HoloViews中Datashader的着色点和选择聚合方法

Question

我的目标是在 HoloViews 中创建 x、y、z 散点图，其中这些图是使用 Datashader 生成的，通过最小化“z”来聚合点，并根据“z”着色点。最终，这是为了做一些事情，比如制作轮廓似然图。

我在使用 HoloViews + Datashader 生成绘图方面取得了不错的进展，甚至以很酷的方式链接绘图（参见例如How to do linked data selections in HoloViews with Datashader + Bokeh backend），但是我不知道如何控制点颜色和聚合方法。

下面是一些代码（在 Jupyter 笔记本中运行），它（几乎）在“普通香草”Datashader + Bokeh 中完成了我想要的。如何通过 HoloViews 实现相同的功能，以便我可以利用该包中的优秀功能？

请特别注意，我希望将颜色分配给特定的 z 值，我不希望它被自动归一化或任何类似的事情。我试图在下面的代码中通过在 'shade' 函数中设置 'span' 参数来实现这一点，尽管它不太有效，因为当我放大绘图时，我看到出现了新的绿色区域，这表明颜色的绝对标准化不会保持不变。无论如何，它应该足够接近来说明我所追求的。

import pandas as pd
from bokeh.plotting import figure, output_notebook
import datashader as ds
from datashader.bokeh_ext import InteractiveImage
from datashader import transfer_functions as tf

output_notebook(hide_banner=True)

import matplotlib.colors as colors

#Define colormap
mn=0
mx=5
s0=0./(mx-mn)
s1=1./(mx-mn)
s2=2./(mx-mn)
s3=3./(mx-mn)
s4=4./(mx-mn)
s5=5./(mx-mn)

cdict = {
'red'  :  ((s0, 0., 0.), (s1, 1., 1.), (s2, 1., 1.), (s3, 1., 1.), (s4, .5, .5), (s5, .2, .2)),
'green':  ((s0, 1., 1.), (s1, 1., 1.), (s2, .5, .5), (s3, 0., 0.), (s4, 0., 0.), (s5, 0., 0.)),
'blue' :  ((s0, 0., 0.), (s1, 0., 0.), (s2, 0., 0.), (s3, 0., 0.), (s4, 0., 0.), (s5, 0., 0.))
}

chi2cmap = colors.LinearSegmentedColormap('chi2_colormap', cdict, 1024)
chi2cmap.set_bad('w',1.)


# Create some data to plot
x = np.arange(0,10,1e-2)
y = np.arange(0,10,1e-2)
X,Y = np.meshgrid(x,y)
x = X.flatten()
y = Y.flatten()
z = 5 * np.sin(x) * np.cos(y)

#------ Create pandas dataframe object from the data ------
print "Creating Pandas dataframe object"
df = pd.DataFrame.from_dict({"x": x, "y": y, "z": z})

# Create callback function for bokeh
def create_image(x_range, y_range, w, h):
    cvs = ds.Canvas(x_range=x_range, y_range=y_range, plot_width=200, plot_height=200)
    agg = cvs.points(df, 'x', 'y', ds.min('z'))
    img = tf.shade(agg, cmap=chi2cmap, how='linear', span=[mn,mx])
    #return tf.dynspread(img, threshold=0.9, max_px=10)
    return img

# Export image
#ds.utils.export_image(img, "test", fmt=".png", export_path=".", background="white")

# Interactive image via bokeh
p = figure(tools='pan,wheel_zoom,box_zoom,reset', background_fill_color="white",
           plot_width=500, plot_height=500, x_range=(np.min(x),np.max(x)), y_range=(np.min(y),np.max(y)))

p.axis.visible = False
p.xgrid.grid_line_color = None
p.ygrid.grid_line_color = None
InteractiveImage(p, create_image)

有输出

Answer 1

好的，我似乎已经成功了，所以这就是我想出的。关键是创建一个从holoviews.operation.datashader.datashade 派生的新类，并在那里更改聚合器和 cmap 数据成员：

class chi2_datashade(hvds.datashade):
    """Custom datashade class to do our projection and colormap"""
    aggregator = ds.min('z')
    cmap = chi2cmap
    normalization = 'linear'
    span = [mn,mx] # this requires https://github.com/ioam/holoviews/pull/1508 to work, which I just hacked in to holoviews for now

然后像使用原始数据阴影类一样使用它：

data = hv.Points(df)
chi2_datashade(data)

span 数据成员存在问题，因为它不存在，因此未连接到基础数据着色器选项，但它将在即将发布的版本中修复，并且可以轻松更改如果你想自己做的话，来源（见https://github.com/ioam/holoviews/pull/1508）

实际上还有另一个问题，这一次来自 datashader，因为它在内部根据最小值偏移了 'z' 数据，因此搞砸了 'span' 参数的含义。我向他们提出了这个问题，但如果你想自己做，它也是一个相当简单的源代码修复（参见https://github.com/bokeh/datashader/issues/368）

这是完整的例子：

import numpy as np
import pandas as pd
import datashader as ds
import holoviews as hv
import holoviews.operation.datashader as hvds
import matplotlib.colors as colors
hv.notebook_extension('bokeh')

#Define colormap
mn=0
mx=5
s0=0./(mx-mn)
s1=1./(mx-mn)
s2=2./(mx-mn)
s3=3./(mx-mn)
s4=4./(mx-mn)
s5=5./(mx-mn)

cdict = {
'red'  :  ((s0, 0., 0.), (s1, 1., 1.), (s2, 1., 1.), (s3, 1., 1.), (s4, .5, .5), (s5, .2, .2)),
'green':  ((s0, 1., 1.), (s1, 1., 1.), (s2, .5, .5), (s3, 0., 0.), (s4, 0., 0.), (s5, 0., 0.)),
'blue' :  ((s0, 0., 0.), (s1, 0., 0.), (s2, 0., 0.), (s3, 0., 0.), (s4, 0., 0.), (s5, 0., 0.))
}

chi2cmap = colors.LinearSegmentedColormap('chi2_colormap', cdict, 1024)
chi2cmap.set_bad('w',1.)


# Create some data to plot
x = np.arange(0,10,1e-2)
y = np.arange(0,10,1e-2)
X,Y = np.meshgrid(x,y)
x = X.flatten()
y = Y.flatten()
z = 5 * np.sin(x) * np.cos(y)

#------ Create pandas dataframe object from the data ------
print "Creating Pandas dataframe object"
df = pd.DataFrame.from_dict({"x": x, "y": y, "z": z})

class chi2_datashade(hvds.datashade):
    """Custom datashade class to do our projection and colormap"""
    aggregator = ds.min('z')
    cmap = chi2cmap
    normalization = 'linear'
    span = [mn,mx] # this requires https://github.com/ioam/holoviews/pull/1508 to work, which I just hacked in to holoviews for now


data = hv.Points(df)
chi2_datashade(data)

生成此图像：

这与 OP 图像有点不同，但事实证明这只是由于我提到的 datashader 错误。修复该错误并重新运行 OP 代码，我得到以下输出：

匹配得很好。看起来 Holoviews 只是切断了所选“跨度”之外的数据或类似的数据，这对我目前的需求来说很好。