Python 刷新后Bokeh实时更新x_轴_Python_Real Time_Visualization_Updates_Bokeh

Python 刷新后Bokeh实时更新x_轴

python

Python 刷新后Bokeh实时更新x_轴,python,real-time,visualization,updates,bokeh,Python,Real Time,Visualization,Updates,Bokeh,从最近几天开始，我一直在尝试使用Bokeh来绘制实时数据，并在.html上显示，以便在网页中使用。我成功地根据自己的需要改编了一个博克的例子。我在地块上使用了50个元素的缓冲区，我注意到以下行为： 1）如果我运行脚本并进入浏览器，x_范围完全适应输入数据，一切正常 2）如果单击浏览器上的“刷新”，x_范围将停止以适应传入数据，并冻结到最后一个值我试图将x_轴强制为初始值和结束值，但可视化效果不佳我认为我没有正确理解“刷新”命中对我的代码有什么影响，以及如何解决这个问题 """ To vi

从最近几天开始，我一直在尝试使用Bokeh来绘制实时数据，并在.html上显示，以便在网页中使用。我成功地根据自己的需要改编了一个博克的例子。我在地块上使用了50个元素的缓冲区，我注意到以下行为：

1）如果我运行脚本并进入浏览器，x_范围完全适应输入数据，一切正常

2）如果单击浏览器上的“刷新”，x_范围将停止以适应传入数据，并冻结到最后一个值

我试图将x_轴强制为初始值和结束值，但可视化效果不佳

我认为我没有正确理解“刷新”命中对我的代码有什么影响，以及如何解决这个问题

""" To view this example, first start a Bokeh server:

bokeh serve --allow-websocket-origin=localhost:8000

And then load the example into the Bokeh server by
running the script:

python animated.py

in this directory. Finally, start a simple web server
by running:

python -m SimpleHTTPServer  (python 2)

or

python -m http.server  (python 3)

in this directory. Navigate to

http://localhost:8000/animated.html

"""
from __future__ import print_function

import io

from numpy import pi, cos, sin, linspace, roll

from bokeh.client import push_session
from bokeh.embed import server_session
from bokeh.plotting import figure, curdoc
from bokeh.models import ColumnDataSource

fa = open('Accelerometer.txt', 'r')

source = ColumnDataSource(data=dict(x=[], y=[]))
fg = figure(width=250, plot_height=250, title="RT-Test")
fg.line(x='x', y='y', color="olive", source=source)
fg.x_range.follow = "end"

# Visualization scale and aesthetics
fg.xgrid.grid_line_color = None
fg.ygrid.grid_line_color = None
fg.background_fill_color = "snow"

# add the plot to curdoc
curdoc().add_root(fg)

# open a session which will keep our local doc in sync with server
session = push_session(curdoc())

html = """
 <html>
  <head></head>
  <body>
    %s
  </body>
</html>
""" % server_session(fg, session_id=session.id, relative_urls=False)

with io.open("animated.html", mode='w+', encoding='utf-8') as f:
    f.write(html)

print(__doc__)

def update():
    line = fa.readline().split(',')
    x = float(line[0])
    y = float(line[1])
    print(x, y)

    # construct the new values for all columns, and pass to stream
    new_data = dict(x=[x], y=[y])
    source.stream(new_data, rollover=50)

curdoc().add_periodic_callback(update, 100)

session.loop_until_closed() # run forever

要查看此示例，请首先启动Bokeh服务器： bokeh serve--允许websocket来源=本地主机：8000 然后通过以下方式将示例加载到Bokeh服务器运行脚本： python.py 最后，启动一个简单的web服务器通过运行： python-msimplehttpserver（python2）或 python-mhttp.server（python3）在此目录中。导航到 http://localhost:8000/animated.html """ 来自未来导入打印功能输入io 从numpy导入pi、cos、sin、linspace、roll 从bokeh.client导入推送会话从bokeh.embed导入服务器\u会话从bokeh.plotting导入图，curdoc 从bokeh.models导入ColumnDataSource fa=打开（'accelerator.txt'，'r'） source=ColumnDataSource（data=dict（x=[]，y=[]）） fg=图形（宽度=250，绘图高度=250，标题=“RT测试”） fg.line（x='x'，y='y'，color=“olive”，source=source） fg.x_range.follow=“结束” #可视化尺度与美学 fg.xgrid.grid\u line\u color=无 fg.ygrid.grid\u line\u color=None fg.background\u fill\u color=“雪” #将绘图添加到curdoc curdoc（）.添加根目录（fg） #打开一个会话，使本地文档与服务器保持同步会话=推送会话（curdoc（）） html=”“” % “%server\u session（fg，session\u id=session.id，relative\u url=False）使用io.open（“animated.html”，mode='w+'，encoding='utf-8'）作为f: f、编写（html）打印（文档） def update（）： line=fa.readline（）.split（'，'） x=浮动（第[0]行） y=浮动（第[1]行）打印（x，y） #为所有列构造新值，并传递到流新数据=dict（x=[x]，y=[y]） source.stream（新的_数据，滚动=50） curdoc（）.添加定期回调（更新，100） session.loop_直到_关闭（）#永远运行

这种使用Bokeh服务器的方式，实际代码在一个单独的进程中运行，并调用session.loop\u直到\u关闭
，在最强烈的意义上是不鼓励的。在下一个版本中，所有此类示例都将被删除，文档中不再提及这种方法。这种用法在很多方面都有其固有的缺陷，我要说，长期以来如此突出地展示它是我们的错误。它偶尔对测试有用，但除此之外没有其他用途
那么，使用Bokeh服务器的好方法是什么？答案是让Bokeh应用程序在Bokeh服务器上运行，这与上面的代码不同。这可以通过多种方式完成，但有一种常见的方式是操作系统编写一个简单的脚本，然后使用
bokeh serve -show myapp.py

我没有访问您的“Accelerate.py”数据集的权限，但粗略地更新您的代码如下：
# myapp.py     
from numpy import pi, cos, sin, linspace, roll

from bokeh.plotting import figure, curdoc
from bokeh.models import ColumnDataSource

fa = open('Accelerometer.txt', 'r')

source = ColumnDataSource(data=dict(x=[], y=[]))
fg = figure(width=250, plot_height=250, title="RT-Test")
fg.line(x='x', y='y', color="olive", source=source)
fg.x_range.follow = "end"

fg.xgrid.grid_line_color = None
fg.ygrid.grid_line_color = None
fg.background_fill_color = "snow"

curdoc().add_root(fg)

def update():
    line = fa.readline().split(',')
    x = float(line[0])
    y = float(line[1])

    # construct the new values for all columns, and pass to stream
    new_data = dict(x=[x], y=[y])
    source.stream(new_data, rollover=50)

curdoc().add_periodic_callback(update, 100)

现在，如果您使用bokehserve
命令运行此脚本，则任何刷新都将为您提供此应用程序的全新会话。同样值得一提的是，用这种方式编写的代码相当简单和简短
这些类型的应用程序可以嵌入Jupyter笔记本、Flask和其他web应用程序中，或者制作成使用python
而不是bokeh-serve
运行的“常规”python脚本。有关更多信息，请参阅《用户手册》中的
 谢谢你的详细解释。我最初使用了您提出的方法，但最后得出的结论是不适合我的需要（或者更可能的是，我不完全了解如何集成）。问题是，任何刷新都将重新启动新会话，从而从一开始就启动实时流。我想要的是在网页中集成实时。。。如果用户在菜单上来回移动并返回实时可视化窗口，我不希望重新启动整个会话，而是希望继续使用最后的值（这就是我尝试使用此值的原因）。上面的代码总是从一开始就开始读取数据'accelerator.txt'
，但它不必这样做。如果你不断地将数据倾倒到该文件中，你可以改变逻辑，从结尾开始阅读，或者在中间适合你的需要。嗨，杜达，谢谢你的精确回答。有没有办法让bokeh python文件中有可重新加载的HTML文件，而不是在浏览器中调用无限循环并按HTML文件中的刷新？