Bokeh - 带字形的图

任何绘图通常由一个或多个几何形状组成，例如直线、圆形、矩形等。这些形状具有有关相应数据集的视觉信息。在 Bokeh 术语中，这些几何形状称为 gylph。使用bokeh.plotting 接口构建的 Bokeh 图使用一组默认的工具和样式。但是，可以使用可用的绘图工具自定义样式。

地块类型

使用字形创建的不同类型的绘图如下所示 -

线图

这种类型的图对于以线的形式可视化点沿 x 轴和 y 轴的移动非常有用。它用于执行时间序列分析。

条形图

这通常可用于指示数据集中特定列或字段的每个类别的计数。

斑块图

该图表示具有特定颜色阴影的点区域。这种类型的图用于区分同一数据集中的不同组。

散点图

此类图用于可视化两个变量之间的关系并指示它们之间的相关强度。

通过调用Figure类的适当方法形成不同的字形图。Figure 对象是通过以下构造函数获得的 -

from bokeh.plotting import figure
figure(**kwargs)

Figure 对象可以通过各种关键字参数进行自定义。

先生编号 标题 设置图的标题
1 x_轴_标签 设置x轴标题
2 y 轴标签 设置 y 轴标题
3 绘图宽度 设置图形宽度
4 绘图高度 设置图形高度

线图

Figure 对象的line () 方法向 Bokeh 图形添加线条字形。它需要 x 和 y 参数作为数据数组来显示它们的线性关系。

from bokeh.plotting import figure, show
fig = figure()
fig.line(x,y)
show(fig)

以下代码以 Python 列表对象的形式呈现两组值之间的简单线图 -

from bokeh.plotting import figure, output_file, show
x = [1,2,3,4,5]
y = [2,4,6,8,10]
output_file('line.html')
fig = figure(title = 'Line Plot example', x_axis_label = 'x', y_axis_label = 'y')
fig.line(x,y)
show(fig)

输出

线图

条形图

图对象有两种不同的方法来构建条形图

哈巴（）

条形在绘图宽度上水平显示。hbar () 方法具有以下参数 -

先生编号 y 水平条中心的 y 坐标。
1 高度 垂直条的高度。
2 正确的 右边缘的 x 坐标。
3 左边 左边缘的 x 坐标。

以下代码是使用 Bokeh 的水平条的示例。

from bokeh.plotting import figure, output_file, show
fig = figure(plot_width = 400, plot_height = 200)
fig.hbar(y = [2,4,6], height = 1, left = 0, right = [1,2,3], color = "Cyan")
output_file('bar.html')
show(fig)

输出

HBar 图

vbar()

条形图垂直显示在绘图高度上。vbar () 方法具有以下参数 -

先生编号 X 垂直条中心的 x 坐标。
1 宽度 垂直条的宽度。
2 顶部 顶部边缘的 y 坐标。
3 底部 底部边缘的 y 坐标。

以下代码显示垂直条形图-

from bokeh.plotting import figure, output_file, show
fig = figure(plot_width = 200, plot_height = 400)
fig.vbar(x = [1,2,3], width = 0.5, bottom = 0, top = [2,4,6], color = "Cyan")
output_file('bar.html')
show(fig)

输出

VBar图

斑块图

用特定颜色对空间区域进行阴影以显示具有相似属性的区域或组的图在 Bokeh 中称为斑块图。为此，Figure 对象有 patch() 和 patch() 方法。

修补（）

此方法将补丁字形添加到给定的图形中。该方法有以下参数 -

1 X 面片点的 x 坐标。
2 y 面片点的 y 坐标。

通过以下 Python 代码可以获得一个简单的补丁图-

from bokeh.plotting import figure, output_file, show
p = figure(plot_width = 300, plot_height = 300)
p.patch(x = [1, 3,2,4], y = [2,3,5,7], color = "green")
output_file('patch.html')
show(p)

输出

小路

补丁()

该方法用于绘制多个多边形面片。它需要以下参数 -

1 xs 所有补丁的 x 坐标，以“列表的列表”形式给出。
2 是 所有补丁的 y 坐标，以“列表的列表”形式给出。

作为 patch() 方法的示例，运行以下代码 -

from bokeh.plotting import figure, output_file, show
xs = [[5,3,4], [2,4,3], [2,3,5,4]]
ys = [[6,4,2], [3,6,7], [2,4,7,8]]
fig = figure()
fig.patches(xs, ys, fill_color = ['red', 'blue', 'black'], line_color = 'white')
output_file('patch_plot.html')
show(fig)

输出

补丁

分散标记

散点图非常常用于确定两个变量之间的双变量关系。使用 Bokeh 增强了交互性。散点图是通过调用Figure对象的scatter()方法获得的。它使用以下参数 -

1 X 中心 x 坐标的值或字段名称
2 y 中心 y 坐标的值或字段名称
3 尺寸 以屏幕单位表示的尺寸值或字段名称
4 标记 标记类型的值或字段名称
5 颜色 设置填充和线条颜色

Bokeh 中定义了以下标记类型常量： -

  • 星号
  • 圆圈
  • 圆十字
  • 圆X
  • 叉
  • 短跑
  • 钻石
  • 钻石十字
  • 十六进制
  • 倒三角
  • 正方形
  • 方形十字
  • 方X
  • 三角形
  • X

以下 Python 代码生成带有圆圈标记的散点图。

from bokeh.plotting import figure, output_file, show
fig = figure()
fig.scatter([1, 4, 3, 2, 5], [6, 5, 2, 4, 7], marker = "circle", size = 20, fill_color = "grey")
output_file('scatter.html')
show(fig)

输出

分散标记