具有任意条目的散景和网格 plot，用于更改数据的 MultiChoice 和 CustomJS

Question

我试图表示组织为向量值时间序列矩阵的数据。 给定一个位于矩阵中 position (i,j) 的向量时间序列，标量时间序列分量是通过某个参数“order”获得的。 矩阵的大小是任意的，不能硬编码。 我想要

• plot 矩阵的每个条目（时间序列），
• 更改表示时间序列的哪个组件，使用 Bokeh 的 MultiChoice 回调并同时更新所有图。

我设法在一个例子中做我想做的事，在这个例子中，回调是为矩阵的每个组件显式编写的，方法是调整这里看到的例子： Filtering data source for Bokeh plot using MultiChoice and CustomJS

import pandas as pd
import numpy as np

from bokeh.plotting import figure, show, row, column
from bokeh.models import ColumnDataSource, CustomJS, MultiChoice

# Generate some data structure
tau = np.linspace(0,2*np.pi,100)
N = 2
orders = [1,2,3]
df = pd.DataFrame()
for o in orders:
    df_o = pd.DataFrame()
    for i in range(N):
        for j in range(N):
            df_o[f'{i}{j}'] = i+j + np.cos(tau+o)
    df_o['order'] = str(o)
    df_o['tau'  ] = tau
    df = df.append(df_o,ignore_index=True)

# Bokeh plot
order_dict = {}
plots = []
for i in range(N):
    plots_line_i = []
    for j in range(N):
        plot_ij = figure(width=400, height=400)
        name_ij = f'{i}{j}'
        order_dict[name_ij] = {'order':[],'label':[]}
        for order in df.order.unique():  
            source = ColumnDataSource(df[df['order']==order])
            order_glyph_ij = plot_ij.line('tau', name_ij, source=source)
            order_dict[name_ij]['order'].append(order_glyph_ij)
            order_dict[name_ij]['label'].append(order)
        plots_line_i.append(plot_ij)
    plots.append(plots_line_i)

# Set up MultiChoice widget
initial_value = [df.order[0]]
options = list(df.order.unique())
multi_choice = MultiChoice(value=initial_value, options=options, max_items=3, title='Selection:')

# Set up callback: how to automatically loop within the dict keys '00', '01', '10', '11' ?
callback = CustomJS(args=dict(order_dict=order_dict, multi_choice=multi_choice), code="""
var selected_vals = multi_choice.value;
var index_check = [];

for (var i = 0; i < order_dict['00']['order'].length; i++) {

    index_check[i]=selected_vals.indexOf(order_dict['00']['label'][i]);
        if ((index_check[i])>= 0) {
            order_dict['00']['order'][i].visible = true;
            }
        else {
            order_dict['00']['order'][i].visible = false;
        }
    }

for (var i = 0; i < order_dict['11']['order'].length; i++) {
    index_check[i]=selected_vals.indexOf(order_dict['11']['label'][i]);
        if ((index_check[i])>= 0) {
            order_dict['11']['order'][i].visible = true;
            }
        else {
            order_dict['11']['order'][i].visible = false;
        }
    }

for (var i = 0; i < order_dict['01']['order'].length; i++) {
    index_check[i]=selected_vals.indexOf(order_dict['01']['label'][i]);
        if ((index_check[i])>= 0) {
            order_dict['01']['order'][i].visible = true;
            }
        else {
            order_dict['01']['order'][i].visible = false;
        }
    }

for (var i = 0; i < order_dict['10']['order'].length; i++) {
    index_check[i]=selected_vals.indexOf(order_dict['10']['label'][i]);
        if ((index_check[i])>= 0) {
            order_dict['10']['order'][i].visible = true;
            }
        else {
            order_dict['10']['order'][i].visible = false;
        }
    }
""")
multi_choice.js_on_change('value', callback)

# Display the grid plot
rows = []
for i in range(N):
    rows.append(row(*plots[i]))
show(column(*rows,multi_choice))

此代码通常显示 2x2 矩阵 plot：

在上面的代码中，您将在矩阵的 JavaScript 代码中看到四个“for”循环（一个用于矩阵的每个条目“00”、“01”、“10”、“11”）。 是否可以通过某种方式通过字典“order_dict”的键来自动执行此操作？

这可能是一个愚蠢的问题，但我不知道 JavaScript 所以我在调试我的代码时遇到了麻烦......

Answer 1

您可以将 JS 代码简化为

callback = CustomJS(args=dict(order_dict=order_dict, multi_choice=multi_choice), code="""
var selected_vals = multi_choice.value;
var index_check = [];
for (var k in order_dict){
    for (var i = 0; i < order_dict[k]['order'].length; i++) {
        index_check[i]=selected_vals.indexOf(order_dict[k]['label'][i]);
        order_dict[k]['order'][i].visible = index_check[i] >= 0
    }
}
""")

这与您的代码完全一样。

该解决方案基于这篇文章。

评论

您的 python 代码使用 pandas 1.4.+ 向我发出弃用警告。

FutureWarning：frame.append 方法已弃用，将在未来版本中从 pandas 中删除。 请改用 pandas.concat。

你可以避免这种情况，改变

df = df.append(df_o,ignore_index=True)

df = pd.concat([df, df_o],ignore_index=True)

如果你没有看到这个警告，你应该考虑更新你的 pandas 版本。