Question

注意：这个问题涉及第一代＆＃34; Bokeh服务器，已被弃用和删除了几年。此问题或其答案中的任何内容均与任何版本的Bokeh相关＆gt; = 0.11

有关使用现代支持的Bokeh服务器的详细信息，请参阅“用户指南”的Running a Bokeh Server章节。

我试图了解Bokeh我正在构建的互动应用。我正在查看Bokeh examples，我发现大多数示例都是在全局命名空间中编写的，但是＆＃34; app＆＃34;子目录以一种漂亮的，面向对象的风格编写，其中主类来自像HBox这样的Property类。

这将是一个混乱的问题，因为我不认为这种编程方式Bokeh有很好的记录。我遇到的第一件事是除非我包括extra_generated_classes，否则情节不会被绘制。

extra_generated_classes做什么？

其次，看起来事件循环setup_events在create之前启动时调用，并且随后每次情节触发事件时都会调用。
为什么每次触发事件时setup_events都需要注册回调？为什么在第一次尝试注册之前，它是否等待创建完成？

我不确定的最后一件事是如何在这里强制重绘一个字形。滑块演示适用于我，我尝试基本上做同样的事情，除了散点图而不是线。

我在update_data的最后设置了一个pdb跟踪，我可以保证self.source匹配self.plot.renderers[-1].data_source，并且两者都从一开始就进行了调整。但是，self.plot本身并没有改变。
面向对象的方法是什么相当于调用store_objects来更新绘图？

我对第三个问题特别困惑，因为它看起来不像sliders_app示例需要这样的东西。为了澄清，我试图制作可变数量的小部件/滑块，所以这就是我的代码：

类属性：

extra_generated_classes = [['ScatterBias', 'ScatterBias', 'HBox']]
maxval = 100.0

inputs = Instance(bkw.VBoxForm)
outputs = Instance(bkw.VBoxForm)
plots = Dict(String, Instance(Plot))
source = Instance(ColumnDataSource)


cols = Dict(String, String)
widgets = Dict(String, Instance(bkw.Slider))
# unmodified source
df0 = Instance(ColumnDataSource)

初始化方法

@classmethod
def create(cls):
    obj = cls()

    ##############################
    ## load DataFrame
    ##############################
    df = pd.read_csv('data/crime2013_tagged_clean.csv', index_col='full_name')
    obj.cols = {'x': 'Robbery', 
            'y': 'Violent crime total',
            'pop': 'Population'
            }

    cols = obj.cols

    # only keep interested values
    df2= df.ix[:, cols.values()]

    # drop empty rows
    df2.dropna(axis=0, inplace=True)

    df0 = df2.copy()
    df0.reset_index(inplace=True)
    # keep copy of original data
    obj.source = ColumnDataSource(df2)
    obj.df0 = ColumnDataSource(df0)

    ##############################
    ## draw scatterplot
    ##############################

    obj.plots = {
            'robbery': scatter(x=cols['x'],
                y=cols['y'], 
                source=obj.source,
                x_axis_label=cols['x'],
                y_axis_label=cols['y']),
            'pop': scatter(x=cols['pop'], 
                y=cols['y'], 
                source=obj.source,
                x_axis_label=cols['pop'],
                y_axis_label=cols['y'],
                title='%s by %s, Adjusted by by %s'%(cols['y'], 
                    cols['pop'], cols['pop'])),
        }

    obj.update_data()
    ##############################
    ## draw inputs
    ##############################
    # bokeh.plotting.scatter 
    ## TODO: refactor so that any number of control variables are created
    # automatically. This involves subsuming c['pop'] into c['ctrls'], which
    # would be a dictionary mapping column names to their widget titles 
    pop_slider = obj.make_widget(bkw.Slider, dict(
            start=-obj.maxval, 
            end=obj.maxval, 
            value=0, 
            step=1, 
            title='Population'), 
        cols['pop'])

    ##############################
    ## make layout
    ##############################
    obj.inputs = bkw.VBoxForm(
            children=[pop_slider]
            )

    obj.outputs = bkw.VBoxForm(
            children=[obj.plots['robbery']]
        )

    obj.children.append(obj.inputs)
    obj.children.append(obj.outputs)

    return obj

update_data

def update_data(self):
    """Update y by the amount designated by each slider"""
    logging.debug('update_data')
    c = self.cols
    ## TODO:: make this check for bad input; especially with text boxes
    betas = { 
            varname: getattr(widget, 'value')/self.maxval 
            for varname, widget in self.widgets.iteritems()
            }

    df0 = pd.DataFrame(self.df0.data)
    adj_y = []
    for ix, row in df0.iterrows():
        ## perform calculations and generate new y's
        adj_y.append(self.debias(row))

    self.source.data[c['y']] = adj_y
    assert len(adj_y) == len(self.source.data[c['x']])
    logging.debug('self.source["y"] now contains debiased data')

    import pdb; pdb.set_trace()

请注意，我确信事件处理程序已正确设置并触发。我只是不知道如何使更改后的源数据反映在散点图中。

Answer 1

我正在寻找相同的答案（缺乏文档使其变得困难）。

回答问题＃1，“extra_generated_classes”的效用是什么：

tl; dr extra_generated_classes定义模板生成js / html代码中使用的模块名，类名和父名，并扩展传递给app类的父类（在示例中通常为HBox或VBox）。

更长的答案。查看bokeh / server / utils / plugins.py中的源代码，这是使用--script命令行参数传递给bokeh-server的代码上运行的代码。在plugins.py结束时，您可以看到extra_generated_classes被传递给flask方法render_template，该方法呈现Jinja2模板。在模板中查看oneobj.html，extra_generated_classes是一个包含三个数组的数组的数组：modulename，classname和parentname，它们被传递到bokeh.server.generatejs：

{% block extra_scripts %}
  {% for modulename, classname, parentname in extra_generated_classes %}
  <script
    src="{{ url_for('bokeh.server.generatejs', modulename=modulename, classname=classname, parentname=parentname) }}"
  ></script>
  {% endfor %}
{% endblock %}

bokeh.server.generatejs是bokeh / server / views / plugins.py中的Python代码，只调用render_template作为模板app.js，您可以在散景/服务器/模板中找到它。此模板采用modulename，classname和parentname，并基本上创建js代码，将父名称（例如HBox或VBox）扩展为类名（您的应用程序）。

面向对象的散景的多个问题[OBSOLETE]

1 个答案: