_alpha=0.2, line_width=2)

  6.  

  7. p3 = figure(title='square_x')

  8. p3.square_x(x,y,size=20, color='#0071c1',fill_alpha=0.2, line_width=2)

  9.  

  10.  

  11. grid=gridplot([p1,p2,p3],ncols=2, plot_width=300,plot_height=300)

  12.  

  13. show(grid)

图示如下:

29种Bokeh基础可视化图形_第3张图片

triangle, inverted_triangle

接下来,是三角形的绘制

 
  1. p3 = figure(title='triangle')

  2. p3.triangle(x,y,size=20, color='#0071c1', line_width=2)

  3.  

  4. p4 = figure(title='inverted_triangle')

  5. p4.inverted_triangle(x,y,size=20, color='#0071c1', line_width=2)

  6.  

  7. grid=gridplot([p3,p4],ncols=2, plot_width=300,plot_height=300)

  8.  

  9. show(grid)

图示如下:

29种Bokeh基础可视化图形_第4张图片

annulus, ellipse, wedge, oval

  • annulus, 绘制圆环

  • wedge, 楔形图

  • ellipse, 绘制椭圆

  • oval,绘制椭圆

 
  1. p1 = figure(title='annulus')

  2. p1.annulus(x,y,color='#0071c1', inner_radius=0.8, outer_radius=1.2)

  3.  

  4. p2 = figure(title='wedge')

  5. p2.wedge(x,y,color='#0071c1', radius=0.8, start_angle=0.5, end_angle=4.5, direction='anticlock')

  6.  

  7. p3 = figure(title='ellipse')

  8. p3.ellipse(x,y,color='#0071c1', width=2, height=3.6, angle=30)

  9.  

  10. p4 = figure(title='oval')

  11. p4.oval(x,y,color='#0071c1', width=2, height=3.6, angle=30)

  12.  

  13.  

  14. grid=gridplot([p1,p2,p3,p4],ncols=2, plot_width=300,plot_height=300)

  15.  

  16. show(grid)

图示如下:

29种Bokeh基础可视化图形_第5张图片

从上图来看,同样的数据源,ellipse 和 oval 绘制出来的椭圆形状,看起来是有些差异的。有兴趣的同学可以研究下其中的原因。

hbar, vbar

绘制柱状图,分为水平柱状图和垂直柱状图,这个也是平时我们用的比较多的类型之一。

 
  1. p2 = figure(title='hbar')

  2. p2.hbar(y=y, height=0.3, left=0, right=x, color='#0071c1')

  3.  

  4. p3 = figure(title='vbar')

  5. p3.vbar(x=x, width=0.3, bottom=0, top=y, color='#0071c1')

  6.  

  7. grid=gridplot([p2,p3],ncols=2, plot_width=300,plot_height=300)

  8.  

  9. show(grid)

图示如下:

29种Bokeh基础可视化图形_第6张图片

line, multi_line

线状图或者称为折线图,单独只绘制线条时,可能视觉效果没有那么好看,有时候会配合圆形、方形等上面描述过的图形一起使用。

 
  1. p1 = figure(title='line')

  2. p1.line(x,y,color='#0071c1', line_width=2)

  3. p1.circle(x,y,size=10,color='#0071c1',fill_color='white')

  4.  

  5. from bokeh.plotting import figure, output_file, show

  6.  

  7. p2 = figure(title='multi_line')

  8. p2.multi_line(xs=[[1, 2, 3], [2, 3, 4]], ys=[[6, 7, 2], [4, 5, 7]],

  9.             color=['red','green'])

  10.  

  11. grid=gridplot([p1,p2],ncols=2, plot_width=300,plot_height=300)

  12.  

  13. show(grid)

图示如下:

29种Bokeh基础可视化图形_第7张图片

来看看关于 multi_line 的一个稍微复杂一些的例子,如下

 
  1. from bokeh.palettes import Spectral11

  2. import pandas as pd

  3.  

  4. df = pd.DataFrame(data=np.random.rand(5,3), columns = ('a', 'b' ,'c'),

  5.                  index = pd.DatetimeIndex(start='01-01-2018',periods=5, freq='d'))  

  6.  

  7. df

29种Bokeh基础可视化图形_第8张图片

 
  1. numlines=len(df.columns)

  2. mypalette=Spectral11[0:numlines]

  3.  

  4. p = figure(width=500, height=300, x_axis_type="datetime")

  5. p.multi_line(xs=[df.index.values]*numlines,

  6.                ys=[df[name].values for name in df],

  7.                line_color=mypalette,

  8.                line_width=2)

  9. show(p)

图示如下:

29种Bokeh基础可视化图形_第9张图片

关于这个 multi_line, 总觉得在 bokeh 里过于复杂, 在 pandas 里绘制类似的图形,相对来说比较容易。

patch, patches

patch/patches, 中文翻译不确定如何解释为好,这里姑且称之为 “块状图” 吧。

  • patch(x, y, **kwargs)

  • patches(xs, ys, **kwargs)

 
  1. p1 = figure(title='patch')

  2. p1.patch(x,y,color='#0071c1')

  3.  

  4.  

  5. p2 = figure(title='patches')

  6. p2.patches(xs=[[1, 2, 3, 4], [2, 3, 4]], ys=[[6, 7, 2, 3], [4, 5, 7]],

  7.             color=['red','green'])

  8.  

  9. grid=gridplot([p1,p2],ncols=2, plot_width=300,plot_height=300)

  10.  

  11. show(grid)

图示如下:

29种Bokeh基础可视化图形_第10张图片

quad, quadratic

  • quad(left, right, top, bottom, **kwargs),四方的

  • quadratic(x0, y0, x1, y1, cx, cy, **kwargs), 二次方程的

 
  1. p1 = figure(title='quad')

  2. p1.quad(left=[1,3,5],right=[2,4,7], top=[3,7,8], bottom=[2,3,4], color='#0071c1')

  3.  

  4.  

  5. p2 = figure(title='quadratic')

  6. p2.quadratic(x0=[1,3,5],x1=[2,4,7], y1=[3,7,8], y0=[2,3,4], cx=8 , cy=2, color='#0071c1')

  7.  

  8. grid=gridplot([p1,p2],ncols=2, plot_width=300,plot_height=300)

  9.  

  10. show(grid)

图示如下:

29种Bokeh基础可视化图形_第11张图片

ray, rect, segment, step

  • ray(x, y, length, angle, **kwargs) , 射线

  • rect(x, y, width, height, angle=0.0, dilate=False, **kwargs) , 矩形

  • segment(x0, y0, x1, y1, **kwargs) , 分段,段落

 
  1. p1 = figure(title='ray', x_range=[1,3.6])

  2. p1.ray(x=[1, 2, 3], y=[1, 2, 3], length=45, angle=20, color=["#0071c1", 'black', 'red'],

  3.         line_width=[2,2,5])

  4.  

  5. p2 = figure(title='rect')

  6. p2.rect(x=[1, 2, 3], y=[1, 8, 3], width=0.3, height=[5,10,20],angle=[0,10,0], color="#0071c1")

  7.  

  8. p3= figure(title='segment')

  9. p3.segment(x0=[1,3,5],x1=[2,4,7], y1=[3,7,8], y0=[2,3,4], color='#0071c1', line_width=3)

  10.  

  11. p4 = figure(title='step')

  12. p4.step(x, y, color="#0071c1",line_width=2)

  13.  

  14. grid=gridplot([p1,p2,p3,p4],ncols=2, plot_width=300,plot_height=300)

  15.  

  16. show(grid)

图示如下:

29种Bokeh基础可视化图形_第12张图片

综合小结

这 29 种图形,是 bokeh 中比较基础的类型,其中一部分,我们会在后续分享中多次应用,希望对大家有所启发。

当然,还有一些图形没有提到,各位可以自行研究下。

你可能感兴趣的:(python)