第一步 8: 提供和过滤数据#
在之前的第一步指南中，您使用了不同的方法来显示和导出您的可视化。
在本节中，您将使用各种来源和结构来导入和筛选数据。
使用ColumnDataSource#
ColumnDataSource 是 Bokeh 自己的数据结构。有关 ColumnDataSource 的详细信息，请参阅用户指南中的 ColumnDataSource。
到目前为止，您已经使用了像Python列表和NumPy数组这样的数据序列来将数据传递给Bokeh。Bokeh已经自动将这些列表转换为ColumnDataSource对象。
按照以下步骤直接创建一个ColumnDataSource：
首先，导入
ColumnDataSource。接下来，创建一个包含你的数据的字典：字典的键是列名（字符串）。字典的值是数据列表或数组。
然后，将你的字典作为
data参数传递给ColumnDataSource:然后你可以将你的
ColumnDataSource用作渲染器的source。
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
# create dict as basis for ColumnDataSource
data = {'x_values': [1, 2, 3, 4, 5],
'y_values': [6, 7, 2, 3, 6]}
# create ColumnDataSource based on dict
source = ColumnDataSource(data=data)
# create a plot and renderer with ColumnDataSource data
p = figure(height=250)
p.scatter(x='x_values', y='y_values', size=20, source=source)
show(p)
另请参阅
有关Bokeh的ColumnDataSource的更多信息，请参阅用户指南中的
ColumnDataSource和参考指南中的
ColumnDataSource。
有关向ColumnDataSource添加数据的信息，请参阅 向ColumnDataSource追加数据。有关替换ColumnDataSource数据的信息，请参阅用户指南中的 替换ColumnDataSource中的数据。
有关使用Python列表的更多信息，请参阅 Providing data with Python lists。有关在Bokeh中使用NumPy数据的更多信息，请参阅Providing NumPy data。
转换pandas数据#
要使用来自 pandas DataFrame 的数据，请将您的 pandas 数据传递给
ColumnDataSource：
source = ColumnDataSource(df)
另请参阅
有关在Bokeh中使用pandas数据的更多信息，请参阅用户指南中的使用pandas DataFrame。这包括有关使用pandas DataFrame、MultiIndex和GroupBy数据的信息。
数据过滤#
Bokeh 提供了多种过滤方法。如果你想创建一个包含在 ColumnDataSource 中的数据特定子集，可以使用这些过滤器。
在Bokeh中，这些过滤后的子集被称为“视图”。视图由Bokeh的CDSView类表示。
要使用过滤后的数据子集进行绘图，请将CDSView对象传递给渲染器的view参数。
一个 CDSView 对象有一个属性：
filter:Filter模型的一个实例
最简单的过滤器是IndexFilter。一个
IndexFilter使用一组索引位置，并创建一个仅包含位于这些索引位置的数据点的视图。
例如，如果你的ColumnDataSource包含五个值的列表，并且你应用了一个带有[0,2,4]的IndexFilter，那么生成的view将只包含你原始列表中的第一个、第三个和第五个值：
from bokeh.layouts import gridplot
from bokeh.models import CDSView, ColumnDataSource, IndexFilter
from bokeh.plotting import figure, show
# create ColumnDataSource from a dict
source = ColumnDataSource(data=dict(x=[1, 2, 3, 4, 5], y=[1, 2, 3, 4, 5]))
# create a view using an IndexFilter with the index positions [0, 2, 4]
view = CDSView(filter=IndexFilter([0, 2, 4]))
# setup tools
tools = ["box_select", "hover", "reset"]
# create a first plot with all data in the ColumnDataSource
p = figure(height=300, width=300, tools=tools)
p.scatter(x="x", y="y", size=10, hover_color="red", source=source)
# create a second plot with a subset of ColumnDataSource, based on view
p_filtered = figure(height=300, width=300, tools=tools)
p_filtered.scatter(x="x", y="y", size=10, hover_color="red", source=source, view=view)
# show both plots next to each other in a gridplot layout
show(gridplot([[p, p_filtered]]))