在散景的回调中动态更新多条线图

Question

我有一个用例，我有多个线图（带有图例），我需要根据列条件更新线图。下面是两个数据集的例子，根据国家，列数据源的变化。但我面临的问题是，数据源的列数不是固定的，甚至类型也可能不同。因此，当我在选择新国家/地区时基于回调更新数据源时，我收到此错误：

Error: attempted to retrieve property array for nonexistent field 'pay_conv_7d.content'. 

我猜是因为在新数据源中，pay_conv_7d.content 列不存在，但在我的图中，这些行已经存在。我一直在尝试通过各种方式解决此问题（为所有国家/地区选择制作通用列 - 在回调中添加数据源中缺少的列，但仍然出现问题。

是否有任何干净的方法可以使用回调更新多个线图，而不是做很多骇人听闻的方式？任何见解或帮助将不胜感激。提前非常感谢！ :)

def setup_multiline_plots(x_axis, y_axis, title_text, data_source, plot):
    num_categories = len(data_source.data['categories'])
    legends_list = list(data_source.data['categories'])
    colors_list = Spectral11[0:num_categories]
    # xs = [data_source.data['%s.'%x_axis].values] * num_categories
    # ys = [data_source.data[('%s.%s')%(y_axis,column)] for column in data_source.data['categories']]
    # data_source.data['x_series'] = xs
    # data_source.data['y_series'] = ys
    # plot.multi_line('x_series', 'y_series', line_color=colors_list,legend='categories', line_width=3, source=data_source)
    plot_list = []
    for (colr, leg, column) in zip(colors_list, legends_list, data_source.data['categories']):
        xs, ys = '%s.'%x_axis, ('%s.%s')%(y_axis,column)
        plot.line(xs,ys, source=data_source, color=colr, legend=leg, line_width=3, name=ys)
        plot_list.append(ys)
    data_source.data['plot_names'] = data_source.data.get('plot_names',[]) + plot_list
    plot.title.text = title_text

def update_plot(country, timeseries_df, timeseries_source,
                aggregate_df, aggregate_source, category,
                plot_pay_7d, plot_r_pay_90d):

    aggregate_metrics = aggregate_df.loc[aggregate_df.country == country]
    aggregate_metrics = aggregate_metrics.nlargest(10, 'cost')
    category_types = list(aggregate_metrics[category].unique())
    timeseries_df = timeseries_df[timeseries_df[category].isin(category_types)]
    timeseries_multi_line_metrics = get_multiline_column_datasource(timeseries_df, category, country)

    # len_series = len(timeseries_multi_line_metrics.data['time.'])
    # previous_legends = timeseries_source.data['plot_names']
    # current_legends = timeseries_multi_line_metrics.data.keys()
    # common_legends = list(set(previous_legends) & set(current_legends))
    # additional_legends_list = list(set(previous_legends) - set(current_legends))
    # for legend in additional_legends_list:
    #     zeros = pd.Series(np.array([0] * len_series), name=legend)
    #     timeseries_multi_line_metrics.add(zeros, legend)
    # timeseries_multi_line_metrics.data['plot_names'] = previous_legends

    timeseries_source.data = timeseries_multi_line_metrics.data
    aggregate_source.data = aggregate_source.from_df(aggregate_metrics)

def get_multiline_column_datasource(df, category, country):

    df_country = df[df.country == country]
    df_pivoted = pd.DataFrame(df_country.pivot_table(index='time', columns=category, aggfunc=np.sum).reset_index())
    df_pivoted.columns = df_pivoted.columns.to_series().str.join('.')
    categories = list(set([column.split('.')[1] for column in list(df_pivoted.columns)]))[1:]
    data_source = ColumnDataSource(df_pivoted)
    data_source.data['categories'] = categories

Answer 1

最近我不得不更新 Multiline 字形上的数据。如果你想看看我的算法，请查看my question。

我认为您至少可以通过三种方式更新ColumnDataSource：

1. 您可以创建一个数据框来实例化一个新的 CDS

   cds = ColumnDataSource(df_pivoted)
   data_source.data = cds.data
   

2. 您可以创建一个字典并直接将其分配给数据属性

   d = {
       'xs0': [[7.0, 986.0], [17.0, 6.0], [7.0, 67.0]],
       'ys0': [[79.0, 69.0], [179.0, 169.0], [729.0, 69.0]],
       'xs1': [[17.0, 166.0], [17.0, 116.0], [17.0, 126.0]],
       'ys1': [[179.0, 169.0], [179.0, 1169.0], [1729.0, 169.0]],
       'xs2': [[27.0, 276.0], [27.0, 216.0], [27.0, 226.0]],
       'ys2': [[279.0, 269.0], [279.0, 2619.0], [2579.0, 2569.0]]
   }
   data_source.data = d
   

   在这里，如果您需要不同大小的列或空列，您可以使用 NaN 值填充空白以保持列大小。我认为这是您问题的解决方案：

   import numpy as np
   d = {
       'xs0': [[7.0, 986.0], [17.0, 6.0], [7.0, 67.0]],
       'ys0': [[79.0, 69.0], [179.0, 169.0], [729.0, 69.0]],
       'xs1': [[17.0, 166.0], [np.nan], [np.nan]],
       'ys1': [[179.0, 169.0], [np.nan], [np.nan]],
       'xs2': [[np.nan], [np.nan], [np.nan]],
       'ys2': [[np.nan], [np.nan], [np.nan]]
   }
   data_source.data = d
   

3. 或者如果你只需要修改几个值，那么你可以使用方法patch。查看文档here。

   以下示例显示了如何修补整个列元素。在这种情况下，

       source = ColumnDataSource(data=dict(foo=[10, 20, 30], bar=[100, 200, 300]))
       patches = {
           'foo' : [ (slice(2), [11, 12]) ],
           'bar' : [ (0, 101), (2, 301) ],
       }
       source.patch(patches)
   

   经过此操作后，source.data 的值为：

       dict(foo=[11, 22, 30], bar=[101, 200, 301])
   

注意：一次完成更新以避免性能问题很重要