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笔记本中绘制流数据集.这是我到目前为止所拥有的.

从命令行我通过运行命令启动散景服务器

$> bokeh server

这是我的Jupyter笔记本的代码

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笔记本中的闪烁情节,以及新浏览器选项卡中的一个很好的更新图.我想要以下任何一种

• Jupyter的一个很好的更新情节,没有闪烁
• 只是新浏览器选项卡中的图表

我尝试删除show(my_figure)但每个更新都打开了一个新选项卡.我也尝试将刷新率降低到10毫秒period = 10; session.show()工作得很好,但笔记本电脑最终崩溃,因为它无法快速刷新.

如何在Jupyter中获得散景图的良好刷新率？或者我如何关闭Jupyter图并且只有一个选项卡显示更新图？

Answer 1

这是修改后的笔记本的代码,遵循@ bigreddot的注释,用于push_notebook在笔记本中生成更清晰的结果(它不需要您运行bokeh serve绘图).它不使用回调; 我不确定这是否有利.因此,如果您希望在新数据点进入时更新绘图,您可以if data_event:在while循环开始时添加一个语句,然后根据事件率很好地调整休眠时间.

官方文档中的此页面提供了有关在Jupyter笔记本中使用Bokeh的其他有用信息.

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)

注意添加new_data['x'] = x = x[-n_show](相同y),这样理论上可以无限期地运行而不会填满你的记忆.此外,实际流式传输某种数据源(可能来自网络)以使其成为更现实的例子会更好.最后,您可能已经意识到这一点,但是在使用流绘图运行单元格之后,内核将被锁定,直到它完成或被中断; 你不能执行额外的单元格/代码.如果你想拥有分析/控制功能,它们应该进入while循环.