HoloView-Beispiel: Wie wird ein Plot im Jupyter-Notizbuch angezeigt?

Question

Ich probiere zum ersten Mal Holoviews aus, und ich möchte dieses animierte "Gapminder" -Plot wie beschrieben here reproduzieren.

Der Code läuft, aber ich weiß nicht, wie man mit der Ausgabe umgehen soll, damit sie in einem Jupyter Notebook angezeigt wird (ich nehme an, das ist möglich, da Jupyter beliebiges HTML anzeigen kann).

# Get HoloViews plot and attach document 
doc = curdoc() 
hvplot = BokehRenderer.get_plot(hvgapminder, doc) 

# Make a bokeh layout and add it as the Document root 
plot = layout([[hvplot.state], [slider, button]], sizing_mode='fixed') 
doc.add_root(plot) 

Insbesondere, was soll ich tun, mit den daraus resultierenden doc oder hvplot Objekte?

Answer 1

Dieses spezielle Beispiel kombiniert HoloViews und Bokeh-Komponenten und Bokeh Widgets können nicht einfach mit Python im Notebook kommunizieren. Sie können jedoch das Holowiew-Widget verwenden, um dasselbe zu erreichen:

import pandas as pd 
import numpy as np 
import holoviews as hv 
from bokeh.sampledata import gapminder 

hv.extension('bokeh') 

# Switch to sending data 'live' and using the scrubber widget 
%output widgets='live' holomap='scrubber' 

# Declare dataset 
panel = pd.Panel({'Fertility': gapminder.fertility, 
        'Population': gapminder.population, 
        'Life expectancy': gapminder.life_expectancy}) 
gapminder_df = panel.to_frame().reset_index().rename(columns={'minor': 'Year'}) 
gapminder_df = gapminder_df.merge(gapminder.regions.reset_index(), on='Country') 
gapminder_df['Country'] = gapminder_df['Country'].astype('str') 
gapminder_df['Group'] = gapminder_df['Group'].astype('str') 
gapminder_df.Year = gapminder_df.Year.astype('f') 
ds = hv.Dataset(gapminder_df) 

# Apply dimension labels and ranges 
kdims = ['Fertility', 'Life expectancy'] 
vdims = ['Country', 'Population', 'Group'] 
dimensions = { 
    'Fertility' : dict(label='Children per woman (total fertility)', range=(0, 10)), 
    'Life expectancy': dict(label='Life expectancy at birth (years)', range=(15, 100)), 
    'Population': ('population', 'Population') 
} 

# Create Points plotting fertility vs life expectancy indexed by Year 
gapminder_ds = ds.redim(**dimensions).to(hv.Points, kdims, vdims, 'Year') 

# Define annotations 
text = gapminder_ds.clone({yr: hv.Text(1.2, 25, str(int(yr)), fontsize=30) 
          for yr in gapminder_ds.keys()}) 

# Define options 
opts = {'plot': dict(width=1000, height=600,tools=['hover'], size_index='Population', 
        color_index='Group', size_fn=np.sqrt, title_format="{label}"), 
     'style': dict(cmap='Set1', size=0.3, line_color='black', alpha=0.6)} 
text_opts = {'style': dict(text_font_size='52pt', text_color='lightgray')} 


# Combine Points and Text 
(gapminder_ds({'Points': opts}) * text({'Text': text_opts})).relabel('Gapminder Demo')