使用Bokeh基于PySpark DataFrame绘制年度折线图点位顺序异常问题

核心原因 #

Bokeh的折线图（line glyph）不会自动根据X轴数值大小对点位排序，严格按照传入ColumnDataSource的数据列表顺序依次连接点位，你看到的连线顺序错乱（比如1965连1967再连1966），本质是传入的年份、震级列表顺序不是按年份升序排列的。

你已经对PySpark DataFrame执行orderBy排序仍出现问题，是因为PySpark是分布式数据结构，orderBy仅保证Spark作业内的全局排序逻辑，你直接用df['字段'].values.tolist()的写法不符合PySpark的使用规范（PySpark DataFrame没有原生values属性），你大概率是隐式转换为Pandas DataFrame的过程中丢失了排序结果。

修复步骤 #

1. 将排序后的PySpark DataFrame显式转换为本地Pandas DataFrame，固定排序结果：

# Join后排序，直接转Pandas，会保留orderBy的升序逻辑
df_quake_freq = df_quake_freq.join(df_avg, ['Year']).join(df_max, ['Year'])
pdf_quake_freq = df_quake_freq.orderBy(asc('Year')).toPandas()

2. 用转换后的Pandas DataFrame构造ColumnDataSource：

cds = ColumnDataSource(data=dict(
    yrs = pdf_quake_freq['Year'].tolist(),
    avg_mag = pdf_quake_freq['Avg_Magnitude'].round(1).tolist(),
    max_mag = pdf_quake_freq['Max_Magnitude'].tolist()
))

3. 构造数据源前可先打印pdf_quake_freq['Year'].tolist()确认年份是严格升序，只要列表顺序正确，折线就会按年份顺序正常连接。

内容的提问来源于stack exchange，提问作者Danny