Bokeh小册子：figure详细解读
Bokeh 系列文章传送门：
Bokeh小册子：入门
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
加载 bokeh 库，声明在 notebook 或 html 文件中显示或输出绘制的图表
绘制图表框架 figure()
在 figure 上绘制具体的图形，比如 circle，line，bar等
显示图片，show()
本文主要来介绍 figure() 的基本用法。
首先，加载bokeh库
from bokeh.plotting import figure, output_notebook, showoutput_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：
p = figure(plot_width=400, plot_height = 400)p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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：
p = figure(width=400, height = 400)p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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"
# 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# tools = "crosshair,pan,wheel_zoom,box_zoom,reset,box_select,lasso_select,save,help"tools = "crosshair,pan,wheel_zoom,reset,save"p = figure(width=400, height = 400, tools=tools)p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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"
tools = "crosshair,pan,wheel_zoom,reset"p = figure(width=400, height = 400, tools=tools, toolbar_location='above')p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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：
p = figure(width=400, height = 400, x_minor_ticks=2, y_minor_ticks=10)p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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：
p = figure(width=400, height = 400, x_range=[2,4], y_range=[5.5, 7.5])p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)show(p)
或者
p = figure(width=400, height = 400, x_range=(2,4), y_range=(5.5, 7.5))p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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"
p = figure(width=400, height = 400, x_axis_label='x label above', x_axis_location='above', y_axis_label='y label')# x_axis_location, default value: "below", values are [ above, below]p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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"
p = figure(width=400, height = 400, x_axis_label='x label', x_axis_location='below', y_axis_label='y label right', y_axis_location='right')# x_axis_location, default value: "below", values are [ above, below]# y_axis_location, default value: "left", values are [ left, right]p.circle([1,2,3,4],[5,6,7,8],size=20, color='red', alpha=0.5)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
import pandas as pdrng = pd.date_range('2018-1-1', periods=7)rngout:
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04', '2018-01-05', '2018-01-06', '2018-01-07'], dtype='datetime64[ns]', freq='D')
x = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]# y = [10**(i**2) for i in x]y = [i**2 for i in x]p = figure(width=400, height = 400, title='datetime type example', x_axis_label='x label datetime', x_axis_location='below', y_axis_label='y label', y_axis_location='left', y_axis_type='linear', x_axis_type='datetime')# y_axis_type, "auto" 和 "linear" 的效果是一样的p.line(rng,y,color='red',line_width=3, alpha=0.9)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：
x = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]y = [10**(i**2) for i in x]p = figure(width=400, height = 400, title='log type example', x_axis_label='x label', x_axis_location='below', y_axis_label='y label log', y_axis_location='left', y_axis_type='log')p.line(x,y,color='red',line_width=3, alpha=0.9)show(p)
图示如下：
（3）x_axis_type, y_aixs_type: "mercator"
k = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]x = [i*10000 for i in k]y = [i*10000+30000 for i in k]p = figure(width=400, height = 400, title='example', x_axis_label='x label', x_axis_location='below', y_axis_label='y label', y_axis_location='left' )p.line(x,y,color='red',line_width=3, alpha=0.9)show(p)
没有设置 mercator的图示如下：
k = [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0]x = [i*10000 for i in k]y = [i*10000+30000 for i in k]p = figure(width=400, height = 400, title='mercator type example', x_axis_label='x label', x_axis_location='below', y_axis_label='y label', y_axis_location='left', x_axis_type='mercator', y_axis_type='mercator')p.line(x,y,color='red',line_width=3, alpha=0.9)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】
世界杯系列 | 福布斯系列 | 求职系列
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！
更多相关文章
- php中函数参数传递的3种方式和区别（附详解）
- php-fpm.conf配置文件中文及重要参数说明
- PHP最大连接数的设置及php-fpm高并发参数调整
- PHP传递数组格式参数到shell脚本中
- 对于PHP-FPM参数的理解
- variables_order参数详解