如何在Python的Bokeh中为Datashader绘图叠加线条？

你当前的代码混用了Bokeh figure 和 HoloViews/Datashader 对象，两者无法直接兼容，可通过以下两种方式实现叠加：

方法一：基于HoloViews实现（推荐，更简洁） #

利用HoloViews的叠加机制，将Datashader渲染的点图与统计曲线直接组合：

步骤1：导入依赖库并计算统计数据 #

import pandas as pd
import holoviews as hv
from holoviews.operation.datashader import datashade
from bokeh.io import show

hv.extension('bokeh')

x = 'xcol'
y = 'ycol'
data = dataframe

# 按x列分组计算y的均值、标准差，以及均值±标准差
stats = data.groupby(x)[y].agg(['mean', 'std']).reset_index()
stats['mean_plus_std'] = stats['mean'] + stats['std']
stats['mean_minus_std'] = stats['mean'] - stats['std']

步骤2：生成可视化元素并叠加 #

# 生成Datashader渲染的高密度点图
points = hv.Points(data, [x, y], label='原始数据')
shaded_points = datashade(points, cmap='crest')

# 生成均值、标准差曲线
mean_line = hv.Curve(stats, x, 'mean', label='均值').opts(line_width=3, color='red')
upper_std_line = hv.Curve(stats, x, 'mean_plus_std', label='均值+标准差').opts(line_width=2, color='orange', dash_pattern='dashed')
lower_std_line = hv.Curve(stats, x, 'mean_minus_std', label='均值-标准差').opts(line_width=2, color='orange', dash_pattern='dashed')

# 叠加所有可视化元素
final_plot = shaded_points * mean_line * upper_std_line * lower_std_line

# 渲染并展示
show(hv.render(final_plot))

方法二：直接基于Bokeh+Datashader实现 #

如果更习惯Bokeh的原生API，可以将Datashader渲染结果嵌入Bokeh figure 后再添加线条：

from bokeh.plotting import figure, show
import datashader as ds
from datashader.bokeh_ext import InteractiveImage

x = 'xcol'
y = 'ycol'
data = dataframe

# 创建Bokeh画布
fig = figure(x_axis_label=x, y_axis_label=y)

# 将Datashader渲染的动态图像绑定到Bokeh画布
def render_datashader(x_range, y_range):
    canvas = ds.Canvas(x_range=x_range, y_range=y_range)
    agg = canvas.points(data, x, y)
    shaded_img = ds.tf.shade(agg, cmap='crest')
    return ds.tf.dynspread(shaded_img)

InteractiveImage(fig, render_datashader)

# 计算统计数据并添加线条
stats = data.groupby(x)[y].agg(['mean', 'std']).reset_index()
stats['mean_plus_std'] = stats['mean'] + stats['std']
stats['mean_minus_std'] = stats['mean'] - stats['std']

fig.line(stats[x], stats['mean'], line_width=3, color='red', legend_label='均值')
fig.line(stats[x], stats['mean_plus_std'], line_width=2, color='orange', line_dash='dashed', legend_label='均值+标准差')
fig.line(stats[x], stats['mean_minus_std'], line_width=2, color='orange', line_dash='dashed', legend_label='均值-标准差')

# 展示最终图
show(fig)

注意事项 #

• 如果x是连续数值型，建议先对x进行分箱（比如用pd.cut）再分组计算统计值，避免分组后x值过多导致曲线不流畅。
• dynspread 函数用于优化高密度点的显示，可根据需求调整参数或移除。

内容的提问来源于stack exchange，提问作者Koen van Beveren