使用hvplot.line绘制双Y轴折线图时悬停文本格式化失效

问题描述 #

使用hvplot.line绘制包含多个Y变量的折线图时，通过Bokeh HoverTool自定义的悬停文本格式化（如1位小数）未生效，悬停仍显示默认的3位小数；但仅绘制单个Y变量时，该格式化方法正常工作。

原因分析 #

当指定多个Y列时，hvplot会生成一个Overlay对象（多个子图的叠加），直接通过.opts(tools=[hover])添加自定义HoverTool时，该工具只会绑定到最后一个子图，其他子图仍使用默认的HoverTool，导致格式化效果未全局生效。

解决方案 #

方案1：直接使用hvplot的hover参数（推荐）

无需手动创建HoverTool，通过hover参数传入格式化规则，hvplot会自动为所有子图应用该格式：

import pandas as pd
import numpy as np
import hvplot.pandas
hvplot.extension('bokeh')
from numpy import random

df = pd.DataFrame({
    'length': np.linspace(0, 4000, 6),
    'slope': np.linspace(1.7, 2.4, 6),
    'Direction': np.linspace(1.2, -0.5, 6),
    'clearance': random.rand(6),
    'weight': random.rand(6),
})

# 使用hover参数指定格式化规则
df.hvplot.line(
    x='length',
    y=['slope', 'Direction'],
    invert=True,
    hover_cols=['clearance', 'weight'],
    hover={'clearance': '@clearance{0.0}', 'weight': '@weight{0.0}'}
)

方案2：为所有子图添加自定义HoverTool

如果需要手动控制HoverTool的细节，可以遍历Overlay中的每个子图，为每个子图添加自定义工具：

import pandas as pd
import numpy as np
import hvplot.pandas
hvplot.extension('bokeh')
from numpy import random
from bokeh.models import HoverTool

df = pd.DataFrame({
    'length': np.linspace(0, 4000, 6),
    'slope': np.linspace(1.7, 2.4, 6),
    'Direction': np.linspace(1.2, -0.5, 6),
    'clearance': random.rand(6),
    'weight': random.rand(6),
})

hover = HoverTool(tooltips=[('clearance', '@clearance{0.0}'), ('weight', '@weight{0.0}')])

# 生成多Y轴折线图，遍历每个子图添加自定义HoverTool
plot = df.hvplot.line(
    x='length',
    y=['slope', 'Direction'],
    invert=True,
    hover_cols=['clearance', 'weight']
)
# 为Overlay中的每个子图添加工具
plot = plot.map(lambda elem: elem.opts(tools=[hover]))
plot

验证效果 #

两种方案都能让所有Y变量对应的折线图悬停时，clearance和weight显示为1位小数，解决多Y轴场景下格式化失效的问题。

内容的提问来源于stack exchange，提问作者Giao