pandas-bokehを使ってみよう
bokehについて
bokeh はインタラクティブなグラフを描画できる拡張モジュールです。
code: boke_sample.py
from bokeh.plotting import figure, output_file, show
output_file("lines.html")
p = figure(title="simple line example", x_axis_label='x', y_axis_label='y')
p.line(x, y, legend_label="Temp.", line_width=2)
show(p)
code: Ipython
In 2: # %load bokeh_sample.py ...: from bokeh.plotting import figure, output_file, show
...:
...:
...: output_file("lines.html")
...:
...: p = figure(title="simple line example",
...: x_axis_label='x', y_axis_label='y')
...: p.line(x, y, legend_label="Temp.", line_width=2)
...: show(p)
まず、figure()でグラフ領域をつくり、そこにline() を引き、show() で描画するという手順でグラフを描画します。
https://gyazo.com/616fbecf578159a535a73839b0e0a413
Bokeh では次のようなインタラクティブな描画機能が提供されています。
ズームイン/ズームアウト可能
凡例をクリックすると、個々の線をオン/オフが可能（非表示にできる）
プロットされた線のホバーツール（マウスでなぞるとデータ値を参照できる）
スライドバーで変数を変化させた動的なグラフの描画
インストール
拡張モジュールなので次のようにインストールします。
code: bash condaの場合
$ conda install bokeh
code: bash pipの場合
$ pip install bokeh
bokeh のサンプルデータセット
bokeh にはサンプル用のデータセットがあります。
利用するためにはあらかじめダウンロードしておく必要があります。
code: IPython
In 1: import bokeh In 2: bokeh.sampledata.download() Creating /Users/goichiiisaka/.bokeh directory
Creating /Users/goichiiisaka/.bokeh/data directory
Using data directory: /Users/goichiiisaka/.bokeh/data
Downloading: CGM.csv (1589982 bytes)
Downloading: US_Counties.zip (3171836 bytes)
Unpacking: US_Counties.csv
Downloading: us_cities.json (713565 bytes)
Downloading: unemployment09.csv (253301 bytes)
Downloading: AAPL.csv (166698 bytes)
Downloading: FB.csv (9706 bytes)
Downloading: GOOG.csv (113894 bytes)
Downloading: IBM.csv (165625 bytes)
Downloading: MSFT.csv (161614 bytes)
Downloading: WPP2012_SA_DB03_POPULATION_QUINQUENNIAL.zip (4816256 bytes)
Unpacking: WPP2012_SA_DB03_POPULATION_QUINQUENNIAL.csv
Downloading: gapminder_fertility.csv (64346 bytes)
Downloading: gapminder_population.csv (94509 bytes)
Downloading: gapminder_life_expectancy.csv (73243 bytes)
Downloading: gapminder_regions.csv (7781 bytes)
Downloading: world_cities.zip (645274 bytes)
Unpacking: world_cities.csv
Downloading: airports.json (6373 bytes)
Downloading: movies.db.zip (5053420 bytes)
Unpacking: movies.db
Downloading: airports.csv (203190 bytes)
Downloading: routes.csv (377280 bytes)
Downloading: haarcascade_frontalface_default.xml (930127 bytes)
Linux系プラットフォームでは、$HOME/.bokeh/data/ 以下に保存されています。
code: bash
$ ls $HOME/.bokeh/data
AAPL.csv
CGM.csv
FB.csv
GOOG.csv
IBM.csv
MSFT.csv
US_Counties.csv
WPP2012_SA_DB03_POPULATION_QUINQUENNIAL.csv
airports.csv
airports.json
gapminder_fertility.csv
gapminder_life_expectancy.csv
gapminder_population.csv
gapminder_regions.csv
haarcascade_frontalface_default.xml
movies.db
routes.csv
unemployment09.csv
us_cities.json
world_cities.csv
pandas-bokehについて
pandas がデータフレームからplot()メソッドを呼び出すだけで簡単にグラフを描画できるのに比べると、bokeh を単独で使った場合は、それなりにコードを記述しないと目的のグラフを描画できません。
この不満を解消するものが、pandas-bokeh です。このモジュールはpandasのデータフレームから簡単に bokeh をバックエンドとしたグラフを描画できるようになります。
インストール
拡張モジュールなので次のようにインストールします。
code: bash condaの場合
$ conda install pandas-bokeh
code: bash pipの場合
$ pip install pandas-bokeh
pandas-bokeh の利用準備
次のようにモジュールをロードしておきます。
code: IPython
import pandas as pd
import pandas_bokeh
Jupyter Notebook を使用している場合は、次のように出力先をノートブックしておきます。
code: python
pandas_bokeh.output_notebook()
次のようにすると出力先をファイルにすることができます。
それ以降でプロットしたときにブラウザに表示されます。
code: python
pandas_bokeh.output_file("output.html")
pandas-bokeh でプロット
code: pandas_csv_readfromurl.py
import pandas as pd
url = baseurl + '/master/iris.csv'
df = pd.read_csv(url)
code: IPython
In 2: # %load pandas_csv_readfromurl.py ...: import pandas as pd
...:
...: url = baseurl + '/tests/data/iris.csv'
...: df = pd.read_csv(url)
...:
In 3: import pandas_bokeh In 4: df.plot_bokeh() データフレームオブジェクトのplot()メソッドに変えて plot_bokeh() メソッドを呼び出すだけです。
https://gyazo.com/ec36175fa802652a73852a818a3c2fde
バックエンドを pandas-bokeh に切り替える
次のようにバックエンドを pandas-bokeh に切り替えておくと、以後はデータフレームのplot()メソッドをpands_bokeh()に書き換える必要がありません。
code: IPython
import pandas as pd
import pandas_bokeh
pd.set_option('plotting.backend', 'pandas_bokeh')
プロットタイプ
pandas-bokeh では次のタイプのグラフを描画できます。
plot_bokeh(kind="line") と実行すると、lineplot を描画します。
これは、plot_bokeh.line() と呼び出すことと同じです。
table: pandas-bokeh の描画タイプの一覧
ドキュメント表記 method kind 説明
lineplot line() line 折れ線グラフ
pointplot point() point ドット
stepplot step() step ステップ図
scatterplot scatter() scatter 散布図
barplot bar() bar 棒グラフ
barplot barh() barh 積み上げ棒グラフ
histogram hist() hist ヒストグラム
areaplot area() area 面グラフ
pieplot pie() pie 円グラフ
mapplot map() map 地図
pandas-boken のドキュメントに例示 されているグラフ描画のサンプルをみてみましょう。 lineplot - ライングラフ
乱数を使って作成したダミーデータを折れ線グラフでプロットしてみます。
code: bokeh_line.py
import numpy as np
import pandas as pd
import pandas_bokeh
np.random.seed(42)
df = pd.DataFrame({"Google": np.random.randn(1000)+0.2,
"Apple": np.random.randn(1000)+0.17},
index=pd.date_range('1/1/2000', periods=1000))
df = df.cumsum()
df = df + 50
df.plot_bokeh(kind="line")
code: IPython
In 2: # %load bokeh_line.py ...: import numpy as np
...: import pandas as pd
...: import pandas_bokeh
...:
...: np.random.seed(42)
...: df = pd.DataFrame({"Google": np.random.randn(1000)+0.2,
...: "Apple": np.random.randn(1000)+0.17},
...: index=pd.date_range('1/1/2000', periods=1000))
...: df = df.cumsum()
...: df = df + 50
...: df.plot_bokeh(kind="line")
...:
https://gyazo.com/05069b5acbcadbe3e471bd021559d963
この資料ではキャプチャーした画像となっていますが、
ブラウザで表示されるグラフでは右側のメニューをマウスで操作したり、
カーソルをプロットされるラインに重ねてそのポイントでの値を見ることができます。
lineplot - 時系列グラフ
乱数を使って作成したダミーデータを使って時系列グラフをプロットしてみます。
code: bokeh_line_timeseries.py
import numpy as np
import pandas as pd
import pandas_bokeh
ts = pd.Series(np.random.randn(1000),
index=pd.date_range('1/1/2000', periods=1000))
df = pd.DataFrame(np.random.randn(1000, 4),
index=ts.index, columns=list('ABCD'))
df = df.cumsum()
df.plot_bokeh(rangetool=True)
code: IPython
In 2: # %load bokeh_line_timeseries.py ...: import numpy as np
...: import pandas as pd
...: import pandas_bokeh
...:
...: ts = pd.Series(np.random.randn(1000),
...: index=pd.date_range('1/1/2000', periods=1000))
...: df = pd.DataFrame(np.random.randn(1000, 4),
...: index=ts.index, columns=list('ABCD'))
...:
...: df = df.cumsum()
...: df.plot_bokeh(rangetool=True)
...:
Out2: Column(id='1202', ...) https://gyazo.com/b7e3c8ad2f9fab118c56a5785042c2f4
pointplot - ポイントグラフ
lineplot とよく似ていますが、ラインの代わりにポイントをマーカーで印ていきます。
code: bokeh_point.py
import numpy as np
import pandas as pd
import pandas_bokeh
x = np.arange(-3, 3, 0.1)
y2 = x**2
y3 = x**3
df = pd.DataFrame({"x": x, "Parabula": y2, "Cube": y3})
df.plot_bokeh.point(
x="x",
xticks=range(-3, 4),
size=5,
title="Pointplot (Parabula vs. Cube)",
marker="x")
code: IPython
In 2: # %load bokeh_point.py ...: import numpy as np
...: import pandas as pd
...: import pandas_bokeh
...:
...: x = np.arange(-3, 3, 0.1)
...: y2 = x**2
...: y3 = x**3
...: df = pd.DataFrame({"x": x, "Parabula": y2, "Cube": y3})
...: df.plot_bokeh.point(
...: x="x",
...: xticks=range(-3, 4),
...: size=5,
...: title="Pointplot (Parabula vs. Cube)",
...: marker="x")
...:
Out2: Figure(id='1001', ...) https://gyazo.com/e808ca14d4c9942e2290020ee612244b
pointplot ではマーカー（ポイントの形状)には次のものが指定できます
circle
square
triangle
asterisk
circle_x
square_x
inverted_triangle
x
circle_cross
square_cross
diamond
cross
stepplot ステップ図
code: bokeh_stepplot.py
import numpy as np
import pandas as pd
import pandas_bokeh
x = np.arange(-3, 3, 1)
y2 = x**2
y3 = x**3
df = pd.DataFrame({"x": x, "Parabula": y2, "Cube": y3})
df.plot_bokeh.step(
x="x",
xticks=range(-1, 1),
title="Stepplot (Parabula vs. Cube)",
figsize=(800,300)
)
df.plot_bokeh.step(
x="x",
xticks=range(-1, 1),
title="Stepplot (Parabula vs. Cube)",
mode="after",
figsize=(800,300)
)
code: IPython
In 1: %load bokeh_stepplot.py ...: import pandas_bokeh ...:
...: x = np.arange(-3, 3, 1)
...: y2 = x**2
...: y3 = x**3
...: df = pd.DataFrame({"x": x, "Parabula": y2, "Cube": y3})
...: df.plot_bokeh.step(
...: x="x",
...: xticks=range(-1, 1),
...: title="Stepplot (Parabula vs. Cube)",
...: figsize=(800,300)
...: )
...:
...: df.plot_bokeh.step(
...: x="x",
...: xticks=range(-1, 1),
...: title="Stepplot (Parabula vs. Cube)",
...: mode="after",
...: figsize=(800,300)
...: )
...:
Out2: Figure(id='1178', ...) https://gyazo.com/8e293d1d041d41049e322bda5ba53f5a
scatterplot 散布図
散布図の例です。
code: bokeh_scatter.py
import pandas as pd
import pandas_bokeh
df = pd.read_csv(
)
df = df.sample(frac=1)
# Create Bokeh-Table with DataFrame:
from bokeh.models.widgets import DataTable, TableColumn
from bokeh.models import ColumnDataSource
data_table = DataTable(
source=ColumnDataSource(df),
height=300,
)
# Create Scatterplot:
p_scatter = df.plot_bokeh.scatter(
x="petal length (cm)",
y="sepal width (cm)",
category="species",
title="Iris DataSet Visualization",
)
code: IPython
In 2: # %load bokeh_scatter.py ...: import pandas as pd
...: import pandas_bokeh
...:
...: baseurl = 'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/'
...: url = gitjuburl + baseurl + 'iris/iris.csv'
...:
...: df = pd.read_csv(url)
...: df = df.sample(frac=1)
...:
...: #Change one value to clearly see the effect of the size keyword ...:
...: p_scatter = df.plot_bokeh.scatter(
...: x="petal length (cm)",
...: y="sepal width (cm)",
...: category="species",
...: title="Iris DataSet Visualization with Size Keyword",
...: size="sepal length (cm)")
...:
https://gyazo.com/f9853d889fa816b45dcdbcc164d5d2e0
データを表示させる
bokeh の DataTable を使うと、データを表形式で表示します。
グラフはplot_bokeh() を呼び出すときに show_figure=False としておき、
plot_grid() でDataTableのオブジェクトと合わせて表示します。
code: bokeh_scatter_with_table.py
import pandas as pd
import pandas_bokeh
df = pd.read_csv(
)
df = df.sample(frac=1)
# Create Bokeh-Table with DataFrame:
from bokeh.models.widgets import DataTable, TableColumn
from bokeh.models import ColumnDataSource
data_table = DataTable(
source=ColumnDataSource(df),
height=300,
)
# Create Scatterplot:
p_scatter = df.plot_bokeh.scatter(
x="petal length (cm)",
y="sepal width (cm)",
category="species",
title="Iris DataSet Visualization",
show_figure=False,
)
# Combine Table and Scatterplot via grid layout:
pandas_bokeh.plot_grid(data_table, p_scatter, plot_width=400, plot_height=350)
https://gyazo.com/e50efd118f5e4f9d3d6e835d37e5d613
barplot 棒グラフ
棒グラフの例です。
code: bokeh_bar.py
import pandas as pd
import pandas_bokeh
data = {
'fruits':
}
df = pd.DataFrame(data).set_index("fruits")
p_bar = df.plot_bokeh.bar(
ylabel="Price per Unit € ", title="Fruit prices per Year",
alpha=0.6)
code: IPython
In 2: # %load bokeh_bar.py ...: import pandas as pd
...: import pandas_bokeh
...:
...: data = {
...: 'fruits':
...: }
...: df = pd.DataFrame(data).set_index("fruits")
...:
...: p_bar = df.plot_bokeh.bar(
...: ylabel="Price per Unit €", ...: title="Fruit prices per Year",
...: alpha=0.6)
...:
https://gyazo.com/d46f54d7ed40eb0f6e86103c2305b96a
StackedBar 積み上げ棒グラフ
barplot にstacked=True を与えると、積み上げ棒グラフになります。
code: bokeh_stackedbar.py
import pandas as pd
import pandas_bokeh
data = {
'fruits':
}
df = pd.DataFrame(data).set_index("fruits")
p_stacked_bar = df.plot_bokeh.bar(
ylabel="Price per Unit € ", title="Fruit prices per Year",
stacked=True,
alpha=0.6)
code: bokeh_stackedbar.py
In 2: # %load bokeh_stackedbar.py ...: import pandas as pd
...: import pandas_bokeh
...:
...: data = {
...: 'fruits':
...: }
...: df = pd.DataFrame(data).set_index("fruits")
...:
...: p_stacked_bar = df.plot_bokeh.bar(
...: ylabel="Price per Unit €", ...: title="Fruit prices per Year",
...: stacked=True,
...: alpha=0.6)
...:
https://gyazo.com/53b8a663c4812fdfbe58b799951afbb9
histogram
ヒストグラムの例です。
code: bokeoh_histgram_data.py
import numpy as np
import pandas as pd
import pandas_bokeh
df_hist = pd.DataFrame({
'a': np.random.randn(1000) + 1,
'b': np.random.randn(1000),
'c': np.random.randn(1000) - 1
},
code: bokeh_histgram_default.py
df_hist.plot_bokeh.hist(
bins=np.linspace(-5, 5, 41),
vertical_xlabel=True,
hovertool=False,
title="Normal distributions (Top-on-Top)",
line_color="black")
code: Python
In 2: # %load bokeh_histgram_data.py ...: import numpy as np
...: import pandas as pd
...: import pandas_bokeh
...:
...: df_hist = pd.DataFrame({
...: 'a': np.random.randn(1000) + 1,
...: 'b': np.random.randn(1000),
...: 'c': np.random.randn(1000) - 1
...: },
...:
In 4: # %load bokeh_histgram_default.py ...: df_hist.plot_bokeh.hist(
...: bins=np.linspace(-5, 5, 41),
...: vertical_xlabel=True,
...: hovertool=False,
...: title="Normal distributions (Top-on-Top)",
...: line_color="black")
...:
Out4: Figure(id='1001', ...) https://gyazo.com/8574f023c153a0715b2fc46406d2a1f9
plot_bokeh(kind="hist") としても plot_bokeh.hist() を呼び出すことと同じです。
histogram_type="stacked" を与えると、積み上げヒストグラムになります。
code: bokeh_histgram_stacked.py
df_hist.plot_bokeh.hist(
bins=np.linspace(-5, 5, 41),
histogram_type="stacked",
vertical_xlabel=True,
hovertool=False,
title="Normal distributions (Stacked)",
line_color="black")
code: IPython
In 6: # %load bokeh_histgram_stacked.py ...: df_hist.plot_bokeh.hist(
...: bins=np.linspace(-5, 5, 41),
...: histogram_type="stacked",
...: vertical_xlabel=True,
...: hovertool=False,
...: title="Normal distributions (Stacked)",
...: line_color="black")
...:
Out6: Figure(id='1215', ...) https://gyazo.com/9f7fdb53b348ad0f13a3a375c4a6a194
histogram_type="sidebyside" を与えるとデータごとにずらして描画します。
code: bokeh_histgram_sidebyside.py
# multiple bars share bin side-by-side
# and also accessible via kind="hist":
df_hist.plot_bokeh(
kind="hist",
bins=np.linspace(-5, 5, 41),
histogram_type="sidebyside",
vertical_xlabel=True,
hovertool=False,
title="Normal distributions (Side-by-Side)",
line_color="black")
code: IPythokn
In 8: # %load bokeh_histgram_sidebyside.py ...: # multiple bars share bin side-by-side
...: # and also accessible via kind="hist":
...: df_hist.plot_bokeh(
...: kind="hist",
...: bins=np.linspace(-5, 5, 41),
...: histogram_type="sidebyside",
...: vertical_xlabel=True,
...: hovertool=False,
...: title="Normal distributions (Side-by-Side)",
...: line_color="black")
...:
Out8: Figure(id='1429', ...) https://gyazo.com/9c683814650ee37ac1c423e1c94333d2
areaplot - 面グラフ
code: bokeh_area.py
import pandas as pd
import pandas_bokeh
baseurl = 'PatrikHlobil/Pandas-Bokeh/master/'
url = githuburl + baseurl + 'docs/Testdata/energy/energy.csv'
df_energy = pd.read_csv(url, parse_dates="Year") df_energy.head()
df_energy.plot_bokeh.area(
x="Year",
stacked=True,
legend="top_left",
title="Worldwide energy consumption split by energy source",
ylabel="Million tonnes oil equivalent",
ylim=(0, 16000))
code: IPython
In 2: # %load bokeh_area.py ...: import pandas as pd
...: import pandas_bokeh
...:
...: baseurl = 'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/'
...: url = githuburl + baseurl + 'energy/energy.csv'
...:
...: df_energy = pd.read_csv(url, parse_dates="Year") ...: df_energy.head()
...:
...: df_energy.plot_bokeh.area(
...: x="Year",
...: stacked=True,
...: legend="top_left",
...: title="Worldwide energy consumption split by energy source",
...: ylabel="Million tonnes oil equivalent",
...: ylim=(0, 16000))
...:
https://gyazo.com/662b2c41930f878979bcf482cdb560d0
stacked=True を与えると、積み上げ面グラフになり各要素の割合の変化を観察することができます。
code: bokeh_area2.py
import pandas as pd
import pandas_bokeh
baseurl = 'PatrikHlobil/Pandas-Bokeh/master/'
url = githuburl + baseurl + 'docs/Testdata/energy/energy.csv'
df_energy = pd.read_csv(url, parse_dates="Year") df_energy.head()
df_energy.plot_bokeh.area(
x="Year",
stacked=True,
normed=100,
legend="bottom_left",
title="Worldwide energy consumption split by energy source",
ylabel="Million tonnes oil equivalent")
code: IPython
In 2: # %load bokeh_area2.py ...: import pandas as pd
...: import pandas_bokeh
...:
...: baseurl = 'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/'
...: url = githuburl + baseurl + 'energy/energy.csv'
...:
...: df_energy = pd.read_csv(url, parse_dates="Year") ...: df_energy.head()
...:
...: df_energy.plot_bokeh.area(
...: x="Year",
...: stacked=True,
...: normed=100,
...: legend="bottom_left",
...: title="Worldwide energy consumption split by energy source",
...: ylabel="Million tonnes oil equivalent")
...:
https://gyazo.com/764c78bb1c04768d16d88276f5dfbe10
pieplot 円グラフ
円グラフの例です。
引数 x に与えたカラム別に円グラフば描画され、凡例（legend) に表示されます。
code: bokeh_pie.py
import pandas as pd
import pandas_bokeh
baseurl = 'PatrikHlobil/Pandas-Bokeh/master/'
url = githuburl + baseurl + 'docs/Testdata/Bundestagswahl/Bundestagswahl.csv'
df_pie = pd.read_csv(url)
df_pie.plot_bokeh.pie(
x="Partei",
y="2017",
title="Results of German Bundestag Election 2017",
)
code: IPython
In 2: # %load bokeh_pie.py ...: import pandas as pd
...: import pandas_bokeh
...:
...: baseurl = 'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/'
...: url = githuburl + baseurl + 'Bundestagswahl/Bundestagswahl.csv'
...:
...: df_pie = pd.read_csv(url)
...:
...: df_pie.plot_bokeh.pie(
...: x="Partei",
...: y="2017",
...: legend_field="Partei",
...: colormap=["blue", "red", "yellow", "green", "purple", "orange", "grey"
...: ],
...: title="Results of German Bundestag Election 2017",
...: )
...:
Out2: Figure(id='1036', ...) Partei 2002 2005 2009 2013 2017
0 CDU/CSU 38.5 35.2 33.8 41.5 32.9
1 SPD 38.5 34.2 23.0 25.7 20.5
2 FDP 7.4 9.8 14.6 4.8 10.7
3 Grünen 8.6 8.1 10.7 8.4 8.9
4 Linke/PDS 4.0 8.7 11.9 8.6 9.2
5 AfD 0.0 0.0 0.0 0.0 12.6
6 Sonstige 3.0 4.0 6.0 11.0 5.0
https://gyazo.com/3f35ac704abae5bd911c42da7f3c036c
引数 y を複数のカラムを与えると、１つのグラフに複数の円グラフがネストされて描画されます。
引数y を省略すると、与えたデータフレームのすべてのカラムのデータを描画します。
code: bokeh_pie_multi.py
import pandas as pd
import pandas_bokeh
baseurl = 'PatrikHlobil/Pandas-Bokeh/master/'
url = githuburl + baseurl + 'docs/Testdata/Bundestagswahl/Bundestagswahl.csv'
df_pie = pd.read_csv(url)
df_pie.plot_bokeh.pie(
x="Partei",
title="Results of German Bundestag Elections 2002-2017", line_color="grey")
code: IPython
In 2: # %load bokeh_pie_multi.py ...: import pandas as pd
...: import pandas_bokeh
...:
...: baseurl = 'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/'
...: url = githuburl + baseurl + 'Bundestagswahl/Bundestagswahl.csv'
...:
...: df_pie = pd.read_csv(url)
...:
...: df_pie.plot_bokeh.pie(
...: x="Partei",
...: colormap=["blue", "red", "yellow", "green", "purple", "orange", "grey"
...: ],
...: title="Results of German Bundestag Elections 2002-2017", ...: line_color="grey")
...:
https://gyazo.com/96d304a5c2ee212139a186e44f0d1b61
mapplot
GeoPandas がインストールされていると、pandas-bokeh は mapplot で地図データをベースにデータを重ねて描画することができます。
code: bokeh_map.py
import pandas as pd
import pandas_bokeh
baseurl = r'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/populated%20places/'
url = githuburl + baseurl + 'populated_places.csv'
df_map = pd.read_csv(url)
df_map.plot_bokeh.map(
x="longitude",
y="latitude",
hovertool_string="""<h2> @{name} </h2>
<h3> Population: @{pop_max} </h3>""",
tile_provider="STAMEN_TERRAIN_RETINA",
size="size",
figsize=(900, 600),
title="World cities with more than 1.000.000 inhabitants")
code: Ipython
...: import pandas as pd
...: import pandas_bokeh
...:
...: baseurl = r'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/populated%20pla
...: ces/'
...: url = githuburl + baseurl + 'populated_places.csv'
...: df_map = pd.read_csv(url)
...:
...: df_map.plot_bokeh.map(
...: x="longitude",
...: y="latitude",
...: hovertool_string="""<h2> @{name} </h2>
...:
...: <h3> Population: @{pop_max} </h3>""",
...: tile_provider="STAMEN_TERRAIN_RETINA",
...: size="size",
...: figsize=(900, 600),
...: title="World cities with more than 1.000.000 inhabitants")
https://gyazo.com/29a4fb2af5874688d891290308d77b00
code: IPython
In 1: # %load bokeh_map.py ...: import geopandas as gpd
...: import pandas as pd
...: import pandas_bokeh
...:
...: baseurl = 'PatrikHlobil/Pandas-Bokeh/master/docs/Testdata/states/'
...: url = githuburl + baseurl + 'states.geojson'
...:
...: df_states = gpd.read_file(url)
...: df_states.plot_bokeh(simplify_shapes=10000)
https://gyazo.com/2a6f695bf3b91bbb33f5c7e177bf3091
既知の問題
Bokeh のバージョンが 2.0 になり、pandas-bokeh が一部うまく処理できないところがありました。
legend キーワードが legend_label に変わった
この修正により pandas-bokeh 0.4.2では、プロットとしたときにワーニングメッセージが表示されました。
code: python
BokehDeprecationWarning: 'legend' keyword is deprecated, use explicit 'legend_label', 'legend_field', or 'legend_group' keywords instead
BokehDeprecationWarning: 'legend' keyword is deprecated, use explicit 'legend_label', 'legend_field', or 'legend_group' keywords instead
pandas-bokeh のバージョン 0.5.0 でうまく処理できるようになっています。
参考: