bqplot对象模型详解：构建高度自定义的可视化图表-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00096/article/details/148574976

bqplot对象模型详解：构建高度自定义的可视化图表

bqplot Plotting library for IPython/Jupyter notebooks 项目地址: https://gitcode.com/gh_mirrors/bq/bqplot

理解bqplot对象模型

bqplot基于"图形语法"(Grammar of Graphics)范式，提供了一套面向对象的接口用于构建图表。这种对象模型虽然代码量稍多，但提供了完全的定制能力，让开发者能够精细控制图表的每个细节。

核心组件架构

bqplot的对象模型由以下几个核心组件构成：

比例尺(Scales)：负责将数据映射到屏幕像素空间
标记(Marks)：代表实际的绘图元素，如线条、散点、柱状图等
坐标轴(Axes)：为比例尺提供可视化的参考系
图形(Figure)：最终呈现的图表容器，包含标记和坐标轴

构建图表的标准流程

1. 创建比例尺

比例尺是bqplot中最重要的概念之一，它定义了数据如何映射到视觉空间。常见的比例尺类型包括：

LinearScale：线性比例尺，用于连续数值数据
OrdinalScale：序数比例尺，用于分类数据
LogScale：对数比例尺
DateScale：日期比例尺

2. 创建标记

标记是实际展示数据的视觉元素。bqplot提供了多种标记类型：

Lines：折线图
Scatter：散点图
Bars：柱状图
Pie：饼图
HeatMap：热力图

每种标记都需要关联相应的比例尺。

3. 创建坐标轴

坐标轴为比例尺提供可视化参考，可以配置：

标签(label)
方向(orientation)
刻度格式(tick_format)
网格线(grid_lines)

4. 组合成图形

最后将标记和坐标轴组合到Figure对象中，形成完整的图表。

实战示例

基础折线图

import bqplot as bq
import numpy as np

# 准备数据
x = np.linspace(-10, 10, 100)
y = np.sin(x)

# 1. 创建比例尺
xs = bq.LinearScale()
ys = bq.LinearScale()

# 2. 创建坐标轴
xax = bq.Axis(scale=xs, label="X轴")
yax = bq.Axis(scale=ys, orientation="vertical", label="Y轴")

# 3. 创建折线标记
line = bq.Lines(x=x, y=y, scales={"x": xs, "y": ys})

# 4. 组合成图形
fig = bq.Figure(marks=[line], axes=[xax, yax], title="正弦函数曲线")
fig

分类柱状图

柱状图需要使用OrdinalScale处理分类数据：

# 准备分类数据
x = list("ABCDE")
y = np.random.rand(5)

# 1. 创建比例尺
xs = bq.OrdinalScale()  # 分类比例尺
ys = bq.LinearScale()

# 2. 创建坐标轴
xax = bq.Axis(scale=xs, label="类别", grid_lines="none")
yax = bq.Axis(scale=ys, orientation="vertical", label="数值", tick_format=".0%")

# 3. 创建柱状标记
bar = bq.Bars(x=x, y=y, scales={"x": xs, "y": ys}, padding=0.5)

# 4. 组合成图形
bq.Figure(marks=[bar], axes=[xax, yax], title="分类柱状图")

组合多种标记

bqplot支持在同一图形中叠加多种标记：

x = np.linspace(-10, 10, 25)
y = 3 * x + 5
y_noise = y + 10 * np.random.randn(25)

# 1. 创建比例尺
xs = bq.LinearScale()
ys = bq.LinearScale()

# 2. 创建坐标轴
xax = bq.Axis(scale=xs, label="X")
yax = bq.Axis(scale=ys, orientation="vertical", label="Y")

# 3. 创建两种标记
line = bq.Lines(x=x, y=y, scales={"x": xs, "y": ys}, colors=["green"], stroke_width=3)
scatter = bq.Scatter(x=x, y=y_noise, scales={"x": xs, "y": ys}, colors=["red"], stroke="black")

# 4. 组合成图形
bq.Figure(marks=[line, scatter], axes=[xax, yax], title="回归线与散点")