Bokeh教程：运行Bokeh应用

旺德福居 2020-06-04

1041

本文翻译自 bokeh/bokeh-notebooks 项目，并经过修改。

Bokeh 的体系结构是在 Python 中创建高级 “模型对象”（表示 plots, ranges, axes, glyphs 等），然后转换为客户端库 BokehJS 使用的 JSON 格式。使用 Bokeh 服务器，可以使 python 和浏览器中的“模型对象”彼此保持同步，从而创建强大的功能：

利用 Python 的全部功能通过计算或查询来响应浏览器中生成的 UI 和工具事件
在浏览器中自动推送更新用户界面（即控件或绘图）
使用定期，超时和异步回调来驱动流更新

这种在 python 和浏览器之间进行同步的功能是 Bokeh Server 的主要目的。

from bokeh.io import output_notebook, show
output_notebook()
复制

Notebook 中的 Bokeh 应用

在 Notebook 中嵌入 Bokeh 应用程序的最简单方法是创建一个函数 modify_doc(doc)
，该功能创建Bokeh 内容并将其添加到文档中。这个函数可以传递给 show
，并且该函数定义的应用将内联显示。下面是一个简短的完整示例

from bokeh.layouts import column
from bokeh.models import TextInput, Button, Paragraph

def modify_doc(doc):
    
    # 创建一些控件
    button = Button(label="Say HI")
    input = TextInput(value="Bokeh")
    output = Paragraph()

    # 为控件添加回调函数
    def update():
        output.text = "Hello, " + input.value
    button.on_click(update)

    # 为所有对象创建布局
    layout = column(button, input, output)

    # 将布局添加到当前的文档
    doc.add_root(layout)
    
# 在笔记本中，只需传递定义应用的函数即可显示
# 您可能需要提供笔记本网址，例如，notebook_url="http://localhost:8889"
show(modify_doc)
复制

练习

在此示例中添加一个选择小部件，该小部件提供了几种不同的问候

使用 `bokeh serve`
的 Bokeh 应用

也可以通过创建标准的 Python 脚本来定义 Bokeh 应用程序。在这种情况下，无需创建类似 modify_doc
的函数。通常，脚本应该只创建所有 bokeh 内容，然后将其添加到文档中，如下所示：

curdoc().add_root(layout)

复制

要尝试以下示例，请将代码复制到文件 hello.py
中，然后执行：

bokeh serve --show hello.py

复制

注意：以下练习需要在 Notebook 外部进行操作

# hello.py

from bokeh.io import curdoc
from bokeh.layouts import column
from bokeh.models.widgets import TextInput, Button, Paragraph

# create some widgets
button = Button(label="Say HI")
input = TextInput(value="Bokeh")
output = Paragraph()

# add a callback to a widget
def update():
    output.text = "Hello, " + input.value
button.on_click(update)

# create a layout for everything
layout = column(button, input, output)

# add the layout to curdoc
curdoc().add_root(layout)

复制

将此代码复制到脚本 hello.py
并在 Bokeh 服务器上运行。

链接绘图和控件

让我们看一个更复杂的示例，该示例将几个控件链接到一个图。

from numpy.random import random

from bokeh.layouts import column, row
from bokeh.plotting import figure
from bokeh.models import ColumnDataSource, Select, TextInput

def get_data(N):
    return dict(
        x=random(size=N),
        y=random(size=N),
        r=random(size=N) * 0.03
    )

COLORS = [
    "black",
    "firebrick",
    "navy",
    "olive",
    "goldenrod"
]

def modify_doc(doc):
    source = ColumnDataSource(data=get_data(200))

    p = figure(
        tools="",
        toolbar_location=None
    )
    r = p.circle(
        x='x',
        y='y',
        radius='r',
        source=source,
        color="navy",
        alpha=0.6,
        line_color="white"
    )
    
    select = Select(
        title="Color",
        value="navy",
        options=COLORS
    )
    input = TextInput(
        title="Number of points",
        value="200"
    )

    def update_color(attrname, old, new):
        r.glyph.fill_color = select.value
    select.on_change(
        'value',
        update_color
    )

    def update_points(attrname, old, new):
        N = int(input.value)
        source.data = get_data(N)
    input.on_change(
        'value',
        update_points
    )

    layout = column(
        row(
            select,
            input,
            width=400
        ),
        row(p)
    )

    doc.add_root(layout)

show(modify_doc)
复制

练习

添加更多控件以更改此图的更多方面

流数据

通过使用 stream
方法可以有效地将新数据流式传输到列数据源。此方法接受两个参数：

new_data
— 与列数据源具有相同结构的字典
rollover
— 客户端上的最大列长度（之前的数据已删除）[可选]

如果未指定 rollover
，则数据永远不会在客户端上丢弃，并且列会无限增长。

与流数据结合使用定期回调通常很有用。 curdoc()
的 add_periodic_callback
方法接受回调函数，并有一个时间间隔（以毫秒为单位）重复执行回调。

from math import cos, sin

from bokeh.models import ColumnDataSource

def modify_doc(doc):
    p = figure(match_aspect=True)
    p.circle(
        x=0,
        y=0,
        radius=1,
        fill_color=None,
        line_width=2
    )
    
    # 这只是为了帮助 auto-datarange
    p.rect(
        0, 0, 2, 2,
        alpha=0
    )

    # 这是我们将流式传输到的数据源
    source = ColumnDataSource(
        data=dict(
            x=[1],
            y=[0]
        )
    )
    p.circle(
        x='x',
        y='y',
        size=12,
        fill_color='white',
        source=source
    )

    def update():
        x, y = source.data['x'][-1], source.data['y'][-1]

        # 为所有列构造新值，然后传递给流
        new_data = dict(
            x=[x*cos(0.1) - y*sin(0.1)],
            y=[x*sin(0.1) + y*cos(0.1)]
        )
        source.stream(
            new_data,
            rollover=8
        )

    doc.add_periodic_callback(update, 150)
    doc.add_root(p)
    
show(modify_doc)
复制

练习

从上面的示例开始，创建自己的流图

Bokeh 列数据源还支持 patch
方法，该方法可用于有效地更新数据子集。

目录格式应用程序和模板

Bokeh 应用程序也可以使用目录格式进行定义。这种格式允许使用额外的模块，数据文件，模板，主题文件和其他功能。该目录应包含一个 main.py
，这是该应用程序的 “入口点”，但是还包含其他部分：

myapp
   |
   +---main.py
   +---server_lifecycle.py
   +---static
   +---theme.yaml
   +---templates
        +---index.html

复制

用户指南的 目录格式 部分提供了更多信息。

https://bokeh.pydata.org/en/latest/docs/user_guide/server.html#directory-format

在以下位置查看完整的复杂示例：

https://github.com/bokeh/bokeh/tree/master/examples/app/dash

提示和技巧

真正的 Python 需要 Bokeh 服务器应用。它们不能与 output_file
，components
或其他生成独立输出的函数一起工作。独立内容只能使用 CustomJS
回调。
尽可能尝试 “一次全部” 更新数据源，即首选下面的方式：
```
source.data = new_data_dict  # GOOD

复制
```
而不是按顺序更新各个列：
```
# LESS GOOD
source.data['foo'] = new_foo_column
source.data['bar'] = new_bar_column

复制
```
如果新列的长度与旧列完全相同，则按顺序更新将触发额外的更新，并可能导致不好的视觉效果。如果新列的长度与旧列的长度不同，则更新”一次全部”是强制性的。
每次启动会话时，Bokeh 服务器都会运行脚本（或 modify_doc
）函数，并且运行的代码每次必须返回全新的 Bokeh 对象。无法在会话之间共享 Bokeh 对象。作为一个具体示例，请不要这样做：
```
source = ColumnDataSource(data)  # VERY BAD - global outside modify_doc
    
def modify_doc(doc):
    p = figure()
    p.circle('x', 'y', source=source)
    doc.add_root(p)
    

复制
```
如果脚本从单独的模块导入全局 Bokeh 对象（由于 Python 缓存导入的方式），脚本将发生类似的情况。