Python 使用Bokeh hbar和ColumnDataSource逐个标记

我有一个

hbar

-图，由

ColumnDataSource

驱动，在y轴和两个数字x轴上有分类标签。为了在y轴上每个标签有两组条形图，我构造了两个范围（

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构建时，这为我提供了正确的布局；否则，所有标签和条形图只偏移一个条目

我现在构建绘图的方式如下所示：

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

给出了正确的绘图：

使用

Things1/2=df.Thing.index-/+0.2

---

我的猜测是，这是因为不同的范围是以0或1为基础的。这是一个简单的问题，还是我做错了？

编辑结果表明，在因子范围内使用原始值（与真正的分类数据相反）是没有记录和未经测试的。分类数据的处理将在0.12.7中更改，这将允许正确使用分类数据所需的功能-请参阅下面的bigreddots（bokeh开发负责人）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映射到类别

如果在初始化打印对象后添加y_范围，则会显示原始刻度：

正如你所提到的，这只是由于范围。第一个打印的数据系列从0开始，但第一个标签从1开始。您可以使用functickformatter设置偏移量或将显式y记号映射到值，这样可以精确控制值和标签之间的映射

如果查看例如的示例，可以看到数据映射到类别，但这是因为y值本身是作为因子输入的。在您的示例中，您只是更改y轴，但要偏移值，您不能使用原始类别本身

旁白： 编辑偏移属性在0.12.7中可能不存在，因此最好不要依赖它/假设它将存在。

查看文档时，默认偏移量为0。所以我想你会想要一个-1的偏移量来解释这个。看

---

请注意，在下一个Bokeh版本中，分类的处理正在更改，

offset

属性可能会被完全删除。官方支持的提供分类坐标的方法是使用实际的类别，而不是直接尝试给出合成坐标。这样做是偶然的，没有文档记录。所以最好的做法是不使用因子范围，并使用FuncTickFormatter映射y轴标签？然后，数据不是真正的分类数据，只是实现了y轴的重新标记。否则，将需要像海报所尝试的那样抵消实际值。没有理由不使用真正的分类，即

FactorRange

。分类可以在

0.12.6

和更早版本中使用goofy

“foo:0.2”

语法进行偏移。在

0.12.7

中，将支持真正的嵌套分类，这样就根本不需要为了得到分组而进行偏移，即使需要进行偏移，也将使用

[“foo”，0.2]

这是一种更为强大的语法。但是

0.12.7

还将增加对在类别组之间添加填充的支持（例如，使分组的条形图可以更接近y组），在这种情况下，从类别坐标到合成坐标的映射根本就不是那么简单（也在浏览器中计算），所以这是另一个喜欢使用实数因子作为分类坐标的原因。酷，如果更深入的话，我会删除我的。最后要补充的是，re:FuncTickFormatter也可以是一个OK路线，但我个人只有在我想要完全控制从“类别”到“合成坐标”的映射时才会这样做。我不认为这是第一个达到的方法。嗨，我的问题是隐藏轴，如“叶子”，“草”。。。Bokeh ColumnDataSource中有什么解决方案吗？

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)