29种Bokeh基础可视化图形，学会了可以大展身手…… | Bokeh 小册子

Bokeh 系列文章传送门：

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. output_notebook()

5. np.random.seed(15)

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

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

8. print(x)

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

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

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

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

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

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

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

10. show(grid)

图示如下：

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. p2 = figure(title='diamond_cross')

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

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

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

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

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

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

10. show(grid)

图示如下：

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. p2 = figure(title='square_cross')

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

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

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

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

8. show(grid)

图示如下：

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. p4 = figure(title='inverted_triangle')

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

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

6. show(grid)

图示如下：

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. p2 = figure(title='wedge')

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

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

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

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

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

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

10. show(grid)

图示如下：

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. p3 = figure(title='vbar')

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

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

6. show(grid)

图示如下：

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. from bokeh.plotting import figure, output_file, show

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

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

7.             color=['red','green'])

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

9. show(grid)

图示如下：

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

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

5. df

1. numlines=len(df.columns)

2. mypalette=Spectral11[0:numlines]

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

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

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

6.                line_color=mypalette,

7.                line_width=2)

8. show(p)

图示如下：

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. p2 = figure(title='patches')

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

5.             color=['red','green'])

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

7. show(grid)

图示如下：

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. p2 = figure(title='quadratic')

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

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

6. show(grid)

图示如下：

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. p2 = figure(title='rect')

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

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

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

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

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

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

11. show(grid)

图示如下：

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。

---------------- End ----------------

点击前往【项目实战】

知识星球

我的知识星球【Python数据之道成长圈】已开通，目前成长圈还有部分免费加入的机会，想加入的同学，请回复数字 “2” 了解详情。

【成长圈】近期分享的内容为Python基础（思维导图如下），后续将陆续分享数据分析相关的内容，欢迎关注。

如果您对我的文章感兴趣或者觉得文章内容不错的话，请在阅读后顺便转发到您的圈子里，或者点个赞鼓励我继续前行！ 感谢您的陪伴与支持！

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！