Bokeh绘制散点图、柱状图、盒子图、弦图

Bokeh 交互图表绘制：散点图 circle、分类柱状图 vbar 与多图网格排版实战

小象实战讲义 · Python数据分析实战

在掌握了 Bokeh 的基础架构与交互工具链之后，本节我们将聚焦于常用商业图表的交互式实战开发。涵盖使用 circle() 绘制带颜色分类的多维动态散点图、使用 vbar() 基于离散分类因子（FactorRange）绘制交互式条形图、利用多系列堆叠展现构成，以及使用 gridplot 进行多交互图表的网格联动排版。通过本节学习，你将具备独立开发轻量级 Web 交互式数据分析大屏的能力。

💡 核心导读

• 离散分类柱状图 p.vbar() 规范：使用 x_range=FactorRange(factors) 显式声明分类因子轴。
• 动态交互散点图 p.circle()：结合 transform.factor_cmap 实现自动分类调色板映射。
• 多图联动网格布局 bokeh.layouts.gridplot：实现多个交互图表之间缩放平移的联动绑定。

1. 分类柱状图与因子坐标轴 FactorRange

Bokeh 绘制柱状图时需在 figure 初始化时显式传入离散类别列表作为 x_range：

┌─────────────────────────────────────────────────────────────┐
│                 Bokeh 分类因子轴映射模型                    │
├─────────────────────────────────────────────────────────────┤
│ 1. 声明分类列表: factors = ['华北', '华东', '华南', '华西']  │
│ 2. figure(x_range=factors) 建立离散因子坐标系               │
│ 3. p.vbar(x='region', top='sales', width=0.6) 渲染交互柱子  │
└─────────────────────────────────────────────────────────────┘

from bokeh.plotting import figure, output_file, save
from bokeh.models import ColumnDataSource
import pandas as pd
import os

# 1. 准备多区域业绩汇总数据
df_regional = pd.DataFrame({
    "region": ["华北区域", "华东区域", "华南区域", "西南区域", "西北区域"],
    "sales": [4200, 6800, 5400, 3100, 1900],
    "target": [4000, 6000, 5000, 3500, 2000]
})

source = ColumnDataSource(df_regional)

# 2. 创建基于分类因子轴的图表
p_bar = figure(
    x_range=df_regional["region"].tolist(),
    title="各区域销售业绩完成情况 (单位: 万元)",
    width=700, height=380,
    tools="pan,box_zoom,reset,save"
)

# 绘制柱状图
p_bar.vbar(x="region", top="sales", width=0.55, source=source, color="#3498db", legend_label="实际业绩")
p_bar.line(x="region", y="target", source=source, line_width=3, color="#e74c3c", legend_label="目标底线")

p_bar.y_range.start = 0
p_bar.legend.location = "top_left"

html_bar = "bokeh_bar_demo.html"
output_file(html_bar)
save(p_bar)
if os.path.exists(html_bar): os.remove(html_bar)
print("✅ Bokeh 交互式柱状图编译完成！")

2. 多图网格联动排版 gridplot 实战

使用 gridplot 可以将多个独立的 Bokeh 图表组合为一个自适应的仪表盘。

from bokeh.layouts import gridplot

# 创建两个并排图表
p1 = figure(title="散点关联分析", width=360, height=300)
p1.circle([1, 2, 3, 4], [10, 15, 12, 18], size=10, color="navy")

p2 = figure(title="趋势跟踪", width=360, height=300, x_range=p1.x_range) # 共享 X 轴范围联动
p2.line([1, 2, 3, 4], [5, 8, 7, 12], line_width=2, color="orange")

# 构建 1 行 2 列网格
grid = gridplot([[p1, p2]])

html_grid = "bokeh_grid_demo.html"
output_file(html_grid)
save(grid)
if os.path.exists(html_grid): os.remove(html_grid)
print("✅ Bokeh 多图网格联动布局完成！")

📝 动手练一练

1. 概念思考题：在 Bokeh 中，如何实现两个不同子图在用户缩放其中一个图时，另一个图的坐标范围自动同步缩放（联动）？

   👉 点击查看参考答案

   参考答案： 在创建第二个子图时，将其实例化参数中的坐标轴范围显式绑定为第一个图的坐标轴范围对象：例如设置 x_range=p1.x_range 或 y_range=p1.y_range，即可实现底层双向联动缩放。

2. 编程练习：编写代码创建一个 Bokeh 画布，并在其中绘制三个颜色为红色的圆形散点。

   👉 点击查看参考答案

   参考答案：

   from bokeh.plotting import figure
   p = figure(title="Red Circles")
   p.circle(x=[1, 2, 3], y=[10, 20, 30], size=12, color="red")

本章小结

• 掌握了 Bokeh 在离散分类轴（FactorRange）上绘制交互式柱状图的标准范式；
• 熟练运用 ColumnDataSource 统一管理多图元的数据绑定；
• 掌握了利用 gridplot 与共享 x_range 构建多图联动分析看板的高级技能。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《Bokeh 常用图形元素：多边形、矩形块与高级图元》！

—— 小象教研组