如何以高刷新率將數據流式傳輸到Jupyter中的Bokeh圖？

Question

我正在嘗試使用Bokeh在Jupyter筆記本中繪制流數據集。 這是我到目前為止所擁有的。

從命令行我通過運行命令啟動散景服務器

$> bokeh server

這是我的Jupyter筆記本的代碼

import numpy as np
from IPython.display import clear_output
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.client import push_session
from bokeh.driving import linear
from bokeh.plotting import figure
from bokeh.io import curdoc, output_notebook, show
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
linea = my_figure.line("x", "y", source=test_data)
# ------------------- new cell ---------------------#

new_data=dict(x=[0], y=[0])
x = []
y = []

step_size = 0.1  # increment for increasing step
@linear(m=step_size, b=0)
def update(step):
    x.append(step)
    y.append(np.random.rand())
    new_data['x'] = x
    new_data['y'] = y

    test_data.stream(new_data, 10)

    clear_output()
    show(my_figure)

    if step > 10: 
        session.close()    
# ------------------- new cell ---------------------#

# open a session to keep our local document in sync with server
session = push_session(curdoc())

period = 100  # in ms
curdoc().add_periodic_callback(update, period)

session.show()  # open a new browser tab with the updating plot

session.loop_until_closed()

目前，我得到的結果是Jupyter筆記本中的閃爍情節，以及新瀏覽器選項卡中的一個很好的更新圖。 我想要以下任何一種

• Jupyter的一個很好的更新情節，沒有閃爍
• 只是新瀏覽器選項卡中的圖表

我嘗試刪除show(my_figure)但每次更新都打開了一個新選項卡。 我也嘗試將刷新率降低到10毫秒， period = 10 ; session.show()運行良好，但筆記本最終崩潰，因為它無法快速刷新。

如何在Jupyter中獲得散景圖的良好刷新率？ 或者我如何關閉Jupyter圖並且只有一個選項卡顯示更新圖？

Answer 1

這是修改后的筆記本的代碼，遵循@ bigreddot的評論，它使用push_notebook在筆記本中產生更清晰的結果（它不需要你為繪圖運行bokeh serve ）。 它不使用回調; 我不確定這是否有利。 因此，如果您希望在新數據點進入時更新繪圖，則可以在while循環開始時添加if data_event:語句，然后根據事件速率調整睡眠時間。

官方文檔中的此頁面提供了有關在Jupyter筆記本中使用Bokeh的其他有用信息。

import time
import numpy as np
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.plotting import figure
from bokeh.io import output_notebook, show, push_notebook
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
line = my_figure.line("x", "y", source=test_data)
handle = show(my_figure, notebook_handle=True)

new_data=dict(x=[0], y=[0])
x = []
y = []

step = 0
step_size = 0.1  # increment for increasing step
max_step = 10  # arbitrary stop point for example
period = .1  # in seconds (simulate waiting for new data)
n_show = 10  # number of points to keep and show
while step < max_step:
    x.append(step)
    y.append(np.random.rand())
    new_data['x'] = x = x[-n_show:]  # prevent filling ram
    new_data['y'] = y = y[-n_show:]  # prevent filling ram

    test_data.stream(new_data, n_show)

    push_notebook(handle=handle)
    step += step_size
    time.sleep(period)

注意添加new_data['x'] = x = x[-n_show] （對y相同的）所以理​​論上這可以無限期地運行而不會填滿你的記憶。 此外， 實際流式傳輸某種數據源（可能來自網絡）以使其成為更現實的例子會更好。 最后，您可能已經意識到這一點，但是在使用流式圖運行單元格之后，內核將被鎖定，直到它完成或被中斷; 你不能執行額外的單元格/代碼。 如果你想擁有分析/控制功能，它們應該進入while循環。

Answer 2

@Steven C. Howell

受您的示例啟發，我使用非阻塞回調函數對其進行了修改。 它沒有使用add_periodic_callback，因為此功能在jupyter筆記本中不起作用（ 在Bokeh文檔中提到 ）。 但是，在使用jupyter筆記本時，能夠執行非阻塞數據流可能很有用。

import time
import numpy as np
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.plotting import figure
from bokeh.io import output_notebook, show, push_notebook
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
line = my_figure.line("x", "y", source=test_data)
handle = show(my_figure, notebook_handle=True)
# ------------------- new cell ---------------------#

from threading import Thread

stop_threads = False

def blocking_callback(id, stop):
    new_data=dict(x=[0], y=[0])

    step = 0
    step_size = 0.1  # increment for increasing step
    max_step = 10  # arbitrary stop point for example
    period = .1  # in seconds (simulate waiting for new data)
    n_show = 10  # number of points to keep and show

    while True:

        new_data['x'] = [step]
        new_data['y'] = [np.random.rand()]

        test_data.stream(new_data, n_show)

        push_notebook(handle=handle)
        step += step_size
        time.sleep(period)

        if stop():
            print("exit")
            break

thread = Thread(target=blocking_callback, args=(id, lambda: stop_threads))
thread.start()

這樣做的好處是，無限數據流不會阻止后續單元執行：

# ------------------- new cell ---------------------#

# preceding streaming is not blocking
for cnt in range(10):
    print("Do this, while plot is still streaming", cnt)

# ------------------- new cell ---------------------#

# you might also want to stop the thread
stop_threads=True
del thread