- Bokeh 教程
- Bokeh - 主页
- Bokeh - 导言
- Bokeh - 环境设置
- Bokeh - 入门
- Bokeh - Jupyter Notebook
- Bokeh - 基础概念
- Bokeh - 带有字符的绘图
- Bokeh - 区域绘图
- Bokeh - 圆形字符
- Bokeh - 矩形、椭圆形和多边形
- Bokeh - 扇形和弧
- Bokeh - 专业型曲线
- Bokeh - 设置范围
- Bokeh - 坐标轴
- Bokeh - 注解和图例
- Bokeh - Pandas
- Bokeh - 列数据源
- Bokeh - 过滤数据
- Bokeh - 布局
- Bokeh - 绘图工具
- Bokeh - 美化视觉属性
- Bokeh - 自定义图例
- Bokeh - 添加小部件
- Bokeh - 服务器
- Bokeh - 使用 Bokeh 子命令
- Bokeh - 导出绘图
- Bokeh - 嵌入绘图和应用
- Bokeh - 扩展 Bokeh
- Bokeh - WebGL
- Bokeh - 使用 JavaScript 开发
- Bokeh 有用的资源
- Bokeh - 快速指南
- Bokeh - 有用的资源
- Bokeh - 讨论
Bokeh - 列数据源
Bokeh API 中的大多数绘图方法都可以通过 ColumnDatasource 对象接收数据源参数。这使得绘图和“数据表”之间共享数据成为可能。
ColumnDatasource 可被视为列名和数据列表之间的映射关系。一个包含一个或多个字符串键以及列表或 numpy 数组作为值的 Python dict 对象传递给 ColumnDataSource 构造函数。
示例
如下示例
from bokeh.models import ColumnDataSource data = {'x':[1, 4, 3, 2, 5], 'y':[6, 5, 2, 4, 7]} cds = ColumnDataSource(data = data)
然后使用此对象作为字符方法中 source 属性的值。下面的代码使用 ColumnDataSource 生成了一个散点图。
from bokeh.plotting import figure, output_file, show from bokeh.models import ColumnDataSource data = {'x':[1, 4, 3, 2, 5], 'y':[6, 5, 2, 4, 7]} cds = ColumnDataSource(data = data) fig = figure() fig.scatter(x = 'x', y = 'y',source = cds, marker = "circle", size = 20, fill_color = "grey") show(fig)
输出
除了向 ColumnDataSource 指定 Python 字典之外,我们还可以使用 Pandas DataFrame。
让我们使用“test.csv”(本节前面已使用过)来获取一个 DataFrame,并使用它获取 ColumnDataSource 和呈现折线图。
from bokeh.plotting import figure, output_file, show import pandas as pd from bokeh.models import ColumnDataSource df = pd.read_csv('test.csv') cds = ColumnDataSource(df) fig = figure(y_axis_type = 'log') fig.line(x = 'x', y = 'pow',source = cds, line_color = "grey") show(fig)
输出
广告