如何在Bokeh中使用Pandas数据源为Patch元素批量设置颜色、透明度等属性

我完全懂你遇到的困扰！你之前用循环调用patch画图形效率太低，想换成批量数据源的方式，但碰到了属性绑定的报错——这核心原因是你用错了Bokeh的图形绘制方法！

为什么之前会报错？ #

patch方法是用来绘制单个多边形的，它的所有视觉属性（比如color、fill_alpha）都只能接受单个固定值，没办法从数据源的列里批量读取每个多边形对应的属性值。而你要实现的是批量绘制多个多边形，每个对应DataFrame里的一行，这种场景下应该用patches（注意是复数形式），这个方法就是专门为批量多边形设计的，支持将每个多边形的属性绑定到数据源的对应列。

修正方案：改用patches + 优化数据源处理 #

首先我们可以把数据源的处理优化一下，尽量用Pandas的矢量化操作替代apply（效率更高），然后调用patches方法绑定属性列：

import pandas as pd
from bokeh.models import ColumnDataSource

# 1. 优化数据源计算，用矢量化操作替代逐行apply
data_points_df['tf_sec'] = pd.to_timedelta(data_points_df['tf']) / 2.0
data_points_df['dt'] = pd.to_datetime(data_points_df['dt']) + data_points_df['tf_sec']
data_points_df['p_offset'] = data_points_df['p'] + 0.005 * data_points_df['p'] * data_points_df['va']

# 2. 生成每个多边形的x、y坐标列表
data_points_df['x'] = data_points_df.apply(
    lambda row: [row['dt'], row['dt'] - row['tf_sec'], row['dt'] + row['tf_sec']],
    axis=1
)
data_points_df['y'] = data_points_df.apply(
    lambda row: [row['p'], row['p_offset'], row['p_offset']],
    axis=1
)

# 3. 处理颜色和透明度列
data_points_df['color'] = data_points_df['type'].map(COLOR_MAP).fillna(DEFAULT_COLOR)
# 简洁处理fill_alpha：如果列存在就用对应值，否则默认1.0
data_points_df['fill_alpha'] = data_points_df.get('color_ratio', 1.0)
data_points_df['line_alpha'] = 1.0

# 4. 创建数据源并批量绘制
source = ColumnDataSource(data_points_df)
obj = plot.patches(
    source=source,
    x='x',
    y='y',
    color='color',          # 直接绑定数据源的color列
    fill_alpha='fill_alpha',# 绑定fill_alpha列
    line_alpha='line_alpha' # 绑定line_alpha列
)

关键说明 #

• 用patches替代patch后，每个视觉属性（color、fill_alpha等）都可以直接指定为数据源的列名，Bokeh会自动为每个多边形匹配对应行的属性值。
• 矢量化操作（比如pd.to_timedelta、直接列运算）比apply逐行计算效率高很多，尤其是数据量大的时候效果更明显。
• 这样你只需要调用一次patches就能绘制所有图形，完全满足你“不循环、批量设置属性”的需求。

备注：内容来源于stack exchange，提问作者elaspog