咨询：如何用Bokeh实现类似Pandas的日期降采样生成柱状图

Great question! Let's break this down clearly:

核心结论 #

Bokeh本身并不原生提供像Pandas那样直接的resample或groupby+Grouper式的降采样API——毕竟Bokeh的核心定位是交互式可视化库，而非数据处理工具。不过这完全不影响你实现需求：你可以先用Pandas完成降采样/分组的预处理，再把处理后的数据传给Bokeh进行可视化；如果需要交互式切换采样粒度，也可以通过Bokeh的回调功能实现动态更新。

具体实现示例 #

假设你的原始DataFrame是df，我们先展示如何用Pandas预处理，再用Bokeh可视化：

1. 静态降采样（比如按月聚合） #

先按月份降采样，同时按Col2的分类分组，计算Col3的总和：

import pandas as pd
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
from bokeh.palettes import Category10_3

# 模拟原始DataFrame
df = pd.DataFrame({
    "Col1": pd.date_range(start="2023-01-01", periods=365, freq="D"),
    "Col2": pd.np.random.choice(["Cat", "Dog", "Bird"], size=365),
    "Col3": pd.np.random.randint(1, 10, size=365)
})

# Pandas降采样：按月+分类分组，求和
resampled_df = df.groupby([pd.Grouper(key="Col1", freq="M"), "Col2"])["Col3"].sum().reset_index()

# 转换为Bokeh的ColumnDataSource
source = ColumnDataSource(resampled_df)

# 绘制折线图
p = figure(x_axis_type="datetime", title="Monthly Count by Category")
categories = ["Cat", "Dog", "Bird"]
colors = Category10_3

for cat, color in zip(categories, colors):
    p.line(
        x="Col1", y="Col3", source=source,
        line_width=2, color=color, legend_label=cat,
        subset=source.data["Col2"] == cat
    )

p.legend.location = "top_left"
show(p)

2. 交互式切换采样粒度（用Bokeh Server） #

如果需要动态切换月/季/年粒度，你可以用Bokeh Server结合Python回调：

from bokeh.io import curdoc
from bokeh.models import Dropdown

# 初始化数据源
source = ColumnDataSource(data=dict(Col1=[], Col2=[], Col3=[]))
categories = ["Cat", "Dog", "Bird"]
colors = Category10_3

# 创建下拉菜单
freq_options = [("Month", "M"), ("Quarter", "Q"), ("Year", "Y")]
dropdown = Dropdown(label="Sampling Frequency", menu=freq_options)

# 定义回调函数
def update_data(attr, old, new):
    # 根据选择的粒度重新降采样
    resampled = df.groupby([pd.Grouper(key="Col1", freq=new), "Col2"])["Col3"].sum().reset_index()
    source.data = ColumnDataSource(resampled).data

dropdown.on_change("value", update_data)

# 初始化图表
p = figure(x_axis_type="datetime", title="Dynamic Resampled Count by Category")
for cat, color in zip(categories, colors):
    p.line(x="Col1", y="Col3", source=source, line_width=2, color=color, legend_label=cat)

# 添加组件到文档
curdoc().add_root(p)
curdoc().add_root(dropdown)

运行这个脚本需要用bokeh serve --show your_script.py命令启动Bokeh Server。

补充：Holoviews结合的便捷方式 #

既然你的DataFrame是被Holoviews封装的，其实可以直接利用Holoviews对Pandas resample的支持，再导出为Bokeh图表，这样更简洁：

import holoviews as hv
hv.extension("bokeh")

# 创建Holoviews的Curve元素，按分类分组
curve = hv.Curve(df, kdims=["Col1"], vdims=["Col3", "Col2"]).groupby("Col2")

# 应用降采样，切换粒度只需修改freq参数
resampled_curve = curve.opts(resample={"freq": "M"}).opts(width=800, height=400)

# 渲染为Bokeh图表
hv.render(resampled_curve)

内容的提问来源于stack exchange，提问作者Tyler Russell