首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何用描述和不同的fill_color数组在bokeh上绘制散点图?

在Bokeh上绘制散点图时,可以使用不同的fill_color数组来描述不同的数据点。fill_color数组用于指定每个数据点的填充颜色。

首先,需要导入必要的库和模块:

代码语言:txt
复制
from bokeh.plotting import figure, show
from bokeh.io import output_notebook
from bokeh.models import ColumnDataSource

接下来,创建一个Figure对象,并设置图表的标题、坐标轴标签等属性:

代码语言:txt
复制
p = figure(title="Scatter Plot", x_axis_label="X", y_axis_label="Y")

然后,创建数据点的x和y坐标数组,以及用于填充颜色的fill_color数组:

代码语言:txt
复制
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
fill_color = ["red", "green", "blue", "yellow", "orange"]

接下来,将数据点的x、y和fill_color数组转换为ColumnDataSource对象:

代码语言:txt
复制
source = ColumnDataSource(data=dict(x=x, y=y, fill_color=fill_color))

然后,使用circle()方法绘制散点图,并设置填充颜色为fill_color数组:

代码语言:txt
复制
p.circle(x='x', y='y', fill_color='fill_color', size=10, source=source)

最后,使用output_notebook()函数将图表显示在Jupyter Notebook中,并调用show()函数显示图表:

代码语言:txt
复制
output_notebook()
show(p)

这样就可以使用不同的fill_color数组在Bokeh上绘制散点图了。

关于Bokeh的更多信息和示例,可以参考腾讯云的Bokeh产品介绍链接:Bokeh产品介绍

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • Bokeh,一个超强交互式 Python 可视化库!

    之前一直有小伙伴私信说让我多出些关于 Python 进行可视化绘制的教程,不想再学一门语言(R 语言)进行可视化绘制。怎么说呢?其实公众号关于 Python 进行可视化绘制的推文还是很多的,刚开始我也是坚持使用 Python 进行可视化绘制的,但也深知 Python 在这一块的不足(相信以后会越来越好的),再熟悉 R-ggplot2 绘图理念后,后面的可视化绘制都基本以 R 为主,Python 偶尔也会绘制。好在两者的绘图语法、所使用数据的结构都相差不大,使得两者可以兼顾,而基于前端交互式的可视化绘制,Python 可能比较灵活方便些,毕竟语法较为简单嘛,好了,不多说了,今天这篇推文,我们就介绍一下 Python 中常用且可灵活交互使用的的可视化绘制包- Bokeh,由于网上关于该包较多及官方介绍也较为详细,这里就在不再过多介绍,我们直接放出几副精美的可视化作品供大家欣赏:

    01

    绘图技巧 |Bokeh超强交互式Python可视化库作品分享

    之前一直有小伙伴私信说让我多出些关于Python 进行可视化绘制的教程,不想再学一门语言(R语言)进行可视化绘制。怎么说呢?其实公众号关于Python 进行可视化绘制的推文还是很多的,刚开始我也是坚持使用Python 进行可视化绘制的,但也深知Python 在这一块的不足(相信以后会越来越好的),再熟悉R-ggplot2绘图理念后,后面的可视化绘制都基本以R为主,Python偶尔也会绘制。好在两者的绘图语法、所使用数据的结构都相差不大,使得两者可以兼顾,而基于前端交互式的可视化绘制,Python可能比较灵活方便些,毕竟语法较为简单嘛,好了,不多说了,今天这篇推文,我们就介绍一下Python中常用且可灵活交互使用的的可视化绘制包- Bokeh,由于网上关于该包较多及官方介绍也较为详细,这里就在不再过多介绍,我们直接放出几副精美的可视化作品供大家欣赏:

    01
    领券