在Jupyter中用Bokeh实现支持任意名称的多线折线图

你想要的是一个能自动适配任意数量name值、带图例且支持后续动态交互的Bokeh折线图方案，其实用Bokeh的颜色映射工具配合Pandas分组就能轻松实现，完全不用硬编码颜色映射。下面是完整的可运行代码，我会一步步解释关键部分：

完整实现代码 #

import pandas as pd
import datetime
from bokeh.plotting import figure, show, output_notebook
from bokeh.models import ColumnDataSource, Legend, factor_cmap
from bokeh.palettes import Category10  # 可按需更换其他调色板

# 测试数据准备
test_data = {
    'name': ['A','A','A','B','B','B'], 
    'date': [
        datetime.date(2010,1,1), datetime.date(2010,2,1), datetime.date(2010,3,1),
        datetime.date(2010,1,1), datetime.date(2010,2,1), datetime.date(2010,3,1)
    ], 
    'score': [100,200,300,150,400,600]
}
plot_df = pd.DataFrame(test_data)

# Jupyter Notebook输出设置
output_notebook()

# 1. 获取唯一name列表，准备自动颜色映射
unique_names = plot_df['name'].unique().tolist()
# 用Category10调色板自动匹配name数量（超过10个可换Category20）
color_map = factor_cmap('name', palette=Category10[len(unique_names)], factors=unique_names)

# 2. 创建绘图对象，设置X轴为日期类型
p = figure(x_axis_type='datetime', title='Score Trend by Name', x_axis_label='Date', y_axis_label='Score')

# 3. 按name分组绘制折线，同步收集图例项
legend_items = []
for name, group in plot_df.groupby('name'):
    # 为每个分组创建独立数据源
    source = ColumnDataSource(group)
    # 绘制折线，通过颜色映射自动分配对应颜色
    line = p.line('date', 'score', source=source, line_width=2, color=color_map)
    # 收集当前name对应的图例条目
    legend_items.append((name, [line]))

# 4. 添加图例到图表
legend = Legend(items=legend_items, location='top_left')
p.add_layout(legend)

# 5. 显示图表
show(p)

关键细节解释 #

• 自动颜色映射：factor_cmap会根据name的唯一值自动从调色板中分配颜色，彻底告别手动写{'A':'red', 'B':'blue'}这类硬编码映射。如果你的name数量超过10个，只需把Category10换成Category20或其他Bokeh内置调色板即可。
• 通用分组遍历：通过plot_df.groupby('name')遍历所有分组，不管有多少个name值，代码都能自动生成对应折线，完美适配数量变化的场景。
• 图例集成：通过收集每个折线的图例项再统一添加，实现和Seaborn一致的清晰图例效果。
• 动态交互兼容性：这种方式生成的折线都对应独立数据源，后续要加滑块、单选按钮等交互组件时，可直接通过修改数据源或控制折线可见性实现，灵活性拉满。

扩展提示 #

如果后续要做动态筛选（比如按日期范围或选择特定name），可以把所有数据整合到一个ColumnDataSource中，再用CustomJS或Bokeh Server实现数据过滤，当前的分组方式已经为后续交互打下了扎实基础。

内容的提问来源于stack exchange，提问作者oli5679