Python 如何以高刷新率将数据流传输到Jupyter中的Bokeh绘图？

我试图使用Bokeh在一个数据库中绘制一个流数据集。这是我到目前为止所拥有的

在命令行中，我通过运行命令启动bokeh服务器

$> bokeh server

这是我Jupyter笔记本上的代码

import numpy as np
from IPython.display import clear_output
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.client import push_session
from bokeh.driving import linear
from bokeh.plotting import figure
from bokeh.io import curdoc, output_notebook, show
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
linea = my_figure.line("x", "y", source=test_data)
# ------------------- new cell ---------------------#

new_data=dict(x=[0], y=[0])
x = []
y = []

step_size = 0.1  # increment for increasing step
@linear(m=step_size, b=0)
def update(step):
    x.append(step)
    y.append(np.random.rand())
    new_data['x'] = x
    new_data['y'] = y

    test_data.stream(new_data, 10)

    clear_output()
    show(my_figure)

    if step > 10: 
        session.close()    
# ------------------- new cell ---------------------#

# open a session to keep our local document in sync with server
session = push_session(curdoc())

period = 100  # in ms
curdoc().add_periodic_callback(update, period)

session.show()  # open a new browser tab with the updating plot

session.loop_until_closed()

目前，我得到的结果是Jupyter笔记本中的一个闪烁绘图，以及一个新浏览器选项卡中的一个很好的更新绘图。我想要下列任何一种

• Jupyter中的一个很好的更新绘图，没有闪烁
• 只需在“新浏览器”选项卡中打印

我试图删除

show（我的图）

，但每次更新都会打开一个新选项卡。我还尝试将刷新率降低到10毫秒，

period=10

session.show（）

工作得很好，但是笔记本最终崩溃了，因为它刷新的速度不够快

---

如何获得Jupyter中bokeh绘图的良好刷新率？或者，我如何关闭Jupyter绘图，并且只有一个选项卡显示更新绘图？

以下是@bigreddot评论后修改的笔记本的代码，它使用

push_notebook

在笔记本中生成更清晰的结果（不需要运行

bokeh serve

）。它不使用回调；我不确定这是否是一个优势。同样，如果希望在新数据点出现时更新绘图，则可以在

while

循环的开头添加

if data\u事件：

语句，然后根据与事件速率配合良好的情况调整睡眠时间

官方文档中提供了有关在Jupyter笔记本中使用Bokeh的其他有用信息

import time
import numpy as np
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.plotting import figure
from bokeh.io import output_notebook, show, push_notebook
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
line = my_figure.line("x", "y", source=test_data)
handle = show(my_figure, notebook_handle=True)

new_data=dict(x=[0], y=[0])
x = []
y = []

step = 0
step_size = 0.1  # increment for increasing step
max_step = 10  # arbitrary stop point for example
period = .1  # in seconds (simulate waiting for new data)
n_show = 10  # number of points to keep and show
while step < max_step:
    x.append(step)
    y.append(np.random.rand())
    new_data['x'] = x = x[-n_show:]  # prevent filling ram
    new_data['y'] = y = y[-n_show:]  # prevent filling ram

    test_data.stream(new_data, n_show)

    push_notebook(handle=handle)
    step += step_size
    time.sleep(period)

导入时间
将numpy作为np导入
#--------新单元---------------------#
从bokeh.models.sources导入ColumnDataSource
从bokeh.plotting导入图形
从bokeh.io导入输出笔记本、显示、推送笔记本
#--------新单元---------------------#
输出_笔记本（）
#--------新单元---------------------#
我的图形=图形（绘图宽度=800，绘图高度=400）
test_data=ColumnDataSource（data=dict（x=[0]，y=[0]））
线=我的图。线（“x”，“y”，源=测试数据）
句柄=显示（我的数字，笔记本句柄=真）
新数据=dict（x=[0]，y=[0]）
x=[]
y=[]
步长=0
步长=0.1#增加步长的增量
最大步长=10#例如任意停止点
周期=.1秒（模拟等待新数据）
n_show=10#保留和显示的点数
当步骤<最大步骤：
x、 附加（步骤）
y、 追加（np.random.rand（））
新数据['x']=x=x[-n_show:]#防止填充ram
新数据['y']=y=y[-n_show:]#防止填充ram
测试数据流（新数据，n显示）
推送笔记本（手柄=手柄）
步长+=步长大小
时间。睡眠（周期）

请注意，添加了

new_data['x']=x=x[-n_show]

（与

y

相同），因此从理论上讲，这可以无限期运行，而不会占用您的内存。另外，如果能够将某种数据源（可能来自web）流式传输，这将是一个更现实的例子。最后，您可能意识到了这一点，但在使用流图运行单元之后，内核将被锁定，直到它完成或被中断；不能执行其他单元格/代码。如果你想拥有分析/控制功能，它们应该进入

while

循环中。

@Steven C.Howell

受您示例的启发，我使用非阻塞回调函数对其进行了修改。它没有使用add_periodic_callback，因为此功能在jupyter笔记本（）中不起作用。不过，在使用jupyter笔记本电脑时，能够进行非阻塞数据流可能会很有用

import time
import numpy as np
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.plotting import figure
from bokeh.io import output_notebook, show, push_notebook
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
line = my_figure.line("x", "y", source=test_data)
handle = show(my_figure, notebook_handle=True)
# ------------------- new cell ---------------------#

from threading import Thread

stop_threads = False

def blocking_callback(id, stop):
    new_data=dict(x=[0], y=[0])

    step = 0
    step_size = 0.1  # increment for increasing step
    max_step = 10  # arbitrary stop point for example
    period = .1  # in seconds (simulate waiting for new data)
    n_show = 10  # number of points to keep and show

    while True:

        new_data['x'] = [step]
        new_data['y'] = [np.random.rand()]

        test_data.stream(new_data, n_show)

        push_notebook(handle=handle)
        step += step_size
        time.sleep(period)

        if stop():
            print("exit")
            break

thread = Thread(target=blocking_callback, args=(id, lambda: stop_threads))
thread.start()

这样做的优点是，无限数据流不会阻止后续单元格执行：

# ------------------- new cell ---------------------#

# preceding streaming is not blocking
for cnt in range(10):
    print("Do this, while plot is still streaming", cnt)

# ------------------- new cell ---------------------#

# you might also want to stop the thread
stop_threads=True
del thread

---

对于我的（速度较慢的）Windows计算机，“显示（我的图形）”的绘图更加倾斜。。即使刷新速度相当慢（500毫秒以上），也无法正确更新。。我必须离开/返回选项卡以刷新x轴，点从绘图中消失。（对于之前的向下投票，请记住，新用户不能推荐！）在MacBook Pro上，我得到了与您上面描述的类似的行为，尽管使用100毫秒的刷新率，Jupyter中的绘图无法足够快地渲染，没有线条可见。将周期调整为500后，Jupyter绘图将显示出来，每次更新时都会向上滚动，使其难以查看。@bigreddot的一条注释：答案要么是

push_笔记本，要么是0.12.5，[bokeh server app embedded in notebook](https://github.com/bokeh/bokeh/blob/master/examples/howto/server_embed/notebook_embed.ipynb).  您当前正在重新创建或重新显示全部每个绘图，这将导致较差的结果。此外，使用

bokeh.client`可以将网络流量增加一倍。如果有人有一种方法可以使用回调，请随意评论或添加另一个答案，详细说明这一点。请注意，这个答案错误地使用了

流

函数。它只能用于发送新数据。此答案会一次又一次地重新发送最后一个

n_show

数据点。应该放弃对x和y的整个“跟踪”，在本例中，对

test\u data.stream

的调用应该替换为以下内容：

test\u data.stream（{“x”：[step]，“y”：[np.random.rand（）]}，n\u show）

@hidde jan，这听起来很合理，更像我所期望的。我将不得不尝试这个，然后更新。