Bokeh散点图中的颜色点

Question

Bokeh散点图中的颜色点

7

我有一个简单的pandas.DataFrame，内容如下：

df = pd.DataFrame(
    {
        "journey": ['ch1', 'ch2', 'ch2', 'ch1'],
        "cat": ['a', 'b', 'a', 'c'],
        "kpi1": [1,2,3,4],
        "kpi2": [4,3,2,1]
    }
)

我将其绘制如下：

import bokeh.plotting as bpl
import bokeh.models as bmo
bpl.output_notebook()
source = bpl.ColumnDataSource.from_df(df)
hover = bmo.HoverTool(
    tooltips=[
        ("index", "@index"),
        ('journey', '@journey'),
        ("Cat", '@cat')
    ]
)
p = bpl.figure(tools=[hover])

p.scatter(
    'kpi1', 
    'kpi2', source=source)

bpl.show(p)  # open a browser

我无法根据cat对点进行着色。最终，我希望第一个和第三个点是同一种颜色，第二个和第四个点是两种更不同的颜色。

如何使用Bokeh实现这一目标？

- Dror

3个回答

2

为了完整起见，这里是使用低级别图表的调整代码：

import pandas as pd

import bokeh.plotting as bpl
import bokeh.models as bmo
bpl.output_notebook()


df = pd.DataFrame(
    {
        "journey": ['ch1', 'ch2', 'ch2', 'ch1'],
        "cat": ['a', 'b', 'a', 'c'],
        "kpi1": [1,2,3,4],
        "kpi2": [4,3,2,1],
        "color": ['blue', 'red', 'blue', 'green']
    }
)
df

source = bpl.ColumnDataSource.from_df(df)
hover = bmo.HoverTool(
    tooltips=[
        ('journey', '@journey'),
        ("Cat", '@cat')
    ]
)
p = bpl.figure(tools=[hover])

p.scatter(
    'kpi1', 
    'kpi2', source=source, color='color')

bpl.show(p)

请注意，颜色是“硬编码”到数据中的。

以下是使用高级图表的替代方法：

import pandas as pd

import bokeh.plotting as bpl
import bokeh.charts as bch
bpl.output_notebook()

df = pd.DataFrame(
    {
        "journey": ['ch1', 'ch2', 'ch2', 'ch1'],
        "cat": ['a', 'b', 'a', 'c'],
        "kpi1": [1,2,3,4],
        "kpi2": [4,3,2,1]
    }
)

tooltips=[
        ('journey', '@journey'),
        ("Cat", '@cat')
    ]
scatter = bch.Scatter(df, x='kpi1', y='kpi2',
                      color='cat',
                      legend="top_right",
                      tooltips=tooltips
                     )

bch.show(scatter)

- Dror

bokeh.charts已经不存在了（https://github.com/bokeh/bokeh/issues/7152）。有没有一种最新的方法来完成这个？我真的很喜欢不必手动指定映射的想法。 - Hendy

Bokeh 经常在变化，我不知道。可能提出一个新问题是最好的选择。 - Dror

谢谢提醒！我实际上已经偶然发现了一种这样做的方法，并发布了一个新答案。我认为它很适合这里；这是谷歌搜索的热门结果，有先例可以更新答案，随着事物的变化（例如，在已经存在python2答案的情况下，提供一个python3答案）。 - Hendy

什么是“低级别”图表，什么是“高级别”图表？ - Ian Boyd

这里描述了Bokeh是使用其低级构造函数还是高级构造函数。我猜即使上面的低级示例也不是最低级别的。最低级别将是使用线条和点构建图像。 - Dror

它在 3.1 s 版本中无法运行。错误：ValueError：未能验证 Line（id ='p4849'，...）.line_color：期望为 None 或 Color 类型的值，而实际得到了“color_key_in_dataframe”。 - Jaja

-2

你可以使用更高级别的Scatter，例如这里

或者在ColumnDataSource中提供一个颜色列，并在p.scatter(..., color='color_column_label')中引用它。

- Maarten Fabré

该页面不存在！（非常抱歉） - Ian Boyd

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Hendy · Accepted Answer

以下是一种避免手动映射的方法。我最近在这个github问题中偶然发现了bokeh.palettes，以及在这个问题中的CategoricalColorMapper。该方法将它们结合起来使用。可在此查看所有可用调色板，而CategoricalColorMapper的详细信息则可在此查看。

我尝试直接在一个pd.DataFrame上运行这个方法时遇到了问题，并且还发现无法使用from_df()调用。根据文档，应该直接传递一个DataFrame，这对我有效。

import pandas as pd
import bokeh.plotting as bpl
import bokeh.models as bmo
from bokeh.palettes import d3
bpl.output_notebook()


df = pd.DataFrame(
    {
        "journey": ['ch1', 'ch2', 'ch2', 'ch1'],
        "cat": ['a', 'b', 'a', 'c'],
        "kpi1": [1,2,3,4],
        "kpi2": [4,3,2,1]
    }
)
source = bpl.ColumnDataSource(df)

# use whatever palette you want...
palette = d3['Category10'][len(df['cat'].unique())]
color_map = bmo.CategoricalColorMapper(factors=df['cat'].unique(),
                                   palette=palette)

# create figure and plot
p = bpl.figure()
p.scatter(x='kpi1', y='kpi2',
          color={'field': 'cat', 'transform': color_map},
          legend='cat', source=source)
bpl.show(p)