Python 绘图 - Bokeh 柱状图小试(Stacked Bar)
不忘初心mao 人气:0
# 背景
在 [Bokeh 初探](https://bemself.github.io/python/Python-plotting-bokeh.html)之后，学习使用它来做个图
# 目标
做一个柱状图，支持多个 y 数据源，即有堆叠效果的柱状图 stacked bar
# 实现
## 单数据源 简单的柱状图
参考 [Handling Categorical Data — Bokeh 1.4.0 documentation](https:/https://img.qb5200.com/download-x/docs.bokeh.org/en/latesthttps://img.qb5200.com/download-x/docs/user_guide/categorical.html)
```
from bokeh.io import show, output_file
from bokeh.plotting import figure
output_file("bars.html")
fruits = ['Apples', 'Pears', 'Nectarines', 'Plums', 'Grapes', 'Strawberries']
counts = [5, 3, 4, 2, 4, 6]
p = figure(x_range=fruits, plot_height=250, title="Fruit Counts", toolbar_location=None, tools="")
p.vbar(x=fruits, top=counts, width=0.9)
p.xgrid.grid_line_color = None
p.y_range.start = 0
show(p)
```
效果图见上述参考
## 增加一个 y 数据源，做堆叠效果
这样的话，需要考虑：
- 数据源：不能是单一的列表了，得能容纳多组数据。用字典。
```
fruits = ['Apples', 'Pears', 'Nectarines', 'Plums', 'Grapes', 'Strawberries']
years = ["2015", "2016", "2017"]
data = {'fruits' : fruits,
'2015' : [2, 1, 4, 3, 2, 4],
'2016' : [5, 3, 4, 2, 4, 6],
'2017' : [3, 2, 4, 4, 5, 3]}
```
- 颜色：区分不同的数据源
`colors = ["green", "#718dbf", "#e84d60","#e84d20","#e84361"]`
配色是个问题，一不小心就会很丑，后面会提到用调色板 `palette`
- 画图：上面的`vbar`不支持堆叠
```
p.vbar_stack(years, x='fruits', width=0.9, color=colors, source=data,legend_label=years)
```
## 导出为文件
[Exporting Plots — Bokeh 1.4.0 documentation](https:/https://img.qb5200.com/download-x/docs.bokeh.org/en/latesthttps://img.qb5200.com/download-x/docs/user_guide/export.html)
- html
output_file("file.html")
- png
- `npm install selenium phantomjs`
- `npm install -g phantomjs-prebuilt`
- `pip install bokeh`
然后 `from bokeh.io import export_png`
## 数据源： 从 .csv 文件读取数据
我试过两种方式，现在用的是第二种 pandas
- **numpy 的 `genfromtxt`**
但是我遇到很多问题，包括不同的 dtype参数，names参数等，返回不同的数据类型的 array，感觉很不方便（如排序等），所以后来弃用了，当然也是因为我不太熟。
```
from numpy import genfromtxt
my_data = genfromtxt("data.csv", delimiter=',', dtype=None, encoding="utf8")
```
- **pandas**
还是这个方便，读取文件 :
```
df = pd.read_csv("data.csv",header=0)
```
**取前 7 行**：`df = df.head(n=7)`
**取某一列**：`df['col1']`
**几列求和**： `df['col1'] + df['col2'] + df['col3']`
**排序**：`df = df.sort_values(by='col1', ascending=False)`
## x axis 旋转
[Styling Visual Attributes — Bokeh 1.4.0 documentation](https:/https://img.qb5200.com/download-x/docs.bokeh.org/en/latesthttps://img.qb5200.com/download-x/docs/user_guide/styling.html#tick-label-orientation)
比如左斜 旋转 45 度：
```
p.xaxis.major_label_orientation = 360-45
```
## 调色板
前面我们用 `colors = ["green", "#718dbf", "#e84d60","#e84d20","#e84361"]` 人工配色，会很丑不专业，bokeh 有自带的调色板，倒是很方便，还好看。
```
>>> from bokeh.palettes import brewer
>>> colors = brewer["Blues"][6]
>>> colors
['#08519c', '#3182bd', '#6baed6', '#9ecae1', '#c6dbef', '#eff3ff']
```
具体列表参考：
- [bokeh.palettes](https:/https://img.qb5200.com/download-x/docs.bokeh.org/en/latesthttps://img.qb5200.com/download-x/docs/reference/palettes.html)
- [源码：bokeh/palettes.py at master · bokeh/bokeh](https://github.com/bokeh/bokeh/blob/master/bokeh/palettes.py)
- [bokeh.colors — Bokeh 1.4.0 documentation](https:/https://img.qb5200.com/download-x/docs.bokeh.org/en/latesthttps://img.qb5200.com/download-x/docs/reference/colors.html)
## 分类数据处理
如果 x 数据只是数字 如`[1,2,3]`，上面demo 中的 `p.figure`足以处理
但如果 x 或 y 坐标是一些分类数据如`["apple","orange"]` ，则需要再添加 `x_range`,或 `y_range`等
如
```
fruits = ['Apples', 'Pears', 'Nectarines', 'Plums', 'Grapes', 'Strawberries']
p = figure(x_range=fruits, ... )
p.vbar(x=x, top=y, legend_label="Temp.", width=0.9)
```
参考 [Handling Categorical Data — Bokeh 1.4.0 documentation](https:/https://img.qb5200.com/download-x/docs.bokeh.org/en/latesthttps://img.qb5200.com/download-x/docs/user_guide/categorical.html)
# References
- [bokeh/bokeh: Interactive Data Visualization in the browser, from Python](https://github.com/bokeh/bokeh)
- [数据可视化 到 可视化信息 浅述 ](http://wiki.zoomquiet.io/IMHOhttps://img.qb5200.com/download-x/data-v-info)
加载全部内容