Question

我正在尝试使用Bokeh在Jupyter notebook内绘制流式数据集。这是我到目前为止所拥有的。

从命令行我通过运行命令

启动散景服务器

$> bokeh server

以下是我的Jupyter笔记本中的代码

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笔记本中的闪烁情节，以及新浏览器选项卡中的一个很好的更新图。我想要以下任何一种

Jupyter的一个很好的更新情节，没有闪烁
只是新浏览器标签中的图表

我尝试删除show(my_figure)，但每次更新都会打开一个新标签。我还尝试将刷新率降低到10毫秒period = 10; session.show()效果很好，但笔记本最终崩溃了，因为它无法快速刷新。

如何在Jupyter中获得散景图的良好刷新率？或者我如何关闭Jupyter图并且只有一个选项卡显示更新图？

Answer 1

以下是@ bigreddot评论后修改过的笔记本的代码，该评论使用push_notebook在笔记本中生成更清晰的结果（不需要为绘图运行bokeh serve）。它不使用回调;我不确定这是否有利。因此，如果您希望在新数据点进入时更新绘图，则可以在if data_event:循环的开头添加while语句，然后根据工作情况调整睡眠时间。事件发生率。

官方文档中的

This page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)

注意添加new_data['x'] = x = x[-n_show]（y相同），这样理论上可以无限期地运行而不会填满你的记忆。此外，实际上流式传输某种数据源（可能来自网络）以使其成为更现实的示例会很不错。最后，您可能已经意识到这一点，但是在使用流式图运行单元格之后，内核将被锁定，直到它完成或被中断;你不能执行额外的单元格/代码。如果你想拥有分析/控制功能，它们应该进入while循环。

Answer 2

@Steven C. Howell

受您的示例启发，我通过使用非阻塞回调函数对其进行了修改。它不使用add_periodic_callback，因为此功能在jupyter笔记本（mentioned in the Bokeh documention）中不起作用。但是，在使用Jupyter笔记本电脑时能够进行非阻塞数据流传输可能会很有用。

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()

其优点在于，无限数据流不会阻止后续单元执行：

# ------------------- 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

如何以高刷新率将数据流式传输到Jupyter中的Bokeh图？

2 个答案: