Bokeh 系列文章传送门：

Bokeh小册子：入门
Bokeh小册子：figure详细解读
29种Bokeh基础可视化图形，学会了可以大展身手…… | Bokeh 小册子

前面，我们分享了关于 bokeh 入门、 figure 使用、以及bokeh基础图形介绍的内容。今天，我们在前文的基础上，主要来分享Bokeh中数据的使用方式，尤其是 Bokeh 特有的数据类型 ColumnDataSource 的使用。

本文主要内容如下：

1 直接提供数据
2 通过 ColumnDataSource 来提供数据
- 2.1 data 为字典
- 2.2 data 为 pandas 的 DataFrame
- 2.3 data 为 pandas 的 DataFrame 的 groupby 对象

本文的环境为

window 7 系统
python 3.6
Jupyter Notebook
bokeh 0.13.0

数据是进行数据可视化的必要基础，在 bokeh 中，数据有几种呈现方式。

（1）直接提供数据

（2）通过 ColumnDataSource 来提供数据

1 直接提供数据

首先加载相关Python库。

from bokeh.plotting import figure, output_notebook, showfrom bokeh.layouts import gridplotfrom bokeh.models import ColumnDataSourceimport numpy as npimport pandas as pdoutput_notebook()

可以通过数据列的形式（list）直接提供数据

np.random.seed(15)x=np.random.randint(1,20,size=6)y=np.random.randint(20,50,size=6)print(x)print(y)p = figure(plot_width=300, plot_height=300)p.circle(x, y,size=y)show(p)

[ 9 13  6  1  8 12][41 42 35 49 37 33]

图示如下：

2 通过 ColumnDataSource 来提供数据

ColumnDataSource 是 Bokeh 中一种重要的数据形式，ColumnDataSource() 方法有一个参数为 “data”， “data”主要有以下三种类型：

（1）data 为字典

（2）data 为 Pandas 的 DataFrame

（3）data 为 Pandas 的 DataFrame 的 groupby 对象

2.1 data 为字典

data 的表现形式是一个字典的形式，一般情况下，字典的 key 值是一个字符串，代表列名称，而 value则是 list形式或者 numpy的 array 形式。演示如下：

data = {'x_values': [1, 2, 9, 4, 5],        'y_values': [6, 7, 2, 3, 6]}source = ColumnDataSource(data=data)source

ColumnDataSource(

id = '0d38f463-7107-49e7-9263-7b5395afc00a', …)

type(source)

bokeh.models.sources.ColumnDataSource

从上面结果来看， source 是一个 ColumnDataSource 对象，不能直接打印出来，后续可以在绘图是传入参数进行使用。

data = {'x_values': [1, 2, 9, 4, 5],        'y_values': [6, 7, 2, 3, 6]}source = ColumnDataSource(data=data)p = figure(plot_width=300, plot_height=300)p.circle(x='x_values', y='y_values', source=source, size=20)show(p)

图示如下：

2.2 data 为 pandas 的 DataFrame

ColumnDataSource （简称为 CDS）的 data 参数，也可以是 pandas 的 DataFrame。当CDS的参数是 DataFrame 时，参数中可以直接用 DataFrame 的列名称，索引名称，也可以直接用DataFrame 已有的名称，如果没有索引名称，默认情况下，索引名称用 "index" 就可以。

data = {'x_column': [1, 2, 9, 4, 5, 8],        'y_column': [6, 7, 2, 3, 6, 2]}df = pd.DataFrame(data=data)df

	x_column	y_column
0	1	6
1	2	7
2	9	2
3	4	3
4	5	6
5	8	2

source_df = ColumnDataSource(df)p = figure(plot_width=300, plot_height=300)p.circle(x='x_column', y='y_column', source=source_df, size=15)show(p)

图示如下：

source_df = ColumnDataSource(df)p = figure(plot_width=300, plot_height=300)# 使用 “index” 作为 DataFrame 的默认索引名称p.circle(x= 'index', y='y_column', source=source_df, size=15)show(p)

图示如下：

2.3 data 为 pandas 的 DataFrame 的 groupby 对象

ColumnDataSource （简称为 CDS）的 data 参数，还也可以是 pandas 的 DataFrame 的 groupby 对象。

当CDS的参数是 DataFrame 的 groupby 对象时，在绘图时使用的列名为 groupby 对象的 groupby.describe() 方法中的列名称。

由于 groupby 会有多个统计参数，在引用时，列表会合并到一起，形式如： column_mean 等。

dates = pd.date_range('20180101', periods=360)df = pd.DataFrame(np.random.randn(360,2), index=dates, columns=list('AB'))df['C'] = ['Good', 'Bad', 'Common', 'Good','Good']*72df['month'] = df.index.monthdf

图示如下：

g = df.groupby('month')g.describe()

图示如下：

source_g = ColumnDataSource(g)p = figure(plot_width=400, plot_height=300)p.vbar(x='month', width=0.3, bottom=0, top='A_mean',source=source_g)show(p)

图示如下：

3 小结

相对于 matplotlib， pandas，seaborn 等 Python 绘图库， Bokeh 提供了特有的数据源，掌握好 ColumnDataSource 的应用，对于 Bokeh 绘图是至关重要的。后续，我们还会陆续接触到 ColumnDataSource 的相关用法。

---------------- End ----------------

点击前往【项目实战】

世界杯系列 | 福布斯系列 | 求职系列

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。

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！

如需加入微信群交流，请添加微信小助手（微信号：147121977，请备注“python”），后续将邀请入群。

Bokeh中独特的数据类型简介： ColumnDataSource | Bokeh 小册子

1 直接提供数据

2 通过 ColumnDataSource 来提供数据

2.1 data 为字典

2.2 data 为 pandas 的 DataFrame

2.3 data 为 pandas 的 DataFrame 的 groupby 对象

3 小结

更多相关文章

随机推荐