如何在bokeh / holoviews热图图中正确处理日期时间和分类轴?

时间:2019-07-09 13:22:51

标签: python plotly bokeh heatmap holoviews

我正在尝试使用bokeh / holoviews绘制一个简单的热图。我的数据(pandas数据框)具有分类(在y上)和日期时间(在x上)。问题在于分类元素的数量> 3000,并且结果图在y轴上显示出混乱的重叠行情线,使其完全无用。当前,在bokeh中是否有可靠的方法可以根据缩放级别仅选择股票行情的一部分?

我已经进行了密谋,结果看起来很完美,但是我需要使用bokeh / holoviews和datashader。我还希望避免用数字行情自动收录器替换类别。

我也尝试过此solution,但实际上不起作用(散景1.2.0)。

这是一个代表我的用例的玩具示例(实际上,这里的#y是1000,但给出了这个主意)

from datetime import datetime
import pandas as pd
import numpy as np
from bokeh.plotting import figure, show
from bokeh.transform import linear_cmap
from bokeh.io import output_notebook

output_notebook()

# build sample data
index = pd.date_range(start='1/1/2019', periods=1000, freq='T')
data = np.random.rand(1000,100)
columns = ['col'+ str(n) for n in range(100)]

# initial data format
df = pd.DataFrame(data=data, index=index, columns=columns)

# bokeh
df = df.stack().reset_index()
df.rename(columns={'level_0':'x','level_1':'y', 0:'z'},inplace=True)
df.sort_values(by=['y'],inplace=True)

x = [
     date.to_datetime64().astype('M8[ms]').astype('O')
     for date in df.x.to_list()
]

data = {
    'value': df.z.to_list(),
    'x': x,
    'y': df.y.to_list(), 
    'date' : df.x.to_list()
}

p = figure(x_axis_type='datetime', y_range=columns, width=900, tooltips=[("x", "@date"), ("y", "@y"), ("value", "@value")])

p.rect(x='x', y='y', width=60*1000, height=1, line_color=None, 
                   fill_color=linear_cmap('value', 'Viridis256', low=df.z.min(), high=df.z.max()), source=data)

show(p)

这是在Plotly中获得的预期结果

plotly

这是在散景中获得的结果

bokeh

1 个答案:

答案 0 :(得分:1)

最后,我部分遵循了James的建议,并设法通过对代码的python回调使它起作用。这个解决方案对我来说很难找到。我确实搜索了几天的所有Bokeh文档,示例和源代码。

对我来说,主要问题是在文档中未提及如何在自定义回调中使用“ ColumnDataSource”对象。 https://bokeh.pydata.org/en/1.2.0/docs/reference/models/formatters.html#bokeh.models.formatters.FuncTickFormatter.from_py_func

最后,这很有帮助:https://bokeh.pydata.org/en/1.2.0/docs/user_guide/interaction/callbacks.html#customjs-with-a-python-function

因此,我对原始代码进行了如下修改,希望它对某人有用:

from datetime import datetime
import pandas as pd
import numpy as np
from bokeh.plotting import figure, show
from bokeh.transform import linear_cmap
from bokeh.io import output_notebook
from bokeh.models import FuncTickFormatter
from bokeh.models import ColumnDataSource

output_notebook()

# build sample data
index = pd.date_range(start='1/1/2019', periods=1000, freq='T')
data = np.random.rand(1000,100)
columns_labels = ['col'+ str(n) for n in range(100)]
columns = [n for n in range(100)]

# initial data format
df = pd.DataFrame(data=data, index=index, columns=columns)

# bokeh
df = df.stack().reset_index()
df.rename(columns={'level_0':'x','level_1':'y', 0:'z'},inplace=True)
df.sort_values(by=['y'],inplace=True)

x = [
     date.to_datetime64().astype('M8[ms]').astype('O')
     for date in df.x.to_list()
]

data = {
    'value': df.z.to_list(),
    'x': x,
    'y': df.y.to_list(), 
    'y_labels_tooltip' : [columns_labels[k] for k in df.y.to_list()],
    'y_ticks' : columns_labels*1000,
    'date' : df.x.to_list()
}

cd = ColumnDataSource(data=data)

def ticker(source=cd):
    labels = source.data['y_ticks']
    return "{}".format(labels[tick])

#p = figure(x_axis_type='datetime', y_range=columns, width=900, tooltips=[("x", "@date{%F %T}"), ("y", "@y_labels"), ("value", "@value")])

p = figure(x_axis_type='datetime', width=900, tooltips=[("x", "@date{%F %T}"), ("y", "@y_labels_tooltip"), ("value", "@value")])

p.rect(x='x', y='y', width=60*1000, height=1, line_color=None, 
                   fill_color=linear_cmap('value', 'Viridis256', low=df.z.min(), high=df.z.max()), source=cd)

p.hover.formatters = {'date': 'datetime'}
p.yaxis.formatter = FuncTickFormatter.from_py_func(ticker)
p.yaxis[0].ticker.desired_num_ticks = 20

show(p)

结果是这样的:

Bokeh