Bokeh：如何更改日期时间轴的范围

在本文中，我们将介绍如何使用Bokeh库以及Python编程语言来更改Bokeh图表中日期时间轴的范围。Bokeh是一个用于创建交互式数据可视化的优秀Python库，它提供了许多功能和选项，使我们能够轻松地创建各种类型的图表。日期时间轴是在可视化过程中经常用到的一种轴类型，它用于显示和操作日期和时间数据。通过修改日期时间轴的范围，我们可以自定义图表的显示和细节，从而提高用户体验和数据呈现效果。

阅读更多：Bokeh 教程

Bokeh基础知识回顾

首先，让我们回顾一下Bokeh的一些基础知识。Bokeh库使用的核心概念是“绘图”（Plot），通过创建和配置绘图对象来生成图表。绘图对象由一或多个图形（Glyphs）组成，而图形则由数据，可视化属性和几何属性组成。Bokeh提供了许多不同类型的图形，如线图（Line Glyph），散点图（Scatter Glyph）和柱状图（Bar Glyph）等。

Bokeh图表通常与数据源（DataSource）关联，数据源由一个或多个数据列组成，并根据需要提供用于图表绘制的数据。例如，我们可以将一个日期时间列与一个数值列关联，并根据这两列的数据绘制一条线图。Bokeh还支持其他一些重要概念，如工具栏（Toolbar）和图表布局（Layout），用于增强和组织可视化图表。

调整日期时间轴的范围

默认情况下，Bokeh根据数据源中日期时间列的最小值和最大值来自动确定日期时间轴的范围。然而，有时我们可能希望手动指定日期时间轴的范围，以精确控制图表的显示效果。Bokeh提供了几种方法来实现这一目的，让我们逐一介绍。

方法1：直接指定日期时间轴的范围

我们可以使用x_range和y_range属性来直接指定日期时间轴的范围。通过创建一个范围对象，我们可以指定轴的最小值和最大值。例如，下面的代码片段演示了如何指定x轴的日期时间范围：

from bokeh.plotting import figure
from bokeh.io import show

p = figure(x_axis_type='datetime')
p.line([date1, date2, date3], [y1, y2, y3])

p.x_range = Range1d(start=start_date, end=end_date)

show(p)

在上面的代码中，我们首先创建一个figure对象，并通过x_axis_type参数将x轴设为日期时间轴。然后，我们使用line方法绘制一条折线图，传入日期时间数据和对应的数值数据。最后，我们使用 Range1d对象创建一个范围对象，并将它赋给x_range属性。

方法2：使用DatetimeTicker和DatetimeAxis

Bokeh提供了DatetimeTicker和DatetimeAxis来处理日期时间轴的可视化细节。我们可以通过使用这些工具来更改日期时间轴的标签和刻度。下面的代码演示了如何使用DatetimeTicker和DatetimeAxis修改日期时间轴的显示格式和刻度密度：

from bokeh.plotting import figure
from bokeh.io import show
from bokeh.models import DatetimeTicker, DatetimeAxis

p = figure(x_axis_type='datetime')
p.line([date1, date2, date3], [y1, y2, y3])

p.xaxis.ticker = DatetimeTicker(desired_num_ticks=8)
p.xaxis.formatter = DatetimeTickFormatter(days=["%Y-%m-%d"], months=["%Y-%m"], years=["%Y"])
p.xaxis.axis_label = "日期"

show(p)

在上面的代码中，我们创建了一个日期时间类型的x轴，并使用DatetimeTicker来设置x轴上的刻度密度。我们可以通过修改desired_num_ticks参数来调整刻度的数量，以满足我们的需求。接下来，我们使用DatetimeTickFormatter来为x轴设置自定义的日期时间标签格式。在这个示例中，我们使用days=["%Y-%m-%d"], months=["%Y-%m"], years=["%Y"]设置了三种不同的日期时间显示格式。最后，我们为x轴设置了一个简单的轴标签。

示例

让我们通过一个示例来演示如何使用Bokeh库和Python来修改日期时间轴的范围。假设我们有一个包含每天销售额的数据集，并且我们想绘制一个折线图来显示销售额的趋势。

首先，我们需要导入必要的库和数据，如下所示：

from bokeh.plotting import figure
from bokeh.io import show
from bokeh.models import DatetimeTicker, DatetimeAxis
from bokeh.sampledata.stocks import AAPL

dates = AAPL['date']
prices = AAPL['adj_close']

然后，我们可以创建一个绘图对象，并设置日期时间类型的x轴和价格y轴：

p = figure(x_axis_type='datetime', title="每日销售额趋势")
p.line(dates, prices, line_color='blue', line_width=2)

p.xaxis.formatter = DatetimeTickFormatter(days=["%Y-%m-%d"], months=["%Y-%m"], years=["%Y"])
p.xaxis.ticker = DatetimeTicker(desired_num_ticks=8)
p.xaxis.axis_label = "日期"
p.yaxis.axis_label = "销售额"

show(p)

在上面的代码中，我们首先创建了一个figure对象，并使用x_axis_type='datetime'设置x轴为日期时间类型。然后，我们使用line方法绘制了一个折线图，传入日期时间数据和对应的价格数据。接下来，我们使用DatetimeTickFormatter设置了自定义的日期时间标签格式，通过days=["%Y-%m-%d"], months=["%Y-%m"], years=["%Y"]定义了三种不同的日期时间显示格式。我们还使用DatetimeTicker来设置了x轴的刻度密度，通过desired_num_ticks=8定义了需要显示的刻度数量。最后，我们为x轴和y轴设置了轴标签，并显示了图表。

这样，我们就完成了一个简单的Bokeh图表，它显示了每日销售额的趋势，并使用日期时间轴来展示时间范围和刻度标签。