31

注: この質問は、「第 1 世代」の Bokeh サーバーに関するものです。このサーバーは、数年前から廃止され、削除されています。この質問またはその回答には、Bokeh >= 0.11 のどのバージョンにも関連するものはありません

サポートされている最新の Bokeh サーバーの使用に関する詳細については、ユーザー ガイドの「Bokeh サーバーの実行」の章を参照してください。

私が構築しているインタラクティブなアプリのBokehを理解しようとしています。Bokeh の例を見ていると、ほとんどの例がすべてグローバル名前空間に書かれていることがわかりますが、「app」サブディレクトリにあるものは、メイン クラスが継承する素敵なオブジェクト指向スタイルで書かれています。 HBox のような Property クラスから。

Bokeh をプログラミングするこの方法は十分に文書化されていないと思うので、これは質問の寄せ集めになるでしょう。最初に遭遇したのは、 を含めないとプロットが描画されないということでしたextra_generated_classes。

  1. extra_generated_classes は何をしますか?

    次に、プロットがイベントをトリガーするたびsetup_eventsに、起動時にイベントループが呼び出されるように見えます。create

  2. イベントがトリガーされるたびに setup_events がコールバックを登録する必要があるのはなぜですか? そして、最初に登録しようとする前に、作成が完了するのを待たないのはなぜですか?

    最後に確信が持てないのは、ここで Glyph を強制的に再描画する方法です。スライダーのデモは私にとってはうまくいきます。線の代わりに散布図を使用することを除いて、基本的に同じことをしようとしています。

    の最後に pdb トレースを設定し、一致することと、両方が最初から調整されているupdate_dataことを保証できます。しかし、それ自体は変わりません。self.sourceself.plot.renderers[-1].data_sourceself.plot

  3. プロットを更新するために store_objects を呼び出すことに相当するオブジェクト指向のアプローチは何ですか?

    この 3 番目の例には特に混乱しています。sliders_app の例ではそのようなものが必要ないように見えるからです。明確にするために、可変数のウィジェット/スライダーを作成しようとしているので、コードは次のようになります。

クラス属性:

extra_generated_classes = [['ScatterBias', 'ScatterBias', 'HBox']]
maxval = 100.0

inputs = Instance(bkw.VBoxForm)
outputs = Instance(bkw.VBoxForm)
plots = Dict(String, Instance(Plot))
source = Instance(ColumnDataSource)


cols = Dict(String, String)
widgets = Dict(String, Instance(bkw.Slider))
# unmodified source
df0 = Instance(ColumnDataSource)

初期化メソッド

@classmethod
def create(cls):
    obj = cls()

    ##############################
    ## load DataFrame
    ##############################
    df = pd.read_csv('data/crime2013_tagged_clean.csv', index_col='full_name')
    obj.cols = {'x': 'Robbery', 
            'y': 'Violent crime total',
            'pop': 'Population'
            }

    cols = obj.cols

    # only keep interested values
    df2= df.ix[:, cols.values()]

    # drop empty rows
    df2.dropna(axis=0, inplace=True)

    df0 = df2.copy()
    df0.reset_index(inplace=True)
    # keep copy of original data
    obj.source = ColumnDataSource(df2)
    obj.df0 = ColumnDataSource(df0)

    ##############################
    ## draw scatterplot
    ##############################

    obj.plots = {
            'robbery': scatter(x=cols['x'],
                y=cols['y'], 
                source=obj.source,
                x_axis_label=cols['x'],
                y_axis_label=cols['y']),
            'pop': scatter(x=cols['pop'], 
                y=cols['y'], 
                source=obj.source,
                x_axis_label=cols['pop'],
                y_axis_label=cols['y'],
                title='%s by %s, Adjusted by by %s'%(cols['y'], 
                    cols['pop'], cols['pop'])),
        }

    obj.update_data()
    ##############################
    ## draw inputs
    ##############################
    # bokeh.plotting.scatter 
    ## TODO: refactor so that any number of control variables are created
    # automatically. This involves subsuming c['pop'] into c['ctrls'], which
    # would be a dictionary mapping column names to their widget titles 
    pop_slider = obj.make_widget(bkw.Slider, dict(
            start=-obj.maxval, 
            end=obj.maxval, 
            value=0, 
            step=1, 
            title='Population'), 
        cols['pop'])

    ##############################
    ## make layout
    ##############################
    obj.inputs = bkw.VBoxForm(
            children=[pop_slider]
            )

    obj.outputs = bkw.VBoxForm(
            children=[obj.plots['robbery']]
        )

    obj.children.append(obj.inputs)
    obj.children.append(obj.outputs)

    return obj

update_data

def update_data(self):
    """Update y by the amount designated by each slider"""
    logging.debug('update_data')
    c = self.cols
    ## TODO:: make this check for bad input; especially with text boxes
    betas = { 
            varname: getattr(widget, 'value')/self.maxval 
            for varname, widget in self.widgets.iteritems()
            }

    df0 = pd.DataFrame(self.df0.data)
    adj_y = []
    for ix, row in df0.iterrows():
        ## perform calculations and generate new y's
        adj_y.append(self.debias(row))

    self.source.data[c['y']] = adj_y
    assert len(adj_y) == len(self.source.data[c['x']])
    logging.debug('self.source["y"] now contains debiased data')

    import pdb; pdb.set_trace()

イベント ハンドラーがセットアップされ、正しくトリガーされることは確かです。変更されたソース データを散布図に反映させる方法がわかりません。

4

1 に答える 1

3

私は同じ答えを探しています（ドキュメントがないため困難です）。

質問 1 の答えとして、「extra_generated_classes」の有用性は何ですか。

tl;dr extra_generated_classes は、js/html コードを生成するテンプレートで使用されるモジュール名、クラス名、および親名を定義し、アプリ クラス (通常、例では HBox または VBox) に渡される親クラスを拡張します。

より長い答え。bokeh/server/utils/plugins.py のソース コードを見てください。これは、 --script コマンド ライン引数を使用して bokeh-server に渡されたコードで実行されるコードです。plugins.py の最後で、Jinja2テンプレートをレンダリングするフラスコ メソッドrender_templateにextra_generated_classesが渡されていることがわかります。テンプレートの内部を見ると、oneobj.html、extra_generated_classes は、bokeh.server.generatejs に渡されるモジュール名、クラス名、および親名の 3 つの配列の配列です。

{% block extra_scripts %}
  {% for modulename, classname, parentname in extra_generated_classes %}
  <script
    src="{{ url_for('bokeh.server.generatejs', modulename=modulename, classname=classname, parentname=parentname) }}"
  ></script>
  {% endfor %}
{% endblock %}

bokeh.server.generatejs は bokeh/server/views/plugins.py の Python コードであり、bokeh/server/templates にあるテンプレート app.js の render_template のみを呼び出します。このテンプレートは、モジュール名、クラス名、および親名を受け取り、基本的に、親名 (HBox または VBox など) をクラス名 (アプリ) に拡張する js コードを作成します。

于 2015-08-04T20:56:13.903 に答える