logo标签列表

我能为bokeh热力图绘制一个色条吗？

visualizationheatmapbokehcolorbar
17

Bokeh是否有一个简单的方法为热力图绘制颜色条？

在这个例子中，它将是一个条带，说明颜色与值的对应关系。

在Matlab中，它被称为“颜色条”，看起来像这样: 输入图像描述

6个回答
11

更新：现在这个问题已经容易多了，请参阅http://docs.bokeh.org/en/latest/docs/user_guide/annotations.html#color-bars

很抱歉我没有一个好的答案来简化Bokeh操作，但我之前手动完成过类似的任务。

因为我通常希望将这些图例从我的图中移开，所以我会制作一个新的图形，然后使用像hplot或gridplot这样的工具将它们组装在一起。

这里有一个示例：https://github.com/birdsarah/pycon_2015_bokeh_talk/blob/master/washmap/washmap/water_map.py#L179

对于你的情况，绘图应该非常直接。如果你制作了这样的数据源：

| value | color
| 1     | blue
.....
| 9     | red

那么你可以这样做：

legend = figure(tools=None)
legend.toolbar_location=None
legend.rect(x=0.5, y='value', fill_color='color', width=1, height=1, source=source)
layout = hplot(main, legend)
show(legend)

不过，这要求你知道你的数值对应的颜色。您可以将调色板传递给热图图表调用-如此处所示：http://docs.bokeh.org/en/latest/docs/gallery/cat_heatmap_chart.html，然后您就可以使用它来构建新的数据源。

我相当确定至少有一个有关色彩映射的问题。我知道我刚刚为图例外添加了一个问题。

更新：现在这个问题容易多了-http://bokeh.pydata.org/en/latest/docs/user_guide/annotations.html＃color-bars - birdsarah
8

由于其他答案看起来很复杂，这里提供一个易于理解的代码片段，用于在bokeh热力图上生成色条。

import numpy as np
from bokeh.plotting import figure, show
from bokeh.models import LinearColorMapper, BasicTicker, ColorBar


data = np.random.rand(10,10)

color_mapper = LinearColorMapper(palette="Viridis256", low=0, high=1)

plot = figure(x_range=(0,1), y_range=(0,1))
plot.image(image=[data], color_mapper=color_mapper,
           dh=[1.0], dw=[1.0], x=[0], y=[0])

color_bar = ColorBar(color_mapper=color_mapper, ticker= BasicTicker(),
                     location=(0,0))

plot.add_layout(color_bar, 'right')

show(plot)

enter image description here

6
4
为了实现这个，我做了和@birdsarah一样的事情。额外的小提示是，如果你使用rect方法作为你的颜色映射，那么在颜色条中再次使用rect方法，并使用相同的源。最终的结果是你可以选择颜色条的某些部分，它也会在你的图中选择。

试一下：

http://simonbiggs.github.io/electronfactors

3

以下是基于birdsarah的响应松散的代码，用于生成色条：

def generate_colorbar(palette, low=0, high=15, plot_height = 100, plot_width = 500, orientation = 'h'):

    y = np.linspace(low,high,len(palette))
    dy = y[1]-y[0]
    if orientation.lower()=='v':
        fig = bp.figure(tools="", x_range = [0, 1], y_range = [low, high], plot_width = plot_width, plot_height=plot_height)
        fig.toolbar_location=None
        fig.xaxis.visible = None
        fig.rect(x=0.5, y=y, color=palette, width=1, height = dy)
    elif orientation.lower()=='h':
        fig = bp.figure(tools="", y_range = [0, 1], x_range = [low, high],plot_width = plot_width, plot_height=plot_height)
        fig.toolbar_location=None
        fig.yaxis.visible = None
        fig.rect(x=y, y=0.5, color=palette, width=dy, height = 1)
    return fig

此外，如果您有兴趣模拟matplot lib颜色映射，请尝试使用以下内容：
import matplotlib as mpl
def return_bokeh_colormap(name):
    cm = mpl.cm.get_cmap(name)
    colormap = [rgb_to_hex(tuple((np.array(cm(x))*255).astype(np.int))) for x in range(0,cm.N)]
    return colormap
def rgb_to_hex(rgb):
    return '#%02x%02x%02x' % rgb[0:3]
1
这应该是答案 - 但需要小心地处理图形大小，以确保它与您的主图相匹配，并且我需要垂直条形的宽度大于120才能正确显示。此外，要使用bk或mpl调色板字符串，我只需使用palette = getattr(bk.palettes, palette) if hasattr(bk.palettes, palette) else return_bokeh_colormap(palette)。 - user2561747
@user2561747，我同意。这是对我有效的答案。 - mbadawi23
0

这也是我心愿清单上的重点。如果绘制的数据发生变化（例如，通过三维数据集的一个维度移动），它还需要自动调整范围。下面的代码可以做一些人们可能会发现有用的事情。诀窍是向色条添加一个额外的轴，您可以通过数据源在数据更改时进行控制。

import numpy

from bokeh.plotting import Figure

from bokeh.models import ColumnDataSource, Plot, LinearAxis
from bokeh.models.mappers import LinearColorMapper
from bokeh.models.ranges import Range1d
from bokeh.models.widgets import Slider
from bokeh.models.widgets.layouts import VBox

from bokeh.core.properties import Instance

from bokeh.palettes import RdYlBu11

from bokeh.io import curdoc

class Colourbar(VBox):

    plot = Instance(Plot)
    cbar = Instance(Plot)

    power = Instance(Slider)

    datasrc = Instance(ColumnDataSource)
    cbarrange = Instance(ColumnDataSource)

    cmap = Instance(LinearColorMapper)

    def __init__(self):

        self.__view_model__ = "VBox"
        self.__subtype__ = "MyApp"

        super(Colourbar,self).__init__()

        numslices = 6
        x = numpy.linspace(1,2,11)
        y = numpy.linspace(2,4,21)
        Z = numpy.ndarray([numslices,y.size,x.size])
        for i in range(numslices):
            for j in range(y.size):
                for k in range(x.size):
                    Z[i,j,k] = (y[j]*x[k])**(i+1) + y[j]*x[k]

        self.power = Slider(title = 'Power',name = 'Power',start = 1,end = numslices,step = 1,
                            value = round(numslices/2))
        self.power.on_change('value',self.inputchange)

        z = Z[self.power.value]
        self.datasrc = ColumnDataSource(data={'x':x,'y':y,'z':[z],'Z':Z})

        self.cmap = LinearColorMapper(palette = RdYlBu11)

        r = Range1d(start = z.min(),end = z.max())        
        self.cbarrange = ColumnDataSource(data = {'range':[r]})

        self.plot = Figure(title="Colourmap plot",x_axis_label = 'x',y_axis_label = 'y',
                           x_range = [x[0],x[-1]],y_range=[y[0],y[-1]],
                           plot_height = 500,plot_width = 500)

        dx = x[1] - x[0]
        dy = y[1] - y[0]

        self.plot.image('z',source = self.datasrc,x = x[0]-dx/2, y = y[0]-dy/2,
                        dw = [x[-1]-x[0]+dx],dh = [y[-1]-y[0]+dy],
                        color_mapper = self.cmap)

        self.generate_colorbar()

        self.children.append(self.power)
        self.children.append(self.plot)
        self.children.append(self.cbar)

    def generate_colorbar(self,cbarlength = 500,cbarwidth = 50):

        pal = RdYlBu11

        minVal = self.datasrc.data['z'][0].min()
        maxVal = self.datasrc.data['z'][0].max()
        vals = numpy.linspace(minVal,maxVal,len(pal))

        self.cbar = Figure(tools = "",x_range = [minVal,maxVal],y_range = [0,1],
                           plot_width = cbarlength,plot_height = cbarwidth)

        self.cbar.toolbar_location = None 
        self.cbar.min_border_left = 10
        self.cbar.min_border_right = 10
        self.cbar.min_border_top = 0
        self.cbar.min_border_bottom = 0
        self.cbar.xaxis.visible = None
        self.cbar.yaxis.visible = None
        self.cbar.extra_x_ranges = {'xrange':self.cbarrange.data['range'][0]}
        self.cbar.add_layout(LinearAxis(x_range_name = 'xrange'),'below')

        for r in self.cbar.renderers:
            if type(r).__name__ == 'Grid':
                r.grid_line_color = None

        self.cbar.rect(x = vals,y = 0.5,color = pal,width = vals[1]-vals[0],height = 1)

    def updatez(self):

        data = self.datasrc.data
        newdata = data
        z = data['z']
        z[0] = data['Z'][self.power.value - 1]
        newdata['z'] = z
        self.datasrc.trigger('data',data,newdata)

    def updatecbar(self):

        minVal = self.datasrc.data['z'][0].min()
        maxVal = self.datasrc.data['z'][0].max()
        self.cbarrange.data['range'][0].start = minVal
        self.cbarrange.data['range'][0].end = maxVal

    def inputchange(self,attrname,old,new):

        self.updatez()
        self.updatecbar()

curdoc().add_root(Colourbar())
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