为什么散景的情节不会随着情节选择而改变？

Question

正在努力理解为什么这种散景视觉不允许我更改绘图和查看预测数据。 出现绘图和选择（下拉式）菜单，但我无法更改菜单中项目的绘图。

通过 Anaconda 运行 Bokeh 1.2.0。 该代码已在 Jupyter 内部和外部运行。 代码运行时不显示错误。 我已经浏览了一些与同一问题相关的 SO 帖子，但我无法成功应用相同的解决方案。

我不确定如何从中创建一个玩具问题，所以除了下面的代码示例之外，完整的代码（包括回归代码和相应的数据）可以在我的 github 上找到（代码： Regression&Plotting.ipynb ，数据： pred_data.csv ， historical_data.csv ， features_created.pkd ）。

import pandas as pd
import datetime
from bokeh.io import curdoc, output_notebook, output_file
from bokeh.layouts import row, column
from bokeh.models import Select, DataRange1d, ColumnDataSource
from bokeh.plotting import figure

#Must be run from the command line
def get_historical_data(src_hist, drug_id):
    historical_data = src_hist.loc[src_hist['ndc'] == drug_id]
    historical_data.drop(['Unnamed: 0', 'date'], inplace = True, axis = 1)#.dropna()
    historical_data['date'] = pd.to_datetime(historical_data[['year', 'month', 'day']], infer_datetime_format=True)
    historical_data = historical_data.set_index(['date'])
    historical_data.sort_index(inplace = True)
    # csd_historical = ColumnDataSource(historical_data)
    return historical_data

def get_prediction_data(src_test, drug_id):
    #Assign the new date
    #Write a new dataframe with values for the new dates
    df_pred = src_test.loc[src_test['ndc'] == drug_id].copy()
    df_pred.loc[:, 'year'] = input_date.year
    df_pred.loc[:, 'month'] = input_date.month
    df_pred.loc[:, 'day'] = input_date.day
    df_pred.drop(['Unnamed: 0', 'date'], inplace = True, axis = 1)
    prediction = lin_model.predict(df_pred)
    prediction_data = pd.DataFrame({'drug_id': prediction[0][0], 'predictions': prediction[0][1], 'date': pd.to_datetime(df_pred[['year', 'month', 'day']], infer_datetime_format=True, errors = 'coerce')})
    prediction_data = prediction_data.set_index(['date'])
    prediction_data.sort_index(inplace = True)
    # csd_prediction = ColumnDataSource(prediction_data)
    return prediction_data

def make_plot(historical_data, prediction_data, title):
    #Historical Data
    plot = figure(plot_width=800, plot_height = 800, x_axis_type = 'datetime',
                  toolbar_location = 'below')
    plot.xaxis.axis_label = 'Time'
    plot.yaxis.axis_label = 'Price ($)'
    plot.axis.axis_label_text_font_style = 'bold'
    plot.x_range = DataRange1d(range_padding = 0.0)
    plot.grid.grid_line_alpha = 0.3
    plot.title.text = title
    plot.line(x = 'date', y='nadac_per_unit', source = historical_data, line_color = 'blue', ) #plot historical data
    plot.line(x = 'date', y='predictions', source = prediction_data, line_color = 'red') #plot prediction data (line from last date/price point to date, price point for input_date above)
    return plot

def update_plot(attrname, old, new):
    ver = vselect.value
    new_hist_source = get_historical_data(src_hist, ver) #calls the function above to get the data instead of handling it here on its own
    historical_data.data = ColumnDataSource.from_df(new_hist_source)
    # new_pred_source = get_prediction_data(src_pred, ver)
    # prediction_data.data = new_pred_source.data

#Import data source
src_hist = pd.read_csv('data/historical_data.csv')
src_pred = pd.read_csv('data/pred_data.csv')

#Prep for default view
#Initialize plot with ID number
ver = 781593600
#Set the prediction date
input_date = datetime.datetime(2020, 3, 31) #Make this selectable in future
#Select-menu options
menu_options = src_pred['ndc'].astype(str) #already contains unique values
#Create select (dropdown) menu
vselect = Select(value=str(ver), title='Drug ID', options=sorted((menu_options)))

#Prep datasets for plotting
historical_data = get_historical_data(src_hist, ver)
prediction_data = get_prediction_data(src_pred, ver)

#Create a new plot with the source data
plot = make_plot(historical_data, prediction_data, "Drug Prices")

#Update the plot every time 'vselect' is changed'
vselect.on_change('value', update_plot)
controls = row(vselect)

curdoc().add_root(row(plot, controls))

更新：错误：

1) Jupyter Notebook 中没有出现错误。

2) CLI 显示UserWarning: Pandas doesn't allow columns to be careated via a new attribute name ，引用 `historical_data.data = ColumnDatasource.from_df(new_hist_source)。

最终，图中应该有一条线表示历史数据，另一条线或点表示来自 sklearn 的预测数据。 它还有一个下拉菜单，用于选择要绘制的每个项目（一次一个）。

Answer 1

您的update_plot是一个空操作，它实际上不会对散景模型状态进行任何更改，这是更改散景图所必需的。 更改 Bokeh 模型状态意味着为 Bokeh 对象上的属性分配一个新值。 通常，要更新绘图，您需要计算一个新的数据字典，然后从中设置一个现有的 CDS：

source.data = new_data  # plain python dict

或者，如果您想从 DataFame 更新：

source.data = ColumnDataSource.from_df(new_df)

.data ，不要将.data从一个 CDS 分配给另一个：

source.data = other_source.data  # BAD

相比之下，您的update_plot计算一些新数据，然后将其丢弃。 请注意，从任何 Bokeh 回调中返回任何内容都没有任何意义。 回调由 Bokeh 库代码调用，它不期望或使用任何返回值。

最后，我认为最后的 JS 控制台错误中的任何一个都不是由 BokehJS 生成的。