Bokeh小册子：figure详细解读

Bokeh 系列文章传送门：

figure 在 bokeh 绘图中有着重要的作用，今天我们来开始了解 figure 的用法， 希望对大家有所帮助。

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 figure() 的基本用法。

首先，加载bokeh库

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

2. output_notebook()

plot_width, plot_weight

plot_width, plot_weight 可以设置绘图区的宽度和高度。

设置参数值，如下：

1. p = figure(plot_width=400, plot_height = 400)

2. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

3. show(p)

图示如下：

width, weight

width, weight 也可以设置绘图区的宽度和高度。

查看官方文档，用的是 plot_width 和 plot_weight 两个参数，但实际上 width 和 height 也有同样的效果，大家不妨探索下。

代码如下：

1. p = figure(width=400, height = 400)

2. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

3. show(p)

tools

工具可以是以下 value，可以根据实际情况来选择合作的工具使用。

"crosshair,pan,wheel_zoom,box_zoom,reset,box_select,lasso_select,save,help"

1. # 工具可以是以下 value，可以根据实际情况来选择合作的工具使用

2. # tools = "crosshair,pan,wheel_zoom,box_zoom,reset,box_select,lasso_select,save,help"

3. tools = "crosshair,pan,wheel_zoom,reset,save"

4. p = figure(width=400, height = 400, tools=tools)

5. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

6. show(p)

图示如下：

toolbar_location

toolbar_location， 设置工具栏显示的位置，参数值可以是： "below, above, left, right"，默认值应该是 "auto"

1. tools = "crosshair,pan,wheel_zoom,reset"

2. p = figure(width=400, height = 400, tools=tools, toolbar_location='above')

3. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

4. show(p)

图示如下：

x_minor_ticks, y_minor_ticks

x_minor_ticks, y_minor_ticks 默认值是 "auto"，其他值可以是大于1的整数

示例如下：

1. p = figure(width=400, height = 400,

2.          x_minor_ticks=2, y_minor_ticks=10)

3. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

4. show(p)

图示如下：

x_range, y_range

x_range, y_range 可以是 list 或 tuple 表示范围的形式数值

示例如下：

1. p = figure(width=400, height = 400, x_range=[2,4], y_range=[5.5, 7.5])

2. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

3. show(p)

或者

1. p = figure(width=400, height = 400, x_range=(2,4), y_range=(5.5, 7.5))

2. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

3. show(p)

图示如下：

x_axis_label, x_axis_location

x_axis_label, 设置 x 轴 的名称

x_axis_location, 设置 x 轴 的位置，有两个值，在上面显示（"above"） 和在下面显示（"below"），默认值是 "below"

1. p = figure(width=400, height = 400,

2.           x_axis_label='x label above', x_axis_location='above',

3.           y_axis_label='y label')

4. # x_axis_location, default value: "below", values are [ above, below]

5. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

6. show(p)

图示如下：

y_axis_label, y_axis_location

y_axis_label, 设置 y 轴 的名称

y_axis_location, 设置 y 轴 的位置，有两个值，在左边显示（"left"） 和在右边显示（"right"），默认值是 "left"

1. p = figure(width=400, height = 400,

2.           x_axis_label='x label', x_axis_location='below',

3.           y_axis_label='y label right', y_axis_location='right')

4. # x_axis_location, default value: "below", values are [ above, below]

5. # y_axis_location, default value: "left", values are [ left, right]

6. p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)

7. show(p)

图示如下：

x_aixs_type，y_axis_type

（1）x_aixs_type: "datetime"

若是时间数据，可以将 x 轴或者 y 轴的数值设置为 日期形式

1. import pandas as pd

2. rng = pd.date_range('2018-1-1', periods=7)

3. rng

out:

1. DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04',

2.               '2018-01-05', '2018-01-06', '2018-01-07'],

3.              dtype='datetime64[ns]', freq='D')

1. x = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]

2. # y = [10**(i**2) for i in x]

3. y = [i**2 for i in x]

4. p = figure(width=400, height = 400, title='datetime type example',

5.           x_axis_label='x label datetime', x_axis_location='below',

6.           y_axis_label='y label', y_axis_location='left',

7.           y_axis_type='linear', x_axis_type='datetime')

8. # y_axis_type, "auto" 和 "linear" 的效果是一样的

9. p.line(rng,y,color='red',line_width=3, alpha=0.9)

10. show(p)

图示如下：

（2）y_aixs_type: "log"

有时候，我们需要将 x 或 y 轴的数据设置成 对数（log）形式，如下：

1. x = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]

2. y = [10**(i**2) for i in x]

3. p = figure(width=400, height = 400, title='log type example',

4.           x_axis_label='x label', x_axis_location='below',

5.           y_axis_label='y label log', y_axis_location='left',

6.           y_axis_type='log')

7. p.line(x,y,color='red',line_width=3, alpha=0.9)

8. show(p)

图示如下：

（3）x_axis_type, y_aixs_type: "mercator"

1. k = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]

2. x = [i*10000 for i in k]

3. y = [i*10000+30000 for i in k]

4. p = figure(width=400, height = 400, title='example',

5.           x_axis_label='x label', x_axis_location='below',

6.           y_axis_label='y label', y_axis_location='left' )

7. p.line(x,y,color='red',line_width=3, alpha=0.9)

8. show(p)

没有设置 mercator的图示如下：

1. k = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]

2. x = [i*10000 for i in k]

3. y = [i*10000+30000 for i in k]

4. p = figure(width=400, height = 400, title='mercator type example',

5.           x_axis_label='x label', x_axis_location='below',

6.           y_axis_label='y label', y_axis_location='left',

7.           x_axis_type='mercator', y_axis_type='mercator')

8. p.line(x,y,color='red',line_width=3, alpha=0.9)

9. show(p)

设置为 mercator 后的图示如下：

从上图的结果来看， mercator 好像代表的是 数值 10万，简写为 1。

当然，我不知道我的这个理解是否准确。

关于 mercator， 我暂时没有看懂是什么用途， 在网上查到了 mercator projection。

各位有兴趣的可以探索下。

麦卡托投影法 Mercator projection

• https://en.wikipedia.org/wiki/Mercator_projection

• https://zh.wikipedia.org/wiki/%E9%BA%A5%E5%8D%A1%E6%89%98%E6%8A%95%E5%BD%B1%E6%B3%95

综合小结

最后，我们来小结下前面所述内容。

figure 的部分参数：

• plot_width, plot_weight 或 width, height，设置绘图区的长度和宽度

• tools，设置绘图区旁边所用的工具(tools)，其值可以是 "crosshair,pan,wheel_zoom,box_zoom,reset,box_select,lasso_select,save,help"

• toolbar_location， 设置工具栏显示的位置，参数值可以是： "below, above, left, right"，默认值 "right"

• x_minor_ticks, y_minor_ticks 默认值是 "auto"，其他值可以是大于1的整数

• x_range, y_range 可以是 list 或 tuple 表示范围的形式数值

• x_axis_label, y_axis_label, 设置 x 轴 和 y 轴 的名称

• x_axis_location, default value: "below", values are [ above, below]

• y_axis_location, default value: "left", values are [ left, right]

• x_aixs_type，y_axis_type， x 和 y 轴数据的表现形式，其值可以是 " linear, log, datetime, mercator", 默认是 "auto"

当然，还有一些参数没有提到，各位可以自行研究下。

--- End ---

点击前往【项目实战】

很多同学还没有养成阅读后转发的习惯，希望大家在阅读后顺便转发，以示鼓励！长期坚持真的很不容易，坚持是一种信仰，专注是一种态度！

定个小小目标，希望近期文章点赞数能达到100+，感谢各位亲的点赞与支持！