绘图表达进阶操作 ① 轴线设置 ② 浮动设置 ③ 多图表设置

绘图表达进阶操作

① 轴线设置

② 浮动设置

③ 多图表设置

导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import warnings
warnings.filterwarnings('ignore') 
# 不发出警告
from bokeh.io import output_notebook
output_notebook()
# 导入notebook绘图模块
from bokeh.plotting import figure,show
from bokeh.models import ColumnDataSource
# 导入图表绘制、图标展示模块
# 导入ColumnDataSource模块

# 1、轴线标签设置

# 设置字符串

df = pd.DataFrame({'score':[98,86,74,67,87]},index = ['小明','小王','小张','小红','小红帽'])
df.index.name = 'name'
#print(df)
# 创建数据
source = ColumnDataSource(df)
# 讲数据转化为ColumnDataSource对象
name = df.index.tolist()   # 提取name
p = figure(x_range=name, y_range=(60,100), plot_height=350, title="考试成绩",tools="")
# 通过x_range设置横轴标签，这里提取成list
p.circle(x = 'name', y = 'score', source = source,
         size = 20, line_color = 'black', line_dash = [6,4],
         fill_color = 'red',fill_alpha = 0.8)
show(p)

# 1、轴线标签设置

# 时间序列设置

# Dataframe DatetimeIndex + x_axis_type

from bokeh.sampledata.commits import data
print(data.head())
print(type(data.index))
# 导入数据，查看数据
# 这里index为时间序列

DAYS = ['Sun', 'Sat', 'Fri', 'Thu', 'Wed', 'Tue', 'Mon']
source = ColumnDataSource(data)
# 转化为ColumnDataSource对象
p = figure(plot_width=800, plot_height=600, 
           y_range=DAYS,                     # 设置图表的y轴刻度分类
           x_axis_type='datetime',           # 设置x轴类型 → 时间序列
           title="Commits by Time of Day (US/Central) 2012-2016")
p.circle(x='time', y='day',  source=source, alpha=0.2)
# 生成散点图
p.ygrid.grid_line_color = None
# 设置其他参数
show(p)

# 1、轴线标签设置

# 设置对数坐标轴

x = [0.1, 0.5, 1.0, 1.5, 2.0, 2.5, 3.0]
y = [10**xx for xx in x]
# 创建数据
p = figure(plot_width=400, plot_height=400, 
           y_axis_type="log")    
# y_axis_type="log" → 对数坐标轴
p.line(x, y, line_width=2)
p.circle(x, y, fill_color="white", size=8)
show(p)

# 2、浮动设置

# Jitter

# 参考文档：https://bokeh.pydata.org/en/latest/docs/reference/transform.html

# 减少堆叠

from bokeh.transform import jitter
DAYS = ['Sun', 'Sat', 'Fri', 'Thu', 'Wed', 'Tue', 'Mon']
source = ColumnDataSource(data)
# 转化为ColumnDataSource对象
p = figure(plot_width=800, plot_height=600, 
           y_range=DAYS,                     # 设置图表的y轴刻度分类
           x_axis_type='datetime',           # 设置x轴类型 → 时间序列
           title="Commits by Time of Day (US/Central) 2012-2016")
p.circle(x='time', 
         y=jitter('day', width=0.6, range=p.y_range),
         source=source, alpha=0.3)
# jitter参数 → 'day'：第一参数，这里指y的值，width：间隔宽度比例，range：分类范围对象，这里和y轴的分类一致
p.ygrid.grid_line_color = None
# 设置其他参数
show(p)

# 3、多图表设置

# gridplot

# 通过范围联动

from bokeh.layouts import gridplot
# 导入gridplot模块
x = list(range(11))
y0 = x
y1 = [10-xx for xx in x]
y2 = [abs(xx-5) for xx in x]
# 创建数据
s1 = figure(plot_width=250, plot_height=250, title=None)
s1.circle(x, y0, size=10, color="navy", alpha=0.5)
# 散点图1
s2 = figure(plot_width=250, plot_height=250, x_range=s1.x_range, y_range=s1.y_range, title=None)
s2.triangle(x, y1, size=10, color="firebrick", alpha=0.5)
# 散点图2，设置和散点图1一样的x_range/y_range → 图表联动
s3 = figure(plot_width=250, plot_height=250, x_range=s1.x_range, y_range=s2.y_range,title=None)
s3.square(x, y2, size=10, color="olive", alpha=0.5)
# 散点图3，设置和散点图1一样的x_range/y_range → 图表联动
p = gridplot([[s1, s2, s3]])
#p = gridplot([[s1, s2], [None, s3]])
# 组合图表
show(p)

# 3、多图表设置

# gridplot

# 使用同一个source联动

x = list(range(-20, 21))
y0 = [abs(xx) for xx in x]
y1 = [xx**2 for xx in x]
source = ColumnDataSource(data=dict(x=x, y0=y0, y1=y1))
# 创建数据
TOOLS = "box_select,lasso_select,help"
left = figure(tools=TOOLS, plot_width=300, plot_height=300, title=None)
left.circle('x', 'y0', source=source)    # 散点图1
right = figure(tools=TOOLS, plot_width=300, plot_height=300, title=None)
right.circle('x', 'y1', source=source)   # 散点图2
# 共用一个ColumnDataSource
p = gridplot([[left, right]])
# 组合图表
show(p)