样式化绘图元素

选择绘图对象

如果你想自定义Bokeh图表中任何元素的外观，首先需要确定你想要修改的对象。如介绍中所述，Bokeh图表是由代表图表所有不同部分的Python对象组合而成的：例如，它的网格、轴和字形。

一些对象具有便捷方法，可以帮助您识别要处理的对象。请参阅样式化坐标轴、样式化网格和样式化图例以获取示例。

要查询任何Bokeh绘图对象，请在Plot上使用select()方法。例如，要查找绘图中的所有PanTool对象：

>>> p.select(type=PanTool)
[<bokeh.models.tools.PanTool at 0x106608b90>]

你也可以使用 select() 方法来查询其他属性：

>>> p.circle(0, 0, radius=1, name="mycircle")
<bokeh.plotting.figure at 0x106608810>

>>> p.select(name="mycircle")
[<bokeh.models.renderers.GlyphRenderer at 0x106a4c810>]

当您想要样式化样式化字形的视觉属性时，此查询方法尤其有用。

样式化绘图

除了单个绘图元素外，Plot 对象本身也具有一些可以自定义的视觉特征：例如绘图的尺寸、背景、边框或轮廓。本节描述了如何更改 Bokeh 绘图的这些属性。

示例代码主要使用bokeh.plotting接口来创建图表。 然而，无论Bokeh图表是如何创建的，这些说明都适用。

维度

要更改Plot的宽度和高度，请使用其width和 height属性。这两个属性使用屏幕单位。它们 控制整个画布区域的大小，包括任何轴或标题（但不包括工具栏）。

如果您使用的是bokeh.plotting接口，您可以直接将这些值传递给 figure()：

from bokeh.plotting import figure, show

# create a new plot with specific dimensions
p = figure(width=700)
p.height = 300

p.scatter([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=10)

show(p)

响应式尺寸

要自动调整绘图的宽度或高度以适应浏览器中的可用空间，请使用绘图的 sizing_mode 属性。

要控制绘图如何缩放以填充其容器，请参阅layouts的文档，特别是LayoutDOM的sizing_mode属性。

如果你将sizing_mode设置为不同于fixed的任何值，Bokeh会在绘图渲染时调整width和height。然而，Bokeh使用width和height来计算绘图的初始宽高比。

图表只会调整到最小100像素（高度或宽度），以防止显示图表时出现问题。

标题

要为您的图表标题设置样式，请使用Title注释，它作为Plot的.title属性可用。

你可以使用大多数标准的文本属性。然而，text_align 和 text_baseline 不适用。要将标题相对于整个图表进行定位，请使用属性 align 和 offset 来代替。

例如，要设置标题文本的颜色和字体样式，请使用 plot.title.text_color:

from bokeh.plotting import figure, show

p = figure(width=400, height=400, title="Some Title")
p.title.text_color = "olive"
p.title.text_font = "times"
p.title.text_font_style = "italic"

p.scatter([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=10)

show(p)

背景

要更改背景填充样式，请调整Plot对象的background_fill_color和background_fill_alpha属性：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.background_fill_color = "beige"
p.background_fill_alpha = 0.5

p.scatter([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=10)

show(p)

边框

要调整边框填充样式，请使用 border_fill_color 和 border_fill_alpha 属性，这些属性属于 Plot 对象。您还可以使用以下属性设置每侧的最小边框（以 屏幕单位 为单位）：

• min_border_left

• min_border_right

• min_border_top

• min_border_bottom

此外，如果您设置了min_border，Bokeh会为了方便起见，对所有边应用最小边框设置。min_border的默认值为40px。

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.border_fill_color = "whitesmoke"
p.min_border_left = 80

p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

show(p)

大纲

Bokeh Plot 对象具有各种 线条属性。要更改轮廓的外观，请使用以 outline_ 为前缀的那些线条属性。

例如，要设置轮廓的颜色，请使用 outline_line_color：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.outline_line_width = 7
p.outline_line_alpha = 0.3
p.outline_line_color = "navy"

p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

show(p)

样式化字形

要为字形（glyph）的填充、线条或文本属性设置样式，首先需要确定你想要自定义的GlyphRenderer。如果你使用的是bokeh.plotting接口，字形函数会返回渲染器：

>>> r = p.circle([1,2,3,4,5], [2,5,8,2,7], radius=1)
>>> r
<bokeh.models.renderers.GlyphRenderer at 0x106a4c810>

接下来，从GlyphRenderer的.glyph属性中获取字形本身：

>>> r.glyph
<bokeh.models.glyphs.Circle at 0x10799ba10>

这是用于设置填充、线条或文本属性值的对象：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
r = p.scatter([1,2,3,4,5], [2,5,8,2,7])

glyph = r.glyph
glyph.size = 60
glyph.fill_alpha = 0.2
glyph.line_color = "firebrick"
glyph.line_dash = [6, 3]
glyph.line_width = 2

show(p)

已选择和未选择的字形

要自定义选中和未选中字形（glyphs）的样式，可以设置selection_glyph和nonselection_glyph属性，这些属性属于GlyphRenderer。你可以手动设置这些属性，或者通过将它们传递给add_glyph()来设置。

下面的图表使用了bokeh.plotting接口来设置这些属性。 点击或轻触图表上的任何圆圈，以查看对选中和未选中的字形的影响。要清除选择并恢复原始状态， 请点击图表中圆圈外部的任何位置。

from bokeh.plotting import figure, show

plot = figure(width=400, height=400, tools="tap", title="Select a circle")
renderer = plot.scatter([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=50)

renderer.selection_glyph = renderer.glyph.clone(fill_alpha=1, fill_color="firebrick", line_color=None)
renderer.nonselection_glyph = renderer.glyph.clone(fill_alpha=0.2, fill_color="blue", line_color="firebrick")

show(plot)

如果您只需要设置选中或未选中图标的颜色或alpha参数，请向图标函数提供颜色和alpha参数，前缀为"selection_"或"nonselection_"：

from bokeh.plotting import figure, show

plot = figure(width=400, height=400, tools="tap", title="Select a circle")
renderer = plot.scatter(
    x=[1, 2, 3, 4, 5],
    y=[2, 5, 8, 2, 7],
    size=50,

    # set visual properties for selected glyphs
    selection_color="firebrick",

    # set visual properties for non-selected glyphs
    nonselection_fill_alpha=0.2,
    nonselection_fill_color="blue",
    nonselection_line_color="firebrick",
    nonselection_line_alpha=1.0,
)

show(plot)

如果你使用 bokeh.models 接口，请使用 add_glyph() 函数：

p = Plot()
source = ColumnDataSource(dict(x=[1, 2, 3], y=[1, 2, 3]))

initial_circle = Circle(x='x', y='y', fill_color='blue', radius=1)
selected_circle = Circle(fill_alpha=1, fill_color="firebrick", line_color=None)
nonselected_circle = Circle(fill_alpha=0.2, fill_color="blue", line_color="firebrick")

p.add_glyph(source,
            initial_circle,
            selection_glyph=selected_circle,
            nonselection_glyph=nonselected_circle)

悬停检查

要为悬停的字形设置外观样式，请将带有"hover_"前缀的颜色或透明度参数传递给渲染器函数。

或者，设置selection_glyph和nonselection_glyph属性，就像在 Selected and unselected glyphs上面一样。

此示例使用第一种方法传递带有"hover_"前缀的颜色参数：

from bokeh.models import RELATIVE_DATETIME_CONTEXT, HoverTool
from bokeh.plotting import figure, show
from bokeh.sampledata.glucose import data

x = data.loc['2010-10-06'].index.to_series()
y = data.loc['2010-10-06']['glucose']

# Basic plot setup
p = figure(width=800, height=400, x_axis_type="datetime",
           tools="pan,wheel_zoom", title='Hover over points')
p.xaxis.formatter.context = RELATIVE_DATETIME_CONTEXT()
p.ygrid.grid_line_color = None
p.background_fill_color = "#fafafa"

p.line(x, y, line_dash="4 4", line_width=1, color='gray')

cr = p.scatter(
    x, y, size=20,
    fill_color="steelblue", alpha=0.1, line_color=None,
    hover_fill_color="midnightblue", hover_alpha=0.5,
    hover_line_color="white",
)

p.add_tools(HoverTool(tooltips=None, renderers=[cr], mode='hline'))

show(p)

重写非视觉属性

字形允许覆盖任何数据驱动的属性，而不仅仅是视觉属性。这样，用户可以在悬停时更改散点图中标记的大小，甚至可以将字形从其原始位置偏移。实际上，用户可以用完全不相关的字形覆盖主要字形（GlyphRenderer.glyph）（例如，用Rect替换Circle）。

注意

仅主要字形用于点击测试和其他功能。次要字形（selection_glyph, hover_glyph等）用于绘制，仅影响字形的外观。

此示例展示了如何覆盖Circle图标的非视觉属性（悬停时的radius），以及如何在选择时使用不同的图标：

import numpy as np

from bokeh.core.properties import field
from bokeh.io import show
from bokeh.models import BoxAnnotation, Indexed, Rect, Tooltip
from bokeh.palettes import Spectral11
from bokeh.plotting import figure

N = 50

x = np.random.random(size=N)*100
y = np.random.random(size=N)*100
radii = np.random.uniform(1, 5, size=N)
radii_big = radii*2
colors = np.random.choice(Spectral11, size=N)

p = figure(tools=["hover", "box_select"], active_drag="box_select")

cr = p.circle(
    x, y, radius=radii,
    fill_color=colors, fill_alpha=0.8, line_color=None,
    hover_fill_alpha=0.5,  # mix `hover_` attributes with manual setup below
)

# there is no `hover_radius` so we have set things manually
cr.data_source.data["radii_big"] = radii_big
cr.hover_glyph.radius = field("radii_big")

# make selection glyph unrelated while reusing existing data
cr.selection_glyph = Rect(
    line_color=None,
    fill_color=field("fill_color"),
    width=field("radii_big"),
    height=field("radius"),
)

p.hover.tooltips = None

tooltip = Tooltip(position=Indexed(renderer=cr, index=0), content="Hover over me!", visible=True)
p.elements.append(tooltip)

box = BoxAnnotation(left=40, right=80, top=80, bottom=40)
tooltip = Tooltip(position=box.nodes.top_center, content="Select me!", visible=True, attachment="above")
box.elements.append(tooltip)
p.renderers.append(box)

show(p)

样式化坐标轴

本节重点介绍如何更改Bokeh绘图轴的各种视觉属性。

要在轴对象上设置样式属性，请使用xaxis、yaxis和axis方法在Plot上首先获取绘图的轴对象。例如：

>>> p.xaxis
[<bokeh.models.axes.LinearAxis at 0x106fa2390>]

因为可能有多于一个轴，这个方法返回一个Axis对象的列表。然而，为了方便起见，这些列表是可展开的。这意味着你可以直接在结果上设置属性，这些属性将被应用到列表中的所有轴。例如：

p.xaxis.axis_label = "Temperature"

这会改变p的每个x轴的axis_label的值，无论有多少个。

下面的示例更详细地展示了xaxis、yaxis和axis方法的使用：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

# change just some things about the x-axis
p.xaxis.axis_label = "Temp"
p.xaxis.axis_line_width = 3
p.xaxis.axis_line_color = "red"

# change just some things about the y-axis
p.yaxis.axis_label = "Pressure"
p.yaxis.major_label_text_color = "orange"
p.yaxis.major_label_orientation = "vertical"

# change things on all axes
p.axis.minor_tick_in = -3
p.axis.minor_tick_out = 6

show(p)

标签

要添加或更改轴的整体标签文本，请使用axis_label属性。要在轴标签文本中添加换行符，请在字符串中包含\n。

要控制标签文本的视觉外观，请使用任何标准的 文本属性，并加上前缀 axis_label_。例如，要设置标签的文本颜色，请设置 axis_label_text_color。

要更改轴标签与主要刻度标签之间的距离，请设置 axis_label_standoff 属性。

例如：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis.axis_label = "Lot Number"
p.xaxis.axis_label_text_color = "#aa6666"
p.xaxis.axis_label_standoff = 30

p.yaxis.axis_label = "Bin Count"
p.yaxis.axis_label_text_font_style = "italic"

show(p)

边界

要限制绘制轴的范围，请将轴对象的bounds属性设置为(start, end)的2元组：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis.bounds = (2, 4)

show(p)

刻度位置

Bokeh 使用几种“刻度”模型来决定在轴（分类、日期时间、墨卡托、线性或对数刻度）上显示刻度的位置。要配置刻度的位置，请使用轴的 .ticker 属性。

如果您使用 bokeh.plotting 接口，Bokeh 会自动选择合适的刻度放置模型。

如果您需要控制使用哪种刻度放置模型，您还可以显式定义一个刻度位置列表。将带有刻度位置列表的FixedTicker分配给一个轴：

from bokeh.plotting import figure
from bokeh.models.tickers import FixedTicker

p = figure()

# no additional tick locations will be displayed on the x-axis
p.xaxis.ticker = FixedTicker(ticks=[10, 20, 37.4])

作为快捷方式，您也可以直接将刻度列表提供给轴的ticker属性：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis.ticker = [2, 3.5, 4]

show(p)

CustomJSTicker

要完全自定义轴刻度的位置，请使用CustomJSTicker，并结合JavaScript代码片段作为其major_code和minor_code属性。

这些代码片段应返回刻度位置的列表：

from bokeh.models import CustomJSTicker
from bokeh.plotting import figure, show

xticker = CustomJSTicker(
    # always three equally spaced ticks
    major_code="""
        const {start, end} = cb_data.range
        const interval = (end-start) / 4
        return [start + interval, start + 2*interval, start + 3*interval]
    """,
    # minor ticks in between the major ticks
    minor_code="""
        const {start, end, major_ticks} = cb_data
        return [
            (start+major_ticks[0])/2,
            (major_ticks[0]+major_ticks[1])/2,
            (major_ticks[1]+major_ticks[2])/2,
            (major_ticks[2]+end)/2,
        ]
    """,
)

yticker = CustomJSTicker(major_code="return ['a', 'c', 'e', 'g']")

p = figure(y_range=list("abcdefg"))
p.scatter([1, 2, 3, 4, 5], ["a", "d", "b", "f", "c"], size=30)

p.xaxis.ticker = xticker

# keep the grid lines at all original tick locations
p.ygrid.ticker = p.yaxis.ticker
p.yaxis.ticker = yticker

show(p)

刻度线

要控制主要和次要刻度的视觉外观，请设置适当的线条属性，分别以major_tick_和minor_tick_为前缀。

例如，要设置主要刻度的颜色，请使用 major_tick_line_color。要隐藏任何一组刻度，请将颜色设置为 None。

此外，为了控制刻度线在绘图区域内外的延伸距离，可以使用属性 major_tick_in/major_tick_out 和 minor_tick_in/minor_tick_out。这些值以 屏幕单位 表示。因此，您可以使用负值。

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis.major_tick_line_color = "firebrick"
p.xaxis.major_tick_line_width = 3
p.xaxis.minor_tick_line_color = "orange"

p.yaxis.minor_tick_line_color = None

p.axis.major_tick_out = 10
p.axis.minor_tick_in = -3
p.axis.minor_tick_out = 8

show(p)

刻度标签格式

要设置轴标签文本的样式，请使用轴的TickFormatter对象的formatter属性。Bokeh在不同情况下默认使用多种刻度格式化器：

• BasicTickFormatter — 线性轴的默认格式化器。

• CategoricalTickFormatter — 分类轴的默认格式化器。

• DatetimeTickFormatter — 日期时间轴的默认格式化器。

• LogTickFormatter — 对数轴的默认格式化器。

这些默认的刻度格式化器没有暴露许多可配置的属性。 要在更细粒度的级别上控制刻度格式化，请使用下面描述的 NumeralTickFormatter 或 PrintfTickFormatter 之一。

注意

要替换轴上的刻度格式化器，您必须在实际的Axis对象上设置formatter属性，而不是在可拼接的列表上。这就是为什么以下示例使用p.yaxis[0].formatter等（带有下标[0]）。

NumeralTickFormatter

NumeralTickFormatter 有一个 format 属性，可以用来控制轴刻度的文本格式。

from bokeh.models import NumeralTickFormatter
from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis[0].formatter = NumeralTickFormatter(format="0.0%")
p.yaxis[0].formatter = NumeralTickFormatter(format="$0.00")

show(p)

许多其他格式可用。请参阅完整的NumeralTickFormatter 文档在参考指南中。

PrintfTickFormatter

PrintfTickFormatter 有一个 format 属性，可以用来控制轴刻度文本的格式化，使用 printf 风格的格式化字符串。

from bokeh.models import PrintfTickFormatter
from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis[0].formatter = PrintfTickFormatter(format="%4.1e")
p.yaxis[0].formatter = PrintfTickFormatter(format="%5.3f mu")

show(p)

有关格式的完整详细信息，请参阅PrintfTickFormatter的完整文档，该文档位于参考指南中。

CustomJSTickFormatter

要完全自定义轴刻度的格式，请使用CustomJSTickFormatter，并结合JavaScript代码片段作为其code属性。

变量 tick 包含未格式化的刻度值。它在渲染时可以在代码片段或函数命名空间中访问：

from bokeh.models import CustomJSTickFormatter
from bokeh.plotting import figure, show

p = figure(width=500, height=500)
p.scatter([0, 2, 4, 6, 8, 10], [6, 2, 4, 10, 8, 0], size=30)

p.yaxis.formatter = CustomJSTickFormatter(code="""
    return Math.floor(tick) + " + " + (tick % 1).toFixed(2)
""")

show(p)

日期时间刻度上下文

日期时间刻度格式化器具有额外的属性，用于为日期时间轴上的刻度添加更多上下文。例如，上下文格式可能在第一个刻度上显示年、月和日，而常规刻度则显示小时和分钟。

这在轴可缩放的情况下特别有用。例如：当放大到秒级别时，刻度格式化器上下文可以提供关于更广泛时间单位（如天或月）的额外信息。

上下文选项是：

context

用于为context_which指定的刻度或刻度添加上下文的格式。值为：

• 无，未添加上下文

• 一个标准的 DatetimeTickFormatter 格式字符串，这个单一的格式在所有尺度上使用

• 另一个 DatetimeTickFormatter 实例，用于添加与比例相关的上下文

context_which

要为哪些刻度添加格式化的上下文字符串。值为： "start", "end", "center", 和 "all"。

context_location

相对于刻度标签文本基线，上下文应渲染的位置。值为："below"、"above"、"left" 和 "right"。

有一个预定义的RELATIVE_DATETIME_CONTEXT，它添加了大致高一个尺度的上下文。下面的示例展示了这些选项：

from bokeh.models import RELATIVE_DATETIME_CONTEXT
from bokeh.plotting import figure, show
from bokeh.sampledata.glucose import data

x = data.loc['2010-10-06'].index.to_series()
y = data.loc['2010-10-06']['glucose']

p = figure(sizing_mode="stretch_width", x_axis_type="datetime",
           tools="xwheel_zoom")
p.xaxis.formatter.context = RELATIVE_DATETIME_CONTEXT()

p.line(x, y, line_dash="4 4", line_width=3, color='gray')

show(p)

可以将多个DatetimeTickFormatter实例“链”在一起，以实现任意数量的上下文级别。例如：

p.xaxis.formatter.context = DatetimeTickFormatter(...)
p.xaxis.formatter.context.context = DatetimeTickFormatter(...)

刻度标签方向

要控制主要刻度标签的方向，请使用 major_label_orientation 属性。此属性接受 值 "horizontal" 或 "vertical" 或一个浮点数 表示从水平方向旋转的角度（以弧度为单位）：

from math import pi

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis.major_label_orientation = pi/4
p.yaxis.major_label_orientation = "vertical"

show(p)

注意

有更多的属性可以用来配置Bokeh轴。有关可以在不同类型的Bokeh轴上设置的各种属性的完整列表，请参阅axes部分的参考指南。

样式化网格

在本节中，您将学习如何在Bokeh图表上设置网格线和网格带的视觉属性。

要获取图表的网格对象，请使用xgrid、ygrid和grid方法在Plot上。这与坐标轴的便捷方法类似：

>>> p.grid
[<bokeh.models.grids.Grid at 0x106fa2278>,
 <bokeh.models.grids.Grid at 0x106fa22e8>]

这些方法也返回可拼接的列表。您可以像设置单个对象一样在列表上设置属性，并且该属性会为列表中的每个元素更改：

p.grid.line_dash = [4 2]

注意

xgrid 属性提供了与x轴相交的网格对象（即垂直方向的对象）。相应地，ygrid 提供了与y轴相交的网格对象（即水平方向的对象）。

线条

要配置网格线的视觉外观，请使用一组line properties，并以grid_为前缀。

例如，要设置网格线的颜色，请使用 grid_line_color。要隐藏网格线，请将其线条颜色设置为 None：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

# change just some things about the x-grid
p.xgrid.grid_line_color = None

# change just some things about the y-grid
p.ygrid.grid_line_alpha = 0.5
p.ygrid.grid_line_dash = [6, 4]

show(p)

次要线路

要配置次要网格线的视觉外观，请使用一组 line properties，前缀为 minor_grid_。

例如，要设置网格线的颜色，请使用minor_grid_line_color。默认情况下，次要网格线是隐藏的（这意味着它们的线条颜色设置为None）：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

# change just some things about the y-grid
p.ygrid.minor_grid_line_color = 'navy'
p.ygrid.minor_grid_line_alpha = 0.1

show(p)

乐队

使用“bands”在相邻的网格线之间显示填充的、阴影的带。要控制这些带的视觉外观，请使用一组以band_为前缀的填充属性和阴影属性。

例如，要设置网格带的颜色，请使用band_fill_color。要隐藏网格带，请将其填充颜色设置为None（这是默认设置）。

这个例子定义了用纯色填充的带：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

# change just some things about the x-grid
p.xgrid.grid_line_color = None

# change just some things about the y-grid
p.ygrid.band_fill_alpha = 0.1
p.ygrid.band_fill_color = "navy"

show(p)

此示例使用填充有阴影图案的条带：

from bokeh.plotting import figure, show

p = figure(height=250, width=600, x_range=(0, 10), tools="", toolbar_location=None)
p.line(x=[0,1,2,3,4,5,6,7,8,9,10],
       y=[1,3,4,3,1,2,6,5,2,3,4])

p.ygrid.grid_line_color = None

ticks = [0, 2, 4, 6, 8, 10]
p.xaxis[0].ticker = ticks
p.xgrid[0].ticker = ticks

p.xgrid.band_hatch_pattern = "/"
p.xgrid.band_hatch_alpha = 0.6
p.xgrid.band_hatch_color = "lightgrey"
p.xgrid.band_hatch_weight = 0.5
p.xgrid.band_hatch_scale = 10

show(p)

边界

要设置明确的界限以限制网格的绘制位置，请使用一个2元组(start, end)。这与设置轴的界限相同：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)
p.scatter([1,2,3,4,5], [2,5,8,2,7], size=10)

p.grid.bounds = (2, 4)

show(p)

注意

Bokeh 网格还支持配置其他属性。要了解可以在 Bokeh 绘图网格上设置的各种属性的完整列表，请查阅网格部分的参考指南。

样式化图例

类似于轴和网格的便捷方法，Plot上有一个legend()方法，您可以使用它来获取绘图的Legend对象：

bokeh.models.plots.Plot.legend

>>> p.legend
[<bokeh.models.annotations.Legend at 0x106fa2278>]

此方法还返回一个可拆分的列表。因此，您可以在列表上设置一个属性，就像它是一个单一对象一样，并且该属性会为列表中的每个元素更改：

p.legend.label_text_font = "times"

位置

要控制图例标签的位置，请使用 location 属性。

在绘图区域内

对于中央布局区域中的图例，例如由bokeh.plotting自动创建的图例，将location设置为以下值之一：

"top_left"

"top_center"

"top_right"（默认值）

"center_right"

"bottom_right"

"bottom_center"

"bottom_left"

"center_left"

"center"

或者是一个(x, y)元组，表示屏幕坐标中的绝对位置（从屏幕左下角开始的像素距离）。

import numpy as np

from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
y = np.sin(x)

p = figure()

p.scatter(x, y, legend_label="sin(x)")
p.line(x, y, legend_label="sin(x)")

p.line(x, 2*y, legend_label="2*sin(x)",
       line_dash=[4, 4], line_color="orange", line_width=2)

p.scatter(x, 3*y, marker="square", legend_label="3*sin(x)", fill_color=None, line_color="green")
p.line(x, 3*y, legend_label="3*sin(x)", line_color="green")

p.legend.location = "bottom_left"

show(p)

绘图区域外部

要将图例定位在中心区域之外，请使用绘图的add_layout方法。这需要直接创建Legend对象：

import numpy as np

from bokeh.models import Legend
from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
y = np.sin(x)

p = figure(toolbar_location="above")

r0 = p.scatter(x, y)
r1 = p.line(x, y)

r2 = p.line(x, 2*y, line_dash=[4, 4], line_color="orange", line_width=2)

r3 = p.scatter(x, 3*y, marker="square", fill_color=None, line_color="green")
r4 = p.line(x, 3*y, line_color="green")

legend = Legend(items=[
    ("sin(x)"   , [r0, r1]),
    ("2*sin(x)" , [r2]),
    ("3*sin(x)" , [r3, r4]),
], location="center")

p.add_layout(legend, 'right')

show(p)

在这个用例中，您需要以绝对术语指定图例的位置。 未来的版本将添加更多选项来自定义图例位置。

标题

要添加或更改图例的标题，请使用其 title 属性：

plot.legend.title = "Division"

要控制图例标题的视觉外观，请使用任何标准的 文本属性，并加上前缀 title_。例如，要设置图例的字体 样式，请使用 title_text_font_style。

要设置标题和图例其余部分之间的距离（以像素为单位），请使用title_standoff属性。

import pandas as pd

from bokeh.palettes import Spectral4
from bokeh.plotting import figure, show
from bokeh.sampledata.stocks import AAPL, GOOG, IBM, MSFT

p = figure(width=800, height=250, x_axis_type="datetime")

for data, name, color in zip([AAPL, IBM, MSFT, GOOG], ["AAPL", "IBM", "MSFT", "GOOG"], Spectral4):
    df = pd.DataFrame(data)
    df['date'] = pd.to_datetime(df['date'])
    p.line(df['date'], df['close'], line_width=2, color=color, legend_label=name)

p.legend.location = "top_left"
p.legend.title = 'Stock'
p.legend.title_text_font_style = "bold"
p.legend.title_text_font_size = "20px"

show(p)

方向

要控制图例的方向，请使用 orientation 属性。 此属性的有效值为：

• "vertical"

• "horizontal"

默认方向是 "vertical"。

import numpy as np

from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
y = np.sin(x)

p = figure()

p.scatter(x, y, legend_label="sin(x)")
p.line(x, y, legend_label="sin(x)")

p.line(x, 2*y, legend_label="2*sin(x)",
       line_dash=[4, 4], line_color="orange", line_width=2)

p.scatter(x, 3*y, marker="square", legend_label="3*sin(x)", fill_color=None, line_color="green")
p.line(x, 3*y, legend_label="3*sin(x)", line_color="green")

p.legend.orientation = "horizontal"

show(p)

二维布局

可以通过将正整数设置为属性nrows或ncols来激活图例的二维布局。这提供了避免图例被截断的机会。

nrows 和 ncols 的默认值是 "auto"，如果 orientation 属性是 "vertical"，则会导致一列，如果 orientation 属性是 "horizontal"，则会导致一行。

import numpy as np

from bokeh.layouts import column
from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
sinx = np.sin(x)

p1 = figure(title='Default legend layout', width=500, height=300)
[p1.line(x, (1 + i/20)*sinx, legend_label=f"{1+i/20:.2f}*sin(x)") for i in range(7)]

p2 = figure(title='Legend layout with 2 columns', width=500, height=300)
[p2.line(x, (1 + i/20)*sinx, legend_label=f"{1+i/20:.2f}*sin(x)") for i in range(7)]
p2.legend.ncols=2

p3 = figure(title='Legend layout with 3 rows', width=500, height=300)
[p3.line(x, (1 + i/20)*sinx, legend_label=f"{1+i/20:.2f}*sin(x)") for i in range(7)]
p3.legend.nrows=3

show(column(p1, p2, p3))

标签文本

要控制图例标签的视觉外观，请使用任何标准的文本属性，并加上label_前缀。例如，要设置标签的字体样式，请使用label_text_font_style。

import numpy as np

from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
y = np.sin(x)

p = figure()

p.scatter(x, y, legend_label="sin(x)")
p.line(x, y, legend_label="sin(x)")

p.line(x, 2*y, legend_label="2*sin(x)",
       line_dash=[4, 4], line_color="orange", line_width=2)

p.scatter(x, 3*y, marker="square", legend_label="3*sin(x)", fill_color=None, line_color="green")
p.line(x, 3*y, legend_label="3*sin(x)", line_color="green")

p.legend.label_text_font = "times"
p.legend.label_text_font_style = "italic"
p.legend.label_text_color = "navy"

show(p)

边框

要控制图例边框的视觉外观，请使用一组线条属性，前缀为border_。例如，要设置边框的颜色，请使用border_line_color。要使边框不可见，请将边框线条颜色设置为None。

import numpy as np

from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
y = np.sin(x)

p = figure()

p.scatter(x, y, legend_label="sin(x)")
p.line(x, y, legend_label="sin(x)")

p.line(x, 2*y, legend_label="2*sin(x)",
       line_dash=[4, 4], line_color="orange", line_width=2)

p.scatter(x, 3*y, marker="square", legend_label="3*sin(x)", fill_color=None, line_color="green")
p.line(x, 3*y, legend_label="3*sin(x)", line_color="green")

p.legend.border_line_width = 3
p.legend.border_line_color = "navy"
p.legend.border_line_alpha = 0.5

show(p)

背景

要控制图例背景的视觉外观，请使用一组填充属性，前缀为background_。例如，要设置背景颜色，请使用background_fill_color。要使背景透明，请将background_fill_alpha设置为0。

import numpy as np

from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
y = np.sin(x)

p = figure()

p.scatter(x, y, legend_label="sin(x)")
p.line(x, y, legend_label="sin(x)")

p.line(x, 2*y, legend_label="2*sin(x)",
       line_dash=[4, 4], line_color="orange", line_width=2)

p.scatter(x, 3*y, marker="square", legend_label="3*sin(x)", fill_color=None, line_color="green")
p.line(x, 3*y, legend_label="3*sin(x)", line_color="green")

#  3*sin(x) curve should be under this legend at initial viewing, so
# we can see that the legend is transparent
p.legend.location = "bottom_right"
p.legend.background_fill_color = "navy"
p.legend.background_fill_alpha = 0.5

show(p)

维度

要控制标签组件的布局或间距等尺寸，请使用以下属性：

有几种属性可以用来控制图例组件的布局、间距等：

label_standoff = 5

Type:

Int

标签与其相关字形之间的距离（以像素为单位）。

label_width = 20

Type:

Int

图例标签应占据区域的最小宽度（以像素为单位）。

label_height = 20

Type:

Int

图例标签应占据区域的最小高度（以像素为单位）。

glyph_width = 20

Type:

Int

渲染的图例字形应占用的宽度（以像素为单位）。

glyph_height = 20

Type:

Int

渲染的图例符号应占用的高度（以像素为单位）。

padding = 10

Type:

Int

图例内容周围的填充量。仅在边框可见时适用，否则会折叠为0。

spacing = 3

Type:

Int

图例条目之间的间距量（以像素为单位）。

margin = 10

Type:

Int

图例周围的边距量。

import numpy as np

from bokeh.plotting import figure, show

x = np.linspace(0, 4*np.pi, 100)
y = np.sin(x)

p = figure()

p.scatter(x, y, legend_label="sin(x)")
p.line(x, y, legend_label="sin(x)")

p.line(x, 2*y, legend_label="2*sin(x)",
       line_dash=[4, 4], line_color="orange", line_width=2)

p.scatter(x, 3*y, marker="square", legend_label="3*sin(x)", fill_color=None, line_color="green")
p.line(x, 3*y, legend_label="3*sin(x)", line_color="green")

p.legend.label_standoff = 5
p.legend.glyph_width = 50
p.legend.spacing = 10
p.legend.padding = 50
p.legend.margin = 50

show(p)

设置渲染级别

要指定绘制内容的顺序，请使用以下渲染级别之一：

image:

“最低”渲染级别，在其他任何内容之前绘制

underlay:

网格的默认渲染级别

glyph:

所有字形（glyphs）的默认渲染级别（这意味着它们在网格之上绘制）

annotation:

注释渲染器的默认渲染级别

overlay:

“最高”渲染级别，用于工具覆盖层

在给定的层级内，渲染器按照它们被添加的顺序进行绘制。

要明确指定渲染级别，请在渲染器上使用 level 参数。

例如，为了确保图像在网格线下方渲染，调用image渲染器时，将渲染级别"image"分配给level参数：

p.image(..., level="image")

您可以在章节 Color mapped images中查看带有输出的完整示例。