开始先一波标准导入

from bokeh.io import output_notebook, show
from bokeh.plotting import figure   
output_notebook()

画布设置

# create a new plot with a title
p = figure(plot_width=400, plot_height=400)
p.outline_line_width = 7
p.outline_line_alpha = 0.3
p.outline_line_color = "navy"

p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)

show(p)

bokeh_plot (5).png

针对画布设置可以通过属性.outline_line_width, .outline_line_alpha, .outline_line_color 等进行配置。
类似的还有.background_fill_color, .border_fill_color 等等
总而言之， 针对画布的设置， 都通过figure下的参数进行配置。

标记符号设置

p = figure(plot_width=400, plot_height=400)

# keep a reference to the returned GlyphRenderer
r = p.circle([1,2,3,4,5], [2,5,8,2,7])

r.glyph.size = 50
r.glyph.fill_alpha = 0.2
r.glyph.line_color = "firebrick"
r.glyph.line_dash = [5, 1]
r.glyph.line_width = 2

show(p)

bokeh_plot (6).png

针对标记的设置， 就是配置当前标记下的.glyph对象下的属性, 如上例子配置标记的大小就使用r.glyph.size = 50; 配置标记边缘虚线样式就使用r.glyph.line_dash = [5, 1], 意思是每6个单位的边缘线， 有一个单位为透明的。
总而言之， 与画布设置如出一辙， 设置标记就使用标记下的配置项。

选择与非选择下的动态展示

p = figure(plot_width=400, plot_height=400, tools="tap", title="Select a circle")
renderer = p.circle([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=50,

                    # set visual properties for selected glyphs
                    selection_color="firebrick",

                    # set visual properties for non-selected glyphs
                    nonselection_fill_alpha=0.2,
                    nonselection_fill_color="grey",
                    nonselection_line_color="firebrick",
                    nonselection_line_alpha=1.0)

show(p)

selection.PNG

既然我们选择的是图片上的标记符号， 所以随着选择的改变， 展示的变化也是标记符号本身。
按照一贯的套路， 这种配置也应该配入“标记符号”。
上一段代码展示的配置方法是在标记符号初始化的时候， 以参数的形式进行配置。
我们也可以在初始化之后， 再配置， 如下一段代码：

from bokeh.models.glyphs import Circle, Square
 
p = figure(plot_width=400, plot_height=400, tools="tap", title="Select a circle")
renderer = p.circle([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=50)
renderer.selection_glyph = Circle(fill_alpha = 1, fill_color="yellow", line_color = None)
renderer.nonselection_glyph = Circle(fill_alpha = 0.2, fill_color = "green", line_color = "yellow")
show(p)

selection_1.PNG

悬停动态响应

from bokeh.models.tools import HoverTool
from bokeh.sampledata.glucose import data

subset = data.loc['2010-10-06']

x, y = subset.index.to_series(), subset['glucose']

# Basic plot setup
p = figure(width=600, height=300, x_axis_type="datetime", title='Hover over points')

p.line(x, y, line_dash="4 4", line_width=1, color='gray')

cr = p.circle(x, y, size=20,
              fill_color="grey", hover_fill_color="firebrick",
              fill_alpha=0.05, hover_alpha=0.3,
              line_color=None, hover_line_color="white")

p.add_tools(HoverTool(tooltips=None, renderers=[cr], mode='hline'))

show(p)  

Hover.png

上面案例的本质是：
1、画布准备与之前的样例一样
2、作图时， 首先画一条虚线， 固定的， 没有动态反应
3、在与虚线相同的位置上， 再画一层很透明的圆形标记。 这层圆形标记会对悬浮指针作出反应。

对悬停起反应的标记符号为:

cr = p.circle(x, y, size=20,
              fill_color="grey", hover_fill_color="firebrick",
              fill_alpha=0.05, hover_alpha=0.3,
              line_color=None, hover_line_color="white")

左侧没有hover开头的配置项即普通状态下的样式， 右侧hover开头的配置项即被悬停指定标记所展现的样式。

坐标轴

坐标轴的样式设计， 也是在配置画布的时候进行配置。 比如:

p.xaxis.axis_label = "Temperature"
p.axis.major_label_text_color = "orange"

坐标轴参数

针对坐标轴的参数很多，不过通过配置项的前缀， 我们可以将他们大致归类:

• axis 坐标轴(线)配置项， 例如: axis_line_width
• axis_label 坐标轴(文字)配置项， 例如: axis_label_text_color, axis_label_standoff
• major_label 坐标轴(文字)配置项， 例如: major_label_text_font_size, major_label_orientation
• major_tick 坐标轴(线)配置项， 例如: major_tick_line_dash, major_tick_in, major_tick_out
• minor_tick 坐标轴(线)配置项， 例如: minor_tick_line_width, minor_tick_in, minor_tick_out

from math import pi

p = figure(plot_width=400, plot_height=400)
p.x([1,2,3,4,5], [2,5,8,2,7], size=10, line_width=2)

p.xaxis.major_label_orientation = pi/4
p.yaxis.major_label_orientation = "vertical"

show(p)

bokeh_plot (7).png

p = figure(plot_width=400, plot_height=400)
p.asterisk([1,2,3,4,5], [2,5,8,2,7], size=12, color="olive")

# change just some things about the x-axes
p.xaxis.axis_label = "Temp"
p.xaxis.axis_line_width = 3
p.xaxis.axis_line_color = "red"

# change just some things about the y-axes
p.yaxis.axis_label = "Pressure"
p.yaxis.major_label_text_color = "orange"
p.yaxis.major_label_orientation = "vertical"

# change things on all axes
p.axis.minor_tick_in = -3
p.axis.minor_tick_out = 6

show(p)

bokeh_plot (8).png

总而言之， 以p.axis开头的配置， 是针对横竖坐标同时作用的配置； 以p.xaxis开头的配置都是针对x轴进行的配置；同样的， 以p.yaxis开头的配置都是针对y轴的配置。
再之后的配置项，以axis开头的都是针对坐标轴本身的配置。 比如p.xaxis.axis_labelx轴的标题。带有label的标签是针对坐标轴刻度的配置项，比如p.yaxis.major_label_orientationy坐标刻度的朝向。

刻度配置项

from math import pi
from bokeh.sampledata.glucose import data

week = data.loc['2010-10-01':'2010-10-08']

p = figure(x_axis_type="datetime", title="Glocose Range", plot_height=350, plot_width=800)
p.xaxis.formatter.days = '%m/%d/%Y'
p.xaxis.major_label_orientation = pi/3

p.line(week.index, week.glucose)

show(p)

bokeh_plot (9).png

上面列子可以看出， 时间戳时间默认为月份/日期，但我们可以通过配置格式p.xaxis.formatter.days = '%m/%d/%Y'使得x轴的时间显示为月份/日期/年份。 同时由于配置项p.xaxis.major_label_orientation = pi/3使得时间刻度的显示倾斜1/3个π的角度。

from bokeh.models import NumeralTickFormatter

p = figure(plot_height=300, plot_width=800)
p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis.formatter = NumeralTickFormatter(format="0.0%")
p.yaxis.formatter = NumeralTickFormatter(format="$0.00")

show(p)

bokeh_plot (10).png

上例子中， x, y 轴的刻度都是数字， 通过NumeralTickFormatter定义其格式。

网格的设置

p = figure(plot_width=400, plot_height=400)
p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)

# change just some things about the x-grid
p.xgrid.grid_line_color = None

# change just some things about the y-grid
p.ygrid.grid_line_alpha = 0.5
p.ygrid.grid_line_dash = [6, 4]

show(p)

bokeh_plot (11).png

p.xgrid.grid_line_color = None 意味着x轴刻度延长方向、竖向网格线不显示
p.ygrid.grid_line_alpha = 0.5 意味着y轴刻度延长方向，横向网格线半透明
p.ygrid.grid_line_dash = [6, 4] 意味着y轴刻度延长方向，横向网格线程虚线形式

p = figure(plot_width=400, plot_height=400)
p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)

# change just some things about the x-grid
p.xgrid.grid_line_color = None

# change just some things about the y-grid
p.ygrid.band_fill_alpha = 0.1
p.ygrid.band_fill_color = "navy"

show(p)  

bokeh_plot (12).png

p.xgrid.grid_line_color = None x轴刻度延长线、竖向网格线不显示
p.ygrid.band_fill_alpha = 0.1 y轴刻度延长线、向横向网格填充颜色，0.1的透明度
p.ygrid.band_fill_color = "navy" 填充的颜色为深蓝色

下一篇: 三、数据源的定义与转化