范围和坐标轴

坐标轴范围

默认自动范围调整

默认情况下，Bokeh 尝试自动设置绘图的数据边界，以紧密贴合所有可用的数据。此自动范围调整由 DataRange1d 模型执行，这些模型是绘图的 x_range 和 y_range 属性的默认值。

窗口化的自动范围调整

有时，您可能希望一个坐标轴上的自动范围调整仅基于当前由另一个坐标轴的范围定义的视口内的内容。例如，如果您在 x 方向平移一个长的时间序列，并希望 y 轴调整其范围以仅适应屏幕上显示的内容。

这可以通过设置绘图上的 window_axis 属性来实现。在上述情况下，要使 x 轴定义 y 轴自动范围调整的窗口，您可以设置

p.window_axis = "x"

有关完整示例，请参见 range_tool.py。

手动设置范围

在其他时候，您可能需要显式设置绘图的范围。为此，请使用 Range1d 对象设置 x_range 和/或 y_range 属性，该对象允许您设置所需范围的起始和结束点。

p.x_range = Range1d(0, 100)

为了方便起见，figure() 函数还可以接受 (start, end) 元组作为 x_range 或 y_range 参数的值。以下是如何使用这两种方法来设置范围

from bokeh.models import Range1d
from bokeh.plotting import figure, show

# create a new plot with a range set with a tuple
p = figure(width=400, height=400, x_range=(0, 20))

# set a range using a Range1d
p.y_range = Range1d(0, 15)

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

show(p)

范围还具有 bounds 属性，该属性允许您指定绘图的限制，用户无法在这些限制之外平移或缩放。

# set a range using a Range1d
p.y_range = Range1d(0, 15, bounds=(0, None))

坐标轴类型

以上所有示例都使用默认的线性轴。此轴适用于需要在线性尺度上显示数值数据的绘图。但是，您可能具有分类数据，或者需要在日期时间或对数尺度上显示数值数据。本节介绍在使用 bokeh.plotting 接口时如何指定坐标轴类型。

分类轴

要创建分类轴，请为绘图的范围之一指定 FactorRange 或要转换为范围的因子列表。这是一个例子

from bokeh.plotting import figure, show

factors = ["a", "b", "c", "d", "e", "f", "g", "h"]
x = [50, 40, 65, 10, 25, 37, 80, 60]

p = figure(y_range=factors)

p.scatter(x, factors, size=15, fill_color="orange", line_color="green", line_width=3)

show(p)

日期时间轴

注意

本节中的示例需要网络连接，并依赖于开源 Pandas 库来呈现真实的时间序列数据。

对于时间序列或任何涉及日期或时间的数据，您可能希望使用带有适用于不同日期和时间刻度的标签的坐标轴。

figure() 函数接受 x_axis_type 和 y_axis_type 作为参数。要指定日期时间轴，请为其中一个参数的值传递 "datetime"。

import pandas as pd

from bokeh.plotting import figure, show
from bokeh.sampledata.stocks import AAPL

df = pd.DataFrame(AAPL)
df['date'] = pd.to_datetime(df['date'])

# create a new plot with a datetime axis type
p = figure(width=800, height=250, x_axis_type="datetime")

p.line(df['date'], df['close'], color='navy', alpha=0.5)

show(p)

注意

未来版本的 Bokeh 将尝试自动检测何时日期时间轴是合适的，并自动添加它们。

对数刻度轴

呈指数增长或跨越多个数量级的数据通常需要一个轴采用对数刻度。对于具有幂律关系的数据，您可能希望在两个轴上都使用对数刻度。

您可以使用相同的 figure() 参数 x_axis_type 和 y_axis_type，将一个或两个轴设置为 "log"。

默认情况下，Bokeh 计算对数轴范围以适应正值数据。有关如何设置您自己的范围的信息，请参见 手动设置范围。

from bokeh.plotting import figure, show

x = [0.1, 0.5, 1.0, 1.5, 2.0, 2.5, 3.0]
y = [10**xx for xx in x]

# create a new plot with a log axis type
p = figure(width=400, height=400, y_axis_type="log")

p.line(x, y, line_width=2)
p.scatter(x, y, fill_color="white", size=8)

show(p)

墨卡托轴

墨卡托轴对于瓦片源很有用。您可以使用相同的 figure() 参数 x_axis_type 和 y_axis_type，将一个或两个轴设置为 "mercator"。

from bokeh.plotting import figure, show

# range bounds supplied in web mercator coordinates
p = figure(x_range=(-2000000, 2000000), y_range=(1000000, 7000000),
           x_axis_type="mercator", y_axis_type="mercator")

p.add_tile("CartoDB Positron", retina=True)

show(p)

双轴

您可以向单个绘图添加表示不同范围的多个轴。为此，请在 extra_x_range 和 extra_y_range 属性中配置具有“额外”命名范围的绘图。然后，您可以在添加新的字形方法以及使用 Plot 的 add_layout 方法添加新的轴对象时引用这些命名范围。这是一个例子

from numpy import arange, linspace, pi, sin

from bokeh.layouts import column
from bokeh.models import (CustomJS, LinearAxis, Range1d, Select,
                          WheelZoomTool, ZoomInTool, ZoomOutTool)
from bokeh.palettes import Sunset6
from bokeh.plotting import figure, show

x = arange(-2*pi, 2*pi, 0.2)
y = sin(x)
y2 = linspace(0, 100, len(x))

blue, red = Sunset6[2], Sunset6[5]

p = figure(x_range=(-2*pi, 2*pi), y_range=(-1, 1), tools="pan,box_zoom,save,reset")
p.background_fill_color = "#fafafa"

blue_circles = p.scatter(x, y, line_color="black", fill_color=blue, size=12)
p.axis.axis_label = "light blue circles"
p.axis.axis_label_text_color = blue

p.extra_x_ranges['foo'] = Range1d(-2*pi, 2*pi)
p.extra_y_ranges['foo'] = Range1d(0, 100)
red_circles = p.scatter(x, y2, color=red, size=8,
    x_range_name="foo",
    y_range_name="foo",
)

ax2 = LinearAxis(
    axis_label="red circles",
    x_range_name="foo",
    y_range_name="foo",
)
ax2.axis_label_text_color = red
p.add_layout(ax2, 'left')

ax3 = LinearAxis(
    axis_label="red circles",
    x_range_name="foo",
    y_range_name="foo",
)
ax3.axis_label_text_color = red
p.add_layout(ax3, 'below')

wheel_zoom = WheelZoomTool()
p.add_tools(wheel_zoom)

p.toolbar.active_scroll = wheel_zoom

zoom_in_blue = ZoomInTool(renderers=[blue_circles], description="Zoom in blue circles")
zoom_out_blue = ZoomOutTool(renderers=[blue_circles], description="Zoom out blue circles")
p.add_tools(zoom_in_blue, zoom_out_blue)

zoom_in_red = ZoomInTool(renderers=[red_circles], description="Zoom in red circles")
zoom_out_red = ZoomOutTool(renderers=[red_circles], description="Zoom out red circles")
p.add_tools(zoom_in_red, zoom_out_red)

select = Select(title="Zoom together:", options=["none", "cross", "all"], value=wheel_zoom.zoom_together)
select.js_on_change("value", CustomJS(
    args=dict(select=select, wheel_zoom=wheel_zoom),
    code="""\
export default ({select, wheel_zoom}) => {
  wheel_zoom.zoom_together = select.value
}
""",
))
show(column(select, p))

固定位置轴

默认情况下，Bokeh 将轴放置在绘图的侧面，但是可以通过设置其 fixed_location 属性将轴放置在沿范围的任何位置

import numpy as np

from bokeh.plotting import figure, show

x = np.linspace(-6, 6, 500)
y = 8*np.sin(x)*np.sinc(x)

p = figure(width=800, height=300, title="", tools="",
           toolbar_location=None, match_aspect=True)

p.line(x, y, color="navy", alpha=0.4, line_width=4)
p.background_fill_color = "#efefef"
p.xaxis.fixed_location = 0
p.yaxis.fixed_location = 0

show(p)