پیکربندی نکات ابزار Plot در بوکه
موسسه پایا پروژه به عنوان متصدی انجام پروژه های پایتون وظیفه ی خود می داند که در راستای آموزش نرم افزار پایتون گام های موثری را بردارد. با توجه به اینکه یک دوره آموزشی پایتون مستلزم تمرین و تلاش بسیار است. اما این موسسه تلاش می کند سهم کوچکی در جهت یادگیری شما داشته باشد.
Bokeh یک کتابخانه تجسم داده قدرتمند در پایتون است که به شما امکان می دهددر انجام پروژه پایتون نمودارهای تعاملی و از نظر بصری جذاب ایجاد کنید. ماژول ترسیم Bokeh چندین ابزار را ارائه می دهد که می توانند برای بهبود عملکرد نمودارها استفاده شوند. این ابزارها را می توان مطابق با نیازهای خاص شما پیکربندی کرد. در این مقاله با چند مثال با Configuring Plot Tools در Bokeh در Python آشنا می شویم.
نکات ابزار با بوکه پایتون
یکی از ویژگی های کلیدی بوکه توانایی آن در ارائه ابزارهای تعاملی است که به کاربران اجازه می دهد تا با نقشه ها تعامل داشته باشند. بوکه تعدادی ابزار را فراهم می کند که می توان از آنها برای بزرگنمایی، حرکت، انتخاب و دستکاری داده ها در طرح استفاده کرد. انواع ابزارهای اشاره عبارتند از:
- ابزارهای Pan/Drag
- روی ابزارها کلیک کنید
- ابزارهای اسکرول/پیچ کردن
برای هر نوع ژست، تنها یک ابزار می تواند در هر لحظه فعال باشد. ابزار فعال در نوار ابزار کنار نماد ابزار برجسته شده است.
افزودن ابزار شناور به طرح پراکندگی در انجام پروژه پایتون
ابزار شناور به کاربران این امکان را می دهد تا با نگه داشتن ماوس خود بر روی نقطه، اطلاعات بیشتری در مورد نقاط داده روی یک نمودار ببینند. برای افزودن یک ابزار شناور به نمودار پراکنده در بوکه، باید یک شی HoverTool ایجاد کرده و آن را به لیست ابزارهای نمودار اضافه کنیم.
مثال
در این مثال با استفاده از روش دایره یک نمودار پراکندگی ایجاد می کنیم و با استفاده از متد add_tools یک شی HoverTool به نمودار اضافه می کنیم. ما ابزار شناور را طوری پیکربندی می‌کنیم که وقتی کاربر روی یک نقطه داده حرکت می‌کند، ستون برچسب‌ها را در منبع داده نشان دهد.
from bokeh.plotting import figure, output_file, show
from bokeh.models import HoverTool
import pandas as pd
create some data#
,data = pd.DataFrame({‘x’: [1, 2, 3, 4, 5]
,’y’: [5, 4, 3, 2, 1]
‘labels’: [‘A’, ‘B’, ‘C’, ‘D’, ‘E’]})
create a figure#
p = figure(title=’Scatter Plot with Hover Tool’)
add scatter plot#
p.circle(x=’x’, y=’y’, source=data, size=10)
add hover tool#
hover = HoverTool(tooltips=[(‘Label’, ‘@labels’)])
p.add_tools(hover)
show the plot#
show(p)
خروجی:
افزودن ابزار بزرگنمایی جعبه به طرح خط
ابزار بزرگنمایی جعبه به کاربران این امکان را می دهد که در پروژه پایتون با کشیدن یک کادر در اطراف ناحیه ای که می خواهند بزرگنمایی کنند، روی یک منطقه خاص از یک طرح بزرگنمایی کنند. برای افزودن ابزار بزرگنمایی جعبه به نمودار خط در بوکه، باید یک شی BoxZoomTool ایجاد کرده و آن را به لیست ابزارهای نمودار اضافه کنیم.
مثال
در این مثال، ما با استفاده از متد line یک نمودار خط ایجاد می کنیم و با استفاده از متد add_tools یک شی BoxZoomTool به نمودار اضافه می کنیم.
from bokeh.plotting import figure, output_file, show
from bokeh.models import BoxZoomTool
import numpy as np
create some data#
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
create a figure#
p = figure(title=’Line Plot with Box Zoom Tool’)
add line plot#
p.line(x, y)
add box zoom tool#
() box_zoom = BoxZoomTool
p.add_tools(box_zoom)
show the plot#
show(p)
خروجی:
افزودن Tap Tool به نمودار نواری
ابزار Tap به کاربران این امکان را می دهد که با کلیک کردن بر روی آن یک نقطه داده را در یک نمودار انتخاب کنند. برای افزودن یک ابزار ضربه‌ای به نمودار میله‌ای در بوکه، باید یک شی TapTool ایجاد کرده و آن را به فهرست ابزار طرح اضافه کنیم.
مثال
در این مثال، یک نمودار میله ای با استفاده از روش میله ای شی شکل ایجاد می کنیم. سپس یک شی HoverTool ایجاد می کنیم و آن را به گونه ای پیکربندی می کنیم که مقدار y هر نوار را هنگامی که کاربر روی آن قرار می گیرد نشان دهد. در نهایت HoverTool را با استفاده از متد add_tools به شی شکل اضافه می کنیم. نمودار حاصل در یک فایل HTML با نام “bar_chart.html” ذخیره می شود و در پنجره مرورگر وب نمایش داده می شود.
from bokeh.io import output_file, show
from bokeh.plotting import figure
from bokeh.models import ColumnDataSource, HoverTool
create some sample data#
x = [‘A’, ‘B’, ‘C’, ‘D’, ‘E’]
y = [10, 20, 30, 40, 50]
create a ColumnDataSource with the data#
source = ColumnDataSource(data=dict(x=x, y=y))
create the figure#
p = figure(x_range=x)
add the bars to the figure#
p.vbar(x=’x’, top=’y’, width=0.9, source=source)
configure the tooltip#
hover = HoverTool(tooltips=[(“Value”, “@y”)])
p.add_tools(hover)
show the figure#
output_file(“bar_chart.html”)
show(p)
خروجی :
