初步 8: 提供和过滤数据#
在之前的初步指南中，您使用了不同的方法来显示和导出您的可视化。
在本节中，您将使用各种来源和结构来导入和过滤数据。
使用 ColumnDataSource#
ColumnDataSource是 Bokeh 自己的数据结构。有关 ColumnDataSource 的详细信息，请参阅用户指南中的ColumnDataSource。
到目前为止，您已经使用过诸如 Python 列表和 NumPy 数组之类的数据序列来将数据传递给 Bokeh。Bokeh 已经自动将这些列表转换为 ColumnDataSource 对象。
按照以下步骤直接创建 ColumnDataSource
首先，导入
ColumnDataSource。接下来，创建一个包含您的数据的 dict：dict 的键是列名（字符串）。dict 的值是数据列表或数组。
然后，将您的 dict 作为
data参数传递给ColumnDataSource然后，您可以将您的
ColumnDataSource用作渲染器的source。
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
# create dict as basis for ColumnDataSource
data = {'x_values': [1, 2, 3, 4, 5],
'y_values': [6, 7, 2, 3, 6]}
# create ColumnDataSource based on dict
source = ColumnDataSource(data=data)
# create a plot and renderer with ColumnDataSource data
p = figure(height=250)
p.scatter(x='x_values', y='y_values', size=20, source=source)
show(p)
另请参阅
有关 Bokeh 的 ColumnDataSource 的更多信息，请参阅用户指南中的ColumnDataSource和参考指南中的ColumnDataSource。
有关向 ColumnDataSource 添加数据的信息，请参阅向 ColumnDataSource 追加数据。有关替换 ColumnDataSource 数据的信息，请访问用户指南中的替换 ColumnDataSource 中的数据。
有关使用 Python 列表的更多信息，请参阅使用 Python 列表提供数据。有关将 NumPy 数据与 Bokeh 一起使用的更多信息，请参阅提供 NumPy 数据。
转换 pandas 数据#
要使用来自 pandas DataFrame 的数据，请将您的 pandas 数据传递给 ColumnDataSource
source = ColumnDataSource(df)
另请参阅
有关在 Bokeh 中使用 pandas 数据的更多信息，请参阅用户指南中的使用数据帧。这包括有关使用 pandas DataFrame、MultiIndex 和 GroupBy 数据的信息。
Polars、PyArrow 以及 Narwhals 支持的任何其他 eager dataframe 也可以传递给 ColumnDataSource。
过滤数据#
Bokeh 带有各种过滤方法。如果您想创建 ColumnDataSource 中包含的数据的特定子集，请使用这些过滤器。
在 Bokeh 中，这些过滤后的子集称为“视图”。视图由 Bokeh 的 CDSView 类表示。
要使用过滤后的数据子集进行绘图，请将 CDSView 对象传递给渲染器的 view 参数。
CDSView 对象具有一个属性
filter：Filter模型的实例
最简单的过滤器是 IndexFilter。IndexFilter 使用索引位置列表，并创建一个仅包含位于这些索引位置的数据点的视图。
例如，如果您的 ColumnDataSource 包含五个值的列表，并且您应用一个带有 [0,2,4] 的 IndexFilter，则生成的 view 仅包含原始列表的第一个、第三个和第五个值
from bokeh.layouts import gridplot
from bokeh.models import CDSView, ColumnDataSource, IndexFilter
from bokeh.plotting import figure, show
# create ColumnDataSource from a dict
source = ColumnDataSource(data=dict(x=[1, 2, 3, 4, 5], y=[1, 2, 3, 4, 5]))
# create a view using an IndexFilter with the index positions [0, 2, 4]
view = CDSView(filter=IndexFilter([0, 2, 4]))
# setup tools
tools = ["box_select", "hover", "reset"]
# create a first plot with all data in the ColumnDataSource
p = figure(height=300, width=300, tools=tools)
p.scatter(x="x", y="y", size=10, hover_color="red", source=source)
# create a second plot with a subset of ColumnDataSource, based on view
p_filtered = figure(height=300, width=300, tools=tools)
p_filtered.scatter(x="x", y="y", size=10, hover_color="red", source=source, view=view)
# show both plots next to each other in a gridplot layout
show(gridplot([[p, p_filtered]]))