带有可滚动分类 y 轴的甘特图 Python 绘图库

Question

我正在尝试绘制甘特图和其他类似的调度图表。其中，x 轴是时间（连续，可以是浮点数或日期时间），y 轴是分类的，例如任务或机器。一个典型的图可能有 100 多个类别。图的主体由水平条组成，每个类别有零个或多个水平条。

一个简短的例子（使用 Altair）是例如

我想将它们作为网络应用程序的一部分在浏览器中绘制。现实世界的示例将有更多的行，给出一个非常高的数字，无法在浏览器中完全查看。 因为绘图非常高，所以我希望能够设置高度上限（可能以像素为单位，或以行数为单位），并且能够在绘图内上下滚动，同时始终使轴在屏幕底部可见（不能在 HTML div 中使用大小限制和溢出，因为它会滚动到绘图之外，从而切断 x 轴）。 y 轴理想情况下不应缩放，而只能滚动。

我看过 matplotlib (

broken_barh

)、altair (

mark_bar

)、bokeh (

hbar

) 和plotly (

timeline

)，但找不到任何简单的方法来实现这一点；我能做的最好的事情就是做一些情节之外的事情，例如一个小部件，用于选择最上面的可见类别和要显示的最大类别行数，然后过滤发送到绘图的数据。是否有任何具有交互功能的绘图库可以处理分类数据的垂直滚动？

Answer 1

import dash
from dash import dcc, html
import plotly.express as px
import pandas as pd

# Sample data
df = pd.DataFrame({
    'Task': ['Task1', 'Task2', 'Task3', 'Task4', 'Task5'],
    'Start': ['2023-01-01', '2023-01-02', '2023-01-05', '2023-01-07', '2023-01-09'],
    'Finish': ['2023-01-03', '2023-01-04', '2023-01-06', '2023-01-08', '2023-01-10'],
})

fig = px.timeline(df, x_start="Start", x_end="Finish", y="Task")
fig.update_yaxes(categoryorder="total ascending")

app = dash.Dash(__name__)

app.layout = html.Div([
    dcc.Graph(figure=fig, style={"height": "500px", "overflowY": "scroll"})
])

if __name__ == '__main__':
    app.run_server(debug=True)

Bokeh还支持交互式可视化，通过Panel，您可以构建Web应用程序并控制滚动
Altair 的 mark_bar 带有交互式选择器，可实现动态过滤，您可以通过小部件或下拉菜单选择可见类别

带有过滤选择器的 Altair 提供了一种滚动有限但交互性良好的替代方案，适用于一次可见行数较少的应用程序。

  import altair as alt
import pandas as pd

# Data setup
df = pd.DataFrame({
    'Task': ['Task1', 'Task2', 'Task3', 'Task4', 'Task5'],
    'Start': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-05', '2023-01-07', '2023-01-09']),
    'Finish': pd.to_datetime(['2023-01-03', '2023-01-04', '2023-01-06', '2023-01-08', '2023-01-10']),
})

task_selection = alt.selection_single(
    fields=['Task'], bind=alt.binding_select(options=df['Task'].unique().tolist())
)

gantt = alt.Chart(df).mark_bar().encode(
    x='Start',
    x2='Finish',
    y=alt.Y('Task:N', sort=alt.SortField(field='Task')),
    color='Task'
).add_selection(task_selection).transform_filter(task_selection)

gantt.show()