本文主要介绍 在 bokeh 中 对 ColumnDataSource 类型数据中进行：

（1）添加新的数据 （2）修改更新已有数据 （3）筛选数据。

Table of Contents

• 1 添加新的数据

• 2 数据更新

  • 2.1 更新单个数据

  • 2.2 更新多个数据

• 3 筛选数据

  • 3.1 Indexfilter

  • 3.2 BooleanFilter

  • 3.3 GroupFilter

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， 前文介绍了 bokeh 中数据呈现的几种方式。

本文主要介绍 在 bokeh 中 对 ColumnDataSource 类型数据中进行：

（1）添加新的数据 （2）修改更新已有数据 （3）筛选数据。

首先加载相关Python库。

1. from bokeh.plotting import figure, output_notebook, show

2. from bokeh.layouts import gridplot

3. from bokeh.models import ColumnDataSource

4. import numpy as np

5. import pandas as pd

7. output_notebook()

1 添加新的数据

ColumnDataSource 通过 stream() 方法来添加新的数据

1. data1 = {

   'x_values': [1, 2, 9, 4, 5],

2. 'y_values': [6, 7, 2, 3, 6]}

4. source = ColumnDataSource(data=data1)

6. p1 = figure(plot_width=300, plot_height=300, title= 'origin data')

7. p1.circle(x='x_values', y='y_values', source=source, size=20)

9. show(p1)

图示如下：

1. new_data = {

   'x_values': [6, 7, 2, 3, 6],

2. 'y_values': [1, 2, 9, 4, 5]}

4. # 在已有数据基础上添加新的数据 （append）

5. source.stream(new_data)

7. p2 = figure(plot_width=300, plot_height=300,title= 'append data with stream')

8. p2.circle(x='x_values', y='y_values', source=source, size=20)

10. show(p2)

图示如下：

2 数据更新

用 patch 方法可以更新 ColumnDataSource 的数据。

1. data = {

   'x_column': [1, 2, 9, 4, 5, 8],

2. 'y_column': [6, 7, 2, 3, 6, 2]}

4. df = pd.DataFrame(data=data)

6. df

如下：

1. source = ColumnDataSource(data=df)

3. p1 = figure(plot_width=300, plot_height=300, title= 'origin data')

4. p1.circle(x='x_column', y='y_column', source=source, size=20)

6. show(p1)

图示如下：

2.1 更新单个数据

1. # 更新单个数据

2. # {column:(index, new_value) }

3. source.patch({

   'x_column':[(0,15)]})

5. p2 = figure(plot_width=300, plot_height=300,title= 'revise single value with patch')

6. p2.circle(x='x_column', y='y_column', source=source, size=20)

8. show(p2)

图示如下：

2.2 更新多个数据

1. # 更新多个数据

2. # {column:(slice, new_values) }

4. s = slice(2,4)

5. source.patch({

   'x_column':[(s,[20,15])]})

7. p2 = figure(plot_width=300, plot_height=300,title= 'revise multiple values with patch')

8. p2.circle(x='x_column', y='y_column', source=source, size=20)

10. show(p2)

图示如下：

3 筛选数据

在Bokeh 中， ColumnDataSource （CDS） 提供了 CDSView 来对数据进行筛选

其一般用法如下：

from bokeh.models import ColumnDataSource, CDSView

source = ColumnDataSource(some_data)

view = CDSView(source=source, filters=[filter1, filter2])

其中 filters 包括 IndexFilter, BooleanFilter, GroupFilter 等

3.1 Indexfilter

根据数据的索引来筛选数据

1. from bokeh.plotting import figure

2. from bokeh.models import ColumnDataSource, CDSView, IndexFilter

3. from bokeh.layouts import gridplot

5. data = {

   'x_column': [1, 2, 9, 4, 5, 8],

6. 'y_column': [6, 7, 2, 3, 6, 2]}

8. df = pd.DataFrame(data=data)

9. source = ColumnDataSource(data=df)

10. view = CDSView(source=source, filters=[IndexFilter([0,2,4])])

12. p1 = figure(plot_width=300, plot_height=300, title='origin state')

13. p1.circle(x='x_column', y='y_column', source=source, size=20)

15. p2 = figure(plot_width=300, plot_height=300, title='IndexFilter')

16. p2.circle(x='x_column', y='y_column', source=source, size=20, view=view)

18. grid=gridplot([p1,p2],ncols=2, plot_width=300,plot_height=300)

20. show(grid)

图示如下：

3.2 BooleanFilter

根据布尔值， True 或 False 来筛选数据

1. from bokeh.models import BooleanFilter

2. from bokeh.layouts import row

4. booleans = [True if y_val>4 else False for y_val in source.data['y_column']]

5. view_booleans = CDSView(source=source, filters=[BooleanFilter(booleans)])

7. p1 = figure(plot_width=300, plot_height=300,title='origin state')

8. p1.circle(x='x_column', y='y_column', source=source, size=20)

10. p2 = figure(plot_width=300, plot_height=300, title='BooleanFilter')

11. p2.circle(x='x_column', y='y_column', source=source, size=20, view=view_booleans)

13. grid=gridplot([p1,p2],ncols=2,plot_width=300,plot_height=300)

15. show(grid)

图示如下：

3.3 GroupFilter

使用 GroupFilter 可以筛选出包含特定类型的所有行数据。 GroupFilter 有两个参数， 即 Column_name 和 group， 也就是 列名 和 类别名称。

如下面的官方例子所述，如果想筛选 iris 数据中 特定类别的花，可以使用 GroupFilter 方法。

1. from bokeh.plotting import figure, show

2. from bokeh.layouts import gridplot

3. from bokeh.models import ColumnDataSource, CDSView, GroupFilter

5. from bokeh.sampledata.iris import flowers

7. # output_file("group_filter.html")

9. source = ColumnDataSource(flowers)

10. view1 = CDSView(source=source, filters=[GroupFilter(column_name='species', group='versicolor')])

12. plot_size_and_tools = {

    'plot_height': 300, 'plot_width': 300,

13. 'tools':['box_select', 'reset', 'help']}

15. p1 = figure(title="Full data set", **plot_size_and_tools)

16. p1.circle(x='petal_length', y='petal_width', source=source, color='black')

18. p2 = figure(title="Setosa only", x_range=p1.x_range, y_range=p1.y_range, **plot_size_and_tools)

19. p2.circle(x='petal_length', y='petal_width', source=source, view=view1, color='red')

21. show(gridplot([[p1, p2]]))

图示如下：

当然，还有一些其他的筛选方法，有兴趣的同学可以自己挖掘下~~

原文发布时间为：2018-10-11

本文作者： 本文来自云栖社区合作伙伴“ ”，了解相关信息可以关注“ ”。