第四章：数据转换与处理

前置知识：本章需要了解 ColumnDataSource（第二章 2.2）和基础图表绘制（第三章）。

延伸阅读：本章聚焦“数据如何进入图、如何映射到视觉属性、如何按条件筛选”。如果你更关心图表为什么会卡、何时该降采样、何时该考虑 WebGL 或 Datashader，请继续阅读第九章。

4.1 为什么需要数据转换？

场景：你有100个数据点，想根据数值大小设置颜色。

笨办法：手动计算每个颜色

colors = []
for v in values:
    if v < 30:
        colors.append('red')
    elif v < 70:
        colors.append('yellow')
    else:
        colors.append('green')

Bokeh方式：使用transform

from bokeh.transform import linear_cmap

p.circle('x', 'y', source=source,
    fill_color=linear_cmap('value', 'RdYlGn10', low=0, high=100))

4.2 颜色映射

线性映射（linear_cmap）：

from bokeh.transform import linear_cmap
from bokeh.palettes import Viridis256

# 连续数值映射到颜色
mapper = linear_cmap('value', Viridis256, low=0, high=100)

p.circle('x', 'y', source=source, fill_color=mapper)

分类映射（factor_cmap）：

from bokeh.transform import factor_cmap

# 类别映射到颜色
factors = ['A', 'B', 'C']
mapper = factor_cmap('category', 'Category10', factors)

p.vbar(x='category', top='value', source=source, fill_color=mapper)

字段映射（transform）：

from bokeh.transform import transform

# 通用映射函数
mapper = transform('value', LinearColorMapper(palette='Viridis256', low=0, high=100))

4.3 位置变换

dodge - 偏移：

from bokeh.transform import dodge

# 用于分组柱状图
p.vbar(x=dodge('category', -0.2, range=p.x_range), top='value1', source=source)
p.vbar(x=dodge('category', 0.2, range=p.x_range), top='value2', source=source)

jitter - 抖动：

from bokeh.transform import jitter

# 避免点重叠
p.circle(x=jitter('category', width=0.3, range=p.x_range), y='value', source=source)

stack - 堆叠：

from bokeh.transform import stack

# 堆叠柱状图
p.vbar(x='category', top=stack('value1', 'value2', 'value3'), source=source)

4.4 数据过滤器

IndexFilter - 索引过滤：

from bokeh.models import IndexFilter

# 只显示索引0, 2, 4的数据
view = CDSView(filter=IndexFilter([0, 2, 4]))
p.circle('x', 'y', source=source, view=view)

BooleanFilter - 布尔过滤：

from bokeh.models import BooleanFilter

# 只显示值大于50的点
booleans = [v > 50 for v in source.data['value']]
view = CDSView(filter=BooleanFilter(booleans))
p.circle('x', 'y', source=source, view=view)

GroupFilter - 分组过滤：

from bokeh.models import GroupFilter, CDSView

# 只显示category为'A'的数据
view = CDSView(filter=GroupFilter(column_name='category', group='A'))
p.circle('x', 'y', source=source, view=view)

组合过滤器：

from bokeh.models import IntersectionFilter

# 多条件组合
view = CDSView(filter=IntersectionFilter(filters=[
    GroupFilter(column_name='category', group='A'),
    BooleanFilter([v > 50 for v in source.data['value']])
]))

4.5 自定义表达式

from bokeh.models import CustomJSExpr

# 使用JavaScript表达式计算新列
expr = CustomJSExpr(args=dict(source=source), code='''
    return source.data['value'].map(v => v * 2)
''')

source.data['doubled'] = expr

4.6 GroupBy 数据聚合

import pandas as pd
from bokeh.models import ColumnDataSource

# 创建 DataFrame
df = pd.DataFrame({
    'category': ['A', 'A', 'B', 'B', 'C'],
    'value': [10, 20, 30, 40, 50]
})

# 从 GroupBy 创建 ColumnDataSource
group = df.groupby('category')
source = ColumnDataSource(group)

# source 包含以下列：
# - category_mean, category_std, etc.