使用 Bokeh hbar 和 ColumnDataSource 逐一标记

Question

我有一个由 ColumnDataSource 驱动的 hbar-plot，y 轴上有分类标签，x 轴上有两个数字。为了在 y 轴上为每个标签设置两组条形图，我构建了两个范围（Things1=df.Thing.index + 1 - 0.2 和 Things2=df.Thing.index + 1 + 0.2）并将两个 hbar-实例分别分配给其中一个范围.

当且仅当 ColumnDataSource 中的范围 Things1 和 Things2 以预定义的偏移量 1 构造时，这会给我正确的布局；否则，所有标签和条都恰好偏移一个条目。

我现在构建情节的方式如下所示：

df = pandas.DataFrame([('Store', 'Juice', 3, 19.0),
                       ('Warehouse', 'Paint', 7, 21.0),
                       ('Store', 'Fruit', 2, 6.0),
                       ('Warehouse', 'Grass', 4, 15.0),
                       ('Store', 'Leaves', 9, 32.0)],
                      columns=('Storage', 'Thing', 'Quantity', 'Valueation'))


source = bokeh.models.ColumnDataSource(dict(Quantity=df.Quantity,
                                            Things1=df.Thing.index + 1 - 0.2,  # Why +1 ?
                                            Things2=df.Thing.index + 1 + 0.2,  # Why +1 ?
                                            Valueation=df.Valueation,
                                            Storage=df.Storage))

plot = bokeh.plotting.figure(plot_width=800, plot_height=300,
                             y_range=list(df.Thing.unique()),
                             x_range=(0, df.Quantity.max() * 1.1))
plot.hbar(y='Things1', right='Quantity', height=0.3, alpha=0.7, source=source)
plot.hbar(y='Things2', right='Valueation', height=0.3, alpha=1, source=source,
          x_range_name="ValueationRange")
plot.yaxis.axis_label = 'Thing'
plot.xaxis.axis_label = 'Quantity'
plot.extra_x_ranges = {"ValueationRange":
                       bokeh.models.Range1d(start=0, end=df.Valueation.max() * 1.1)}
plot.add_layout(bokeh.models.LinearAxis(x_range_name="ValueationRange",
                                        axis_label='Valueation'), 'above')
bokeh.plotting.show(plot)

Things1/2=df.Thing.index + 1 -/+ 0.2给出正确的情节：

用Things1/2=df.Thing.index -/+ 0.2我得到

我猜这是因为不同的范围是基于 0 或 1 的。这是一个简单的陷阱还是我做错了？

Answer 1

EDIT 事实证明，原始值（与真正的分类数据相对）与因子范围的这种使用没有记录且未经测试。分类数据的处理将在 0.12.7 中发生变化，这将允许正确使用分类数据所需的功能 - 请参阅下面的 bigreddots（lead bokeh dev）评论。

仅从观察来看，分类范围的默认行为似乎是将整数 y 值从 1 开始映射到类别。

如果在初始化绘图对象后添加 y_range，则会暴露原始刻度：

所以正如你提到的，这只是由于范围。第一个绘制的数据系列从 0 开始，但第一个标签从 1 开始。您可以设置偏移量或使用 funcickformatter 将显式 y 刻度映射到值，这可以精确控制值和标签之间的映射。

如果您查看 http://docs.bokeh.org/en/latest/docs/gallery/categorical.html 等示例，您可以看到数据已映射到类别，但这是因为 y 值本身作为因子输入。在您的示例中，您只是更改了 y 轴，但要抵消您不能使用原始类别本身的值。

顺便说一句： 编辑 0.12.7 中可能不存在偏移属性，因此最好不要依赖它/假设它存在。

查看文档，它说默认偏移量为 0。所以我认为您需要 -1 的偏移量来说明这一点。参见 http://docs.bokeh.org/en/latest/docs/reference/models/ranges.html#bokeh.models.ranges.FactorRange.offset

import pandas

import bokeh
import bokeh.models, bokeh.plotting

df = pandas.DataFrame([('Store', 'Juice', 3, 19.0),
                       ('Warehouse', 'Paint', 7, 21.0),
                       ('Store', 'Fruit', 2, 6.0),
                       ('Warehouse', 'Grass', 4, 15.0),
                       ('Store', 'Leaves', 9, 32.0)],
                      columns=('Storage', 'Thing', 'Quantity', 'Valueation'))


source = bokeh.models.ColumnDataSource(dict(Quantity=df.Quantity,
                                            Things1=df.Thing.index - 0.2,  # Why +1 ?
                                            Things2=df.Thing.index + 0.2,  # Why +1 ?
                                            Valueation=df.Valueation,
                                            Storage=df.Storage))

plot = bokeh.plotting.figure(plot_width=800, plot_height=300,
                             y_range=list(df.Thing.unique()),
                             x_range=(0, df.Quantity.max() * 1.1))

plot.y_range.offset = -1

plot.hbar(y='Things1', right='Quantity', height=0.3, alpha=0.7, source=source)
plot.hbar(y='Things2', right='Valueation', height=0.3, alpha=1, source=source,
          x_range_name="ValueationRange")
plot.yaxis.axis_label = 'Thing'
plot.xaxis.axis_label = 'Quantity'
plot.extra_x_ranges = {"ValueationRange":
                       bokeh.models.Range1d(start=0, end=df.Valueation.max() * 1.1)}
plot.add_layout(bokeh.models.LinearAxis(x_range_name="ValueationRange",
                                        axis_label='Valueation'), 'above')
bokeh.plotting.show(plot)

使用 Bokeh hbar 和 ColumnDataSource 逐一标记

Labels off-by-one with Bokeh hbar and ColumnDataSource

python

pandas

bokeh