開始先一波標準導入
from bokeh.io import output_notebook, show
from bokeh.plotting import figure
output_notebook()
畫布設(shè)置
# create a new plot with a title
p = figure(plot_width=400, plot_height=400)
p.outline_line_width = 7
p.outline_line_alpha = 0.3
p.outline_line_color = "navy"
p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)
show(p)
針對畫布設(shè)置可以通過屬性.outline_line_width, .outline_line_alpha, .outline_line_color 等進行配置。
類似的還有.background_fill_color, .border_fill_color 等等
總而言之， 針對畫布的設(shè)置， 都通過figure下的參數(shù)進行配置。
標記符號設(shè)置
p = figure(plot_width=400, plot_height=400)
# keep a reference to the returned GlyphRenderer
r = p.circle([1,2,3,4,5], [2,5,8,2,7])
r.glyph.size = 50
r.glyph.fill_alpha = 0.2
r.glyph.line_color = "firebrick"
r.glyph.line_dash = [5, 1]
r.glyph.line_width = 2
show(p)
針對標記的設(shè)置， 就是配置當前標記下的.glyph對象下的屬性, 如上例子配置標記的大小就使用r.glyph.size = 50; 配置標記邊緣虛線樣式就使用r.glyph.line_dash = [5, 1], 意思是每6個單位的邊緣線， 有一個單位為透明的。
總而言之， 與畫布設(shè)置如出一轍， 設(shè)置標記就使用標記下的配置項。
選擇與非選擇下的動態(tài)展示
p = figure(plot_width=400, plot_height=400, tools="tap", title="Select a circle")
renderer = p.circle([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=50,
# set visual properties for selected glyphs
selection_color="firebrick",
# set visual properties for non-selected glyphs
nonselection_fill_alpha=0.2,
nonselection_fill_color="grey",
nonselection_line_color="firebrick",
nonselection_line_alpha=1.0)
show(p)
既然我們選擇的是圖片上的標記符號， 所以隨著選擇的改變， 展示的變化也是標記符號本身。
按照一貫的套路， 這種配置也應(yīng)該配入“標記符號”。
上一段代碼展示的配置方法是在標記符號初始化的時候， 以參數(shù)的形式進行配置。
我們也可以在初始化之后， 再配置， 如下一段代碼：
from bokeh.models.glyphs import Circle, Square
p = figure(plot_width=400, plot_height=400, tools="tap", title="Select a circle")
renderer = p.circle([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=50)
renderer.selection_glyph = Circle(fill_alpha = 1, fill_color="yellow", line_color = None)
renderer.nonselection_glyph = Circle(fill_alpha = 0.2, fill_color = "green", line_color = "yellow")
show(p)
懸停動態(tài)響應(yīng)
from bokeh.models.tools import HoverTool
from bokeh.sampledata.glucose import data
subset = data.loc['2010-10-06']
x, y = subset.index.to_series(), subset['glucose']
# Basic plot setup
p = figure(width=600, height=300, x_axis_type="datetime", title='Hover over points')
p.line(x, y, line_dash="4 4", line_width=1, color='gray')
cr = p.circle(x, y, size=20,
fill_color="grey", hover_fill_color="firebrick",
fill_alpha=0.05, hover_alpha=0.3,
line_color=None, hover_line_color="white")
p.add_tools(HoverTool(tooltips=None, renderers=[cr], mode='hline'))
show(p)
上面案例的本質(zhì)是：
1、畫布準備與之前的樣例一樣
2、作圖時， 首先畫一條虛線， 固定的， 沒有動態(tài)反應(yīng)
3、在與虛線相同的位置上， 再畫一層很透明的圓形標記。 這層圓形標記會對懸浮指針作出反應(yīng)。
對懸停起反應(yīng)的標記符號為:
cr = p.circle(x, y, size=20,
fill_color="grey", hover_fill_color="firebrick",
fill_alpha=0.05, hover_alpha=0.3,
line_color=None, hover_line_color="white")
左側(cè)沒有hover開頭的配置項即普通狀態(tài)下的樣式， 右側(cè)hover開頭的配置項即被懸停指定標記所展現(xiàn)的樣式。
坐標軸
坐標軸的樣式設(shè)計， 也是在配置畫布的時候進行配置。 比如:
p.xaxis.axis_label = "Temperature"
p.axis.major_label_text_color = "orange"
坐標軸參數(shù)
針對坐標軸的參數(shù)很多，不過通過配置項的前綴， 我們可以將他們大致歸類:
-
axis 坐標軸(線)配置項， 例如:
axis_line_width -
axis_label 坐標軸(文字)配置項， 例如:
axis_label_text_color,axis_label_standoff -
major_label 坐標軸(文字)配置項， 例如:
major_label_text_font_size,major_label_orientation -
major_tick 坐標軸(線)配置項， 例如:
major_tick_line_dash,major_tick_in,major_tick_out -
minor_tick 坐標軸(線)配置項， 例如:
minor_tick_line_width,minor_tick_in,minor_tick_out
from math import pi
p = figure(plot_width=400, plot_height=400)
p.x([1,2,3,4,5], [2,5,8,2,7], size=10, line_width=2)
p.xaxis.major_label_orientation = pi/4
p.yaxis.major_label_orientation = "vertical"
show(p)
p = figure(plot_width=400, plot_height=400)
p.asterisk([1,2,3,4,5], [2,5,8,2,7], size=12, color="olive")
# change just some things about the x-axes
p.xaxis.axis_label = "Temp"
p.xaxis.axis_line_width = 3
p.xaxis.axis_line_color = "red"
# change just some things about the y-axes
p.yaxis.axis_label = "Pressure"
p.yaxis.major_label_text_color = "orange"
p.yaxis.major_label_orientation = "vertical"
# change things on all axes
p.axis.minor_tick_in = -3
p.axis.minor_tick_out = 6
show(p)
總而言之， 以p.axis開頭的配置， 是針對橫豎坐標同時作用的配置； 以p.xaxis開頭的配置都是針對x軸進行的配置；同樣的， 以p.yaxis開頭的配置都是針對y軸的配置。
再之后的配置項，以axis開頭的都是針對坐標軸本身的配置。 比如p.xaxis.axis_labelx軸的標題。帶有l(wèi)abel的標簽是針對坐標軸刻度的配置項，比如p.yaxis.major_label_orientationy坐標刻度的朝向。
刻度配置項
from math import pi
from bokeh.sampledata.glucose import data
week = data.loc['2010-10-01':'2010-10-08']
p = figure(x_axis_type="datetime", title="Glocose Range", plot_height=350, plot_width=800)
p.xaxis.formatter.days = '%m/%d/%Y'
p.xaxis.major_label_orientation = pi/3
p.line(week.index, week.glucose)
show(p)
上面列子可以看出， 時間戳時間默認為月份/日期，但我們可以通過配置格式p.xaxis.formatter.days = '%m/%d/%Y'使得x軸的時間顯示為月份/日期/年份。 同時由于配置項p.xaxis.major_label_orientation = pi/3使得時間刻度的顯示傾斜1/3個π的角度。
from bokeh.models import NumeralTickFormatter
p = figure(plot_height=300, plot_width=800)
p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)
p.xaxis.formatter = NumeralTickFormatter(format="0.0%")
p.yaxis.formatter = NumeralTickFormatter(format="$0.00")
show(p)
上例子中， x, y 軸的刻度都是數(shù)字， 通過NumeralTickFormatter定義其格式。
網(wǎng)格的設(shè)置
p = figure(plot_width=400, plot_height=400)
p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)
# change just some things about the x-grid
p.xgrid.grid_line_color = None
# change just some things about the y-grid
p.ygrid.grid_line_alpha = 0.5
p.ygrid.grid_line_dash = [6, 4]
show(p)
p.xgrid.grid_line_color = None 意味著x軸刻度延長方向、豎向網(wǎng)格線不顯示
p.ygrid.grid_line_alpha = 0.5 意味著y軸刻度延長方向，橫向網(wǎng)格線半透明
p.ygrid.grid_line_dash = [6, 4] 意味著y軸刻度延長方向，橫向網(wǎng)格線程虛線形式
p = figure(plot_width=400, plot_height=400)
p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)
# change just some things about the x-grid
p.xgrid.grid_line_color = None
# change just some things about the y-grid
p.ygrid.band_fill_alpha = 0.1
p.ygrid.band_fill_color = "navy"
show(p)
p.xgrid.grid_line_color = None x軸刻度延長線、豎向網(wǎng)格線不顯示
p.ygrid.band_fill_alpha = 0.1 y軸刻度延長線、向橫向網(wǎng)格填充顏色，0.1的透明度
p.ygrid.band_fill_color = "navy" 填充的顏色為深藍色
