折線圖與面積圖

① 單線圖、多線圖

② 面積圖、堆疊面積圖

1. 折線圖--單線圖

importnumpy as npimportpandas as pdimportmatplotlib.pyplot as plt%matplotlib inlineimportwarnings

warnings.filterwarnings('ignore')#不發出警告

from bokeh.io importoutput_notebook

output_notebook()#導入notebook繪圖模塊

from bokeh.plotting importfigure,show#導入圖表繪制、圖標展示模塊

source = ColumnDataSource(data = df) 這里df中index、columns都必須有名稱字段

p.line(x='index',y='value',source = source, line_width=1, line_alpha = 0.8, line_color = 'black',line_dash = [10,4])

# 繪制折線圖

p.circle(x='index',y='value',source = source, size = 2,color = 'red',alpha = 0.8) # 繪制折點

#1、折線圖 - 單線圖

from bokeh.models importColumnDataSource#導入ColumnDataSource模塊#將數據存儲為ColumnDataSource對象#參考文檔：http://bokeh.pydata.org/en/latest/docs/user_guide/data.html#可以將dict、Dataframe、group對象轉化為ColumnDataSource對象

df= pd.DataFrame({'value':np.random.randn(100).cumsum()})#創建數據

df.index.name = 'index'source= ColumnDataSource(data =df)#轉化為ColumnDataSource對象#這里注意了，index和columns都必須有名稱字段

p= figure(plot_width=600, plot_height=400)

p.line(x='index',y='value',source = source, #設置x，y值, source → 數據源

line_width=1, line_alpha = 0.8, line_color = 'black',line_dash = [10,4]) #線型基本設置#繪制折線圖

p.circle(x='index',y='value',source =source,

size= 2,color = 'red',alpha = 0.8)#繪制折點

show(p)

df.head()

?

可以將dict、Dataframe、group對象轉化為ColumnDataSource對象

dic = {'index':df.index.tolist(), 'value':df['value'].tolist()} #一般把它先變成字典的格式

source = ColumnDataSource(data=dic)

#不轉換為字典也可以，把index提取出來df.index.name = 'a' --->>> source = ColumnDataSource(data = df)

from bokeh.models importColumnDataSource#導入ColumnDataSource模塊#將數據存儲為ColumnDataSource對象#參考文檔：http://bokeh.pydata.org/en/latest/docs/user_guide/data.html#可以將dict、Dataframe、group對象轉化為ColumnDataSource對象

dic= {'index':df.index.tolist(), 'value':df['value'].tolist()} #一般把它先變成字典的格式

source = ColumnDataSource(data=dic)print(source)

p= figure(plot_width=600, plot_height=400)

p.line(x='index',y='value',source = source, #設置x，y值, source → 數據源

line_width=1, line_alpha = 0.8, line_color = 'black',line_dash = [10,4]) #線型基本設置#繪制折線圖

show(p)

df.index.name = 'a' #不轉換為字典也可以，把index提取出來

source = ColumnDataSource(data =df)

p= figure(plot_width=600, plot_height=400)

p.line(x='a',y='value',source = source, #設置x，y值, source → 數據源

line_width=1, line_alpha = 0.8, line_color = 'black',line_dash = [10,4]) #線型基本設置#繪制折線圖

show(p)

df.index.name = 'a'source= ColumnDataSource(data =df)

p=figure()

p.line(x='a',y='value',source = source) #設置x，y值, source → 數據源

show(p)

2. 折線圖--多線圖

① multi_line

p.multi_line([df.index, df.index], [df['A'], df['B']], color=["firebrick", "navy"], alpha=[0.8, 0.6], line_width=[2,1],)

#2、折線圖 - 多線圖#① multi_line

df= pd.DataFrame({'A':np.random.randn(100).cumsum(),"B":np.random.randn(100).cumsum()})#創建數據

p= figure(plot_width=600, plot_height=400)

p.multi_line([df.index, df.index],#第一條線的橫坐標和第二條線的橫坐標

[df['A'], df['B']], #注意x，y值的設置 → [x1,x2,x3,..], [y1,y2,y3,...] 第一條線的Y值和第二條線的Y值

color=["firebrick", "navy"], #可同時設置 → color= "firebrick"；也可以統一弄成一個顏色。

alpha=[0.8, 0.6], #可同時設置 → alpha = 0.6

line_width=[2,1], #可同時設置 → line_width = 2

)#繪制多段線#這里由于需要輸入具體值，故直接用dataframe，或者dict即可

show(p)

② 多個line

p.line(x, 10**(x**2), legend="y=10^(x^2)",line_color="coral", line_dash="dashed", line_width=2)

#2、折線圖 - 多線圖#② 多個line

x= np.linspace(0.1, 5, 100)#創建x值

p= figure(title="log axis example", y_axis_type="log",y_range=(0.001, 10**22))#這里設置對數坐標軸

p.line(x, np.sqrt(x), legend="y=sqrt(x)",

line_color="tomato", line_dash="dotdash")#line1

p.line(x, x, legend="y=x")

p.circle(x, x, legend="y=x")#line2，折線圖+散點圖

p.line(x, x**2, legend="y=x**2")

p.circle(x, x**2, legend="y=x**2",fill_color=None, line_color="olivedrab")#line3

p.line(x,10**x, legend="y=10^x",line_color="gold", line_width=2)#line4

p.line(x, x**x, legend="y=x^x",line_dash="dotted", line_color="indigo", line_width=2)#line5

p.line(x,10**(x**2), legend="y=10^(x^2)",line_color="coral", line_dash="dashed", line_width=2)#line6

p.legend.location= "top_left"p.xaxis.axis_label= 'Domain'p.yaxis.axis_label= 'Values (log scale)'

#設置圖例及label

show(p)

3. 面積圖

#3、面積圖 - 單維度面積圖

s= pd.Series(np.random.randn(100).cumsum())

s.iloc[0]=0

s.iloc[-1] =0#創建數據#注意設定起始值和終點值為最低點

p = figure(plot_width=600, plot_height=400)

p.patch(s.index, s.values,#設置x，y值

line_width=1, line_alpha = 0.8, line_color = 'black',line_dash = [10,4], #線型基本設置

fill_color = 'black',fill_alpha = 0.2)#繪制面積圖#.patch將會把所有點連接成一個閉合面

show(p)

p.circle(s.index, s.values,size = 5,color = 'red',alpha = 0.8)#繪制折點

#3、面積圖 - 面積堆疊圖

from bokeh.palettes importbrewer#導入brewer模塊

N= 20cats= 10 #分類

rng = np.random.RandomState(1)

df= pd.DataFrame(rng.randint(10, 100, size=(N, cats))).add_prefix('y')#創建數據，shape為(20，10)

df_top = df.cumsum(axis=1) #每一個堆疊面積圖的最高點

df_bottom = df_top.shift(axis=1).fillna({'y0': 0})[::-1] #每一個堆疊面積圖的最低點，并反向

df_stack = pd.concat([df_bottom, df_top], ignore_index=True) #數據合并，每一組數據都是一個可以圍合成一個面的散點集合#得到堆疊面積數據#print(df.head())#print(df_top.tail())#print(df_bottom.head())#df_stack

colors= brewer['Spectral'][df_stack.shape[1]] #根據變量數拆分顏色

x = np.hstack((df.index[::-1], df.index)) #得到圍合順序的index，這里由于一列是20個元素，所以連接成面需要40個點

print(x)

p= figure(x_range=(0, N-1), y_range=(0, 700))

p.patches([x]* df_stack.shape[1], #得到10組index

[df_stack[c].values for c in df_stack], #c為df_stack的列名，這里得到10組對應的valyes

color=colors, alpha=0.8, line_color=None) #設置其他參數

show(p)

[19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]

總結

以上是生活随笔為你收集整理的python计算面积折线图_Python交互图表可视化Bokeh：4. 折线图| 面积图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。