[[330736]]

在 Bokeh 中繪圖比其他一些繪圖庫要復(fù)雜一些，但付出額外的努力是有回報的。

在這一系列文章中，我通過在每個 Python 繪圖庫中制作相同的多條形繪圖，來研究不同 Python 繪圖庫的特性。這次我重點介紹的是 Bokeh（讀作 “BOE-kay”）。

Bokeh 中的繪圖比其它一些繪圖庫要復(fù)雜一些，但付出的額外努力是有回報的。Bokeh 的設(shè)計既允許你在 Web 上創(chuàng)建自己的交互式繪圖，又能讓你詳細控制交互性如何工作。我將通過給我在這個系列中一直使用的多條形圖添加工具提示來展示這一點。它繪制了 1966 年到 2020 年之間英國選舉結(jié)果的數(shù)據(jù)。

繪圖的放大視圖（©2019 年 Anvil）

制作多條形圖

在我們繼續(xù)之前，請注意你可能需要調(diào)整你的 Python 環(huán)境來讓這段代碼運行，包括以下：

• 運行最新版本的 Python （在 Linux、Mac 和 Windows 上的說明）
• 確認(rèn)你運行的 Python 版本能與這些庫一起工作。

數(shù)據(jù)可在線獲得，可以用 Pandas 導(dǎo)入。

import pandas as pd
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')

現(xiàn)在我們可以繼續(xù)進行了。

為了做出多條形圖，你需要對你的數(shù)據(jù)進行一下調(diào)整。

原始數(shù)據(jù)是這樣的：

>> print(long)
        year         party  seats
0       1966  Conservative    253
1       1970  Conservative    330
2   Feb 1974  Conservative    297
3   Oct 1974  Conservative    277
4       1979  Conservative    339
..       ...           ...    ...
103     2005        Others     30
104     2010        Others     29
105     2015        Others     80
106     2017        Others     59
107     2019        Others     72
 
[60 rows x 3 columns]

你可以把數(shù)據(jù)看成是每一個可能的 (year, party) 組合的一系列 seats 值。這正是 Bokeh 處理的方式。你需要做一個 (year, party) 元組的列表：

# 得到每種可能的 (year, party) 組合的元組
x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
   
# This comes out as [('1922', 'Conservative'), ('1923', 'Conservative'), ... ('2019', 'Others')]

這些將是 x 值。y 值就是席位（seats）。

y = df['seats']

現(xiàn)在你的數(shù)據(jù)看起來應(yīng)該像這樣：

x                               y
('1966', 'Conservative')        253
('1970', 'Conservative')        330
('Feb 1974', 'Conservative')    297
('Oct 1974', 'Conservative')    277
('1979', 'Conservative')        339
 ...      ...                   ...
('2005', 'Others')              30
('2010', 'Others')              29
('2015', 'Others')              80
('2017', 'Others')              59
('2019', 'Others')              72

Bokeh 需要你將數(shù)據(jù)封裝在它提供的一些對象中，這樣它就能給你提供交互功能。將你的 x 和 y 數(shù)據(jù)結(jié)構(gòu)封裝在一個 ColumnDataSource 對象中。

    from bokeh.models import ColumnDataSource
 
    source = ColumnDataSource(data={'x': x, 'y': y})

然后構(gòu)造一個 Figure 對象，并傳入你用 FactorRange 對象封裝的 x 數(shù)據(jù)。

    from bokeh.plotting import figure
    from bokeh.models import FactorRange
   
    p = figure(x_range=FactorRange(*x), width=2000, title="Election results")

你需要讓 Bokeh 創(chuàng)建一個顏色表，這是一個特殊的 DataSpec 字典，它根據(jù)你給它的顏色映射生成。在這種情況下，顏色表是一個簡單的黨派名稱和一個十六進制值之間的映射。

    from bokeh.transform import factor_cmap
 
    cmap = {
        'Conservative': '#0343df',
        'Labour': '#e50000',
        'Liberal': '#ffff14',
        'Others': '#929591',
    }
    fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)

現(xiàn)在你可以創(chuàng)建條形圖了：

    p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)

Bokeh 圖表上數(shù)據(jù)的可視化形式被稱為“字形glyphs”，因此你已經(jīng)創(chuàng)建了一組條形字形。

調(diào)整圖表的細節(jié)，讓它看起來像你想要的樣子。

    p.y_range.start = 0
    p.x_range.range_padding = 0.1
    p.yaxis.axis_label = 'Seats'
    p.xaxis.major_label_orientation = 1
    p.xgrid.grid_line_color = None

最后，告訴 Bokeh 你現(xiàn)在想看你的繪圖：

   from bokeh.io import show
 
   show(p)

這將繪圖寫入一個 HTML 文件，并在默認(rèn)的 Web 瀏覽器中打開它。如下結(jié)果：

Bokeh 中的多條形繪圖（©2019年Anvil）

它已經(jīng)有了一些互動功能，比如盒子縮放。

Bokeh 內(nèi)置的盒子縮放（©2019Anvil）

但 Bokeh 的厲害之處在于你可以添加自己的交互性。在下一節(jié)中，我們通過在條形圖中添加工具提示來探索這個問題。

給條形圖添加工具提示

要在條形圖上添加工具提示，你只需要創(chuàng)建一個 HoverTool 對象并將其添加到你的繪圖中。

    h = HoverTool(tooltips=[
        ('Seats', '@y'),
        ('(Year, Party)', '(@x)')
    ])
    p.add_tools(h)

參數(shù)定義了哪些數(shù)據(jù)會顯示在工具提示上。變量 @y 和 @x 是指你傳入 ColumnDataSource 的變量。你還可以使用一些其他的值。例如，光標(biāo)在圖上的位置由 $x 和 $y 給出（與 @x 和 @y 沒有關(guān)系）。

下面是結(jié)果：

選舉圖，現(xiàn)在帶有工具提示（© 2019 Anvil）

借助 Bokeh 的 HTML 輸出，將繪圖嵌入到 Web 應(yīng)用中時，你可以獲得完整的交互體驗。你可以在這里把這個例子復(fù)制為 Anvil 應(yīng)用（注：Anvil 需要注冊才能使用）。

現(xiàn)在，你可以看到付出額外努力在 Bokeh 中將所有數(shù)據(jù)封裝在 ColumnDataSource 等對象的原因了。作為回報，你可以相對輕松地添加交互性。

回歸簡單：Altair

Bokeh 是四大最流行的繪圖庫之一，本系列將研究它們各自的特別之處。

我也在研究幾個因其有趣的方法而脫穎而出的庫。接下來，我將看看 Altair，它的聲明式 API 意味著它可以做出非常復(fù)雜的繪圖，而不會讓你頭疼。