python - 如何以高刷新率将数据流式传输到 Jupyter 中的 Bokeh 图？

Question

我正在尝试使用 Bokeh 在 Jupyter notebook 中绘制流式数据集.这是我目前所拥有的。

在命令行中，我通过运行命令启动 Bokeh 服务器

$> bokeh server

这是我的 Jupyter notebook 中的代码

import numpy as np
from IPython.display import clear_output
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.client import push_session
from bokeh.driving import linear
from bokeh.plotting import figure
from bokeh.io import curdoc, output_notebook, show
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
linea = my_figure.line("x", "y", source=test_data)
# ------------------- new cell ---------------------#

new_data=dict(x=[0], y=[0])
x = []
y = []

step_size = 0.1  # increment for increasing step
@linear(m=step_size, b=0)
def update(step):
    x.append(step)
    y.append(np.random.rand())
    new_data['x'] = x
    new_data['y'] = y

    test_data.stream(new_data, 10)

    clear_output()
    show(my_figure)

    if step > 10: 
        session.close()    
# ------------------- new cell ---------------------#

# open a session to keep our local document in sync with server
session = push_session(curdoc())

period = 100  # in ms
curdoc().add_periodic_callback(update, period)

session.show()  # open a new browser tab with the updating plot

session.loop_until_closed()

目前，我得到的结果是 Jupyter notebook 中的闪烁图，以及新浏览器选项卡中的更新图。我想要以下任何一个

• Jupyter 中的一个很好的更新图，没有闪烁
• 只是新浏览器标签中的剧情

我尝试删除 show(my_figure) 但每次更新都会打开一个新选项卡。我还尝试将刷新率降低到 10 毫秒，period = 10； session.show() 效果很好，但笔记本最终崩溃了，因为它无法快速刷新。

如何在 Jupyter 中获得良好的 Bokeh 图刷新率？或者我如何关闭 Jupyter plot 而只有一个选项卡显示更新的 plot？

Answer 1

这是修改笔记本的代码，遵循@bigreddot 的评论，它使用 push_notebook 在笔记本中产生更清晰的结果(它不需要您运行 bokeh serve用于绘图)。它不使用回调；我不确定这是否是一个优势。事实上，如果您希望在新数据点出现时更新绘图，您可以在 while 循环的开头添加一个 if data_event: 语句，然后调整 sleep 时间根据事件发生率工作得很好。

This page官方文档中的内容提供了有关在 Jupyter 笔记本中使用 Bokeh 的更多有用信息。

import time
import numpy as np
# ------------------- new cell ---------------------#

from bokeh.models.sources import ColumnDataSource
from bokeh.plotting import figure
from bokeh.io import output_notebook, show, push_notebook
# ------------------- new cell ---------------------#

output_notebook()
# ------------------- new cell ---------------------#

my_figure = figure(plot_width=800, plot_height=400)
test_data = ColumnDataSource(data=dict(x=[0], y=[0]))
line = my_figure.line("x", "y", source=test_data)
handle = show(my_figure, notebook_handle=True)

new_data=dict(x=[0], y=[0])
x = []
y = []

step = 0
step_size = 0.1  # increment for increasing step
max_step = 10  # arbitrary stop point for example
period = .1  # in seconds (simulate waiting for new data)
n_show = 10  # number of points to keep and show
while step < max_step:
    x.append(step)
    y.append(np.random.rand())
    new_data['x'] = x = x[-n_show:]  # prevent filling ram
    new_data['y'] = y = y[-n_show:]  # prevent filling ram

    test_data.stream(new_data, n_show)

    push_notebook(handle=handle)
    step += step_size
    time.sleep(period)

请注意添加了 new_data['x'] = x = x[-n_show](对于 y 也是如此)所以理论上这可以无限期地运行而不会填充您的内存。此外，实际上流式传输某种数据源(可能来自网络)以使其成为更现实的示例会很好。最后，您可能意识到了这一点，但是在您使用流图运行单元之后，内核将被锁定，直到它完成或被中断；您不能执行其他单元格/代码。如果您想要分析/控制功能，它们应该放在 while 循环中。