Bokeh中HoverTool是否支持Pandas DataFrame，还是必须用ColumnDataSource？

• 两种方式都支持，无需局限于某一种：
  • 直接用DataFrame时，pandas_bokeh会在底层自动把DataFrame转换成ColumnDataSource，这个过程是隐式的。如果只是简单调整悬停提示内容，你可以在调用绘图方法时，直接通过hovertool参数传入自定义配置，不用手动处理数据源。示例代码：

    df.plot_bokeh(
        kind="bar",
        hovertool=[("类别", "@x"), ("数值", "@y{0.00}"), ("备注", "@your_column")]
    )
    

  • 如果需要更复杂的定制（比如给提示框加HTML样式、关联多组数据逻辑），建议手动创建ColumnDataSource，再配合HoverTool精细配置，这样能获得更高的灵活性。示例代码：

    from bokeh.models import ColumnDataSource, HoverTool
    from bokeh.plotting import figure, show
    
    source = ColumnDataSource(df)
    p = figure(x_axis_label="类别", y_axis_label="数值")
    p.vbar(x="category_col", top="value_col", width=0.8, source=source)
    
    hover = HoverTool(
        tooltips="""
            <div>
                <span style="font-size:14px">类别: @category_col</span>
                <span style="font-size:14px; color:red">数值: @value_col{0.00}</span>
            </div>
        """
    )
    p.add_tools(hover)
    show(p)
    

简单总结：常规的提示内容修改直接用DataFrame加参数即可，复杂定制场景则手动使用ColumnDataSource更合适。

内容的提问来源于stack exchange，提问作者Janneman