Bokeh垂直条形图格式问题：宽度无法调整及月份标签异常

嘿，我来帮你搞定这个Bokeh条形图的问题！咱们先拆解下你遇到的三个问题的核心原因，再给你两个可行的解决方案：

问题原因拆解 #

1. datetime轴下width参数无效：Bokeh的datetime类型轴，width参数是按毫秒计算的！你设置的0.5或100毫秒连1秒都不到，自然看不到条形宽度变化。一个月大概有2.6×10⁹毫秒，得设置这个量级的数值才会有效果。
2. 改用MONTH数值后标签消失：你用的MonthsTicker是专门给datetime轴设计的刻度器，当x轴变成1-12的整数数值时，这个ticker完全不匹配，所以标签直接消失了。
3. 移除ticker后显示毫秒值：因为你一开始设置了x_axis_type='datetime'，即使x换成了MONTH数值，Bokeh还是会把这些整数当成「从1970-01-01开始的毫秒数」来解析，所以才会显示奇怪的日期数值。

解决方案 #

方案1：保留datetime轴，正确设置宽度和标签 #

如果你想保留时间轴的连续性，可以继续用DATE列做x轴，只需要调整width的单位，再优化标签显示：

from bokeh.plotting import figure, show
from bokeh.models import MonthsTicker, DatetimeTickFormatter

# 初始化图表
p1 = figure(
    title='Monthly Food Spendings',
    x_axis_label='Month',
    plot_height=300,
    plot_width=600,
    x_axis_type='datetime'
)

# 设置x轴刻度为1-12月，标签显示月份名称（或数字）
p1.xaxis.ticker = MonthsTicker(months=[1,2,3,4,5,6,7,8,9,10,11,12])
# 可选：显示月份缩写（Jan/Feb）或全名（January/February）
p1.xaxis.formatter = DatetimeTickFormatter(months=["%b", "%B"])
# 如果你想显示月份数字，换成NumeralTickFormatter：
# from bokeh.models import NumeralTickFormatter
# p1.xaxis.formatter = NumeralTickFormatter(format="%m")

# 设置条形宽度为25天对应的毫秒数（25*24*60*60*1000=2160000000）
p1.vbar(
    x=MonthlyFoodSpendingsResult['DATE'],
    top=MonthlyFoodSpendingsResult['SUM'],
    width=2160000000  # 可根据需求调整，比如20天就是1728000000
)

show(p1)

方案2：用分类轴（更省心的月度标签） #

如果不想折腾datetime的毫秒计算，直接把月份转成分类标签（比如「2016-01」或「Jan」），用分类轴绘制，宽度设置会更直观：

from bokeh.plotting import figure, show
from bokeh.models import FactorRange

# 给DataFrame添加自定义月份标签列
MonthlyFoodSpendingsResult['MONTH_LABEL'] = MonthlyFoodSpendingsResult['DATE'].dt.strftime('%Y-%m')
# 也可以换成月份缩写：.dt.strftime('%b') → "Jan", "Feb"

# 提取分类标签列表（确保顺序和数据一致）
month_labels = MonthlyFoodSpendingsResult['MONTH_LABEL'].tolist()

# 初始化分类轴图表
p2 = figure(
    title='Monthly Food Spendings',
    x_axis_label='Month',
    plot_height=300,
    plot_width=600,
    x_range=FactorRange(factors=month_labels)
)

# 这里的width是分类间隔的比例，0.8表示每个条形占分类宽度的80%
p2.vbar(
    x='MONTH_LABEL',
    top='SUM',
    width=0.8,
    source=MonthlyFoodSpendingsResult  # 使用source更高效，也支持交互式操作
)

# 让标签垂直显示，避免重叠
p2.xaxis.major_label_orientation = "vertical"

show(p2)

选择建议 #

• 如果你需要保留时间轴的连续性（比如后续要添加跨年数据），选方案1；
• 如果更看重标签的直观性和设置简单，方案2绝对是更省心的选择。

内容的提问来源于stack exchange，提问作者o.sk