Plotly无法返回多个跟踪器的选定数据点的信息

Question

在这个example中，他们在一个go.Scatter示踪剂中绘制所有内容，然后他们可以使用selection_fn获取所选点的信息。

我想用我的数据集做类似的事情，包括3个集群。为了使集群更容易被看到，我在一个类中使用一个跟踪器。因此，我尝试修改示例代码以适应我的数据集，如下所示。

import plotly.plotly as py
import plotly.graph_objs as go
from plotly.tools import set_credentials_file
import plotly.offline as py

import pandas as pd
import numpy as np
from ipywidgets import interactive, HBox, VBox

from sklearn.datasets import make_blobs

X, y = make_blobs(30,random_state=101)

py.init_notebook_mode()

f = go.FigureWidget([go.Scatter(y = X[y==0][:,1], x = X[y==0][:,0], mode = 'markers'), 
                     go.Scatter(y = X[y==1][:,1], x = X[y==1][:,0], mode = 'markers'),
                     go.Scatter(y = X[y==2][:,1], x = X[y==2][:,0], mode = 'markers')])
scatter = f.data[0]
N = len(X)

# Create a table FigureWidget that updates on selection from points in the scatter plot of f
t = go.FigureWidget([go.Table(
    header=dict(values=['x','y','class'],
                fill = dict(color='#C2D4FF'),
                align = ['left'] * 5),
    cells=dict(values=[X[:,0], X[:,1], y],
               fill = dict(color='#F5F8FF'),
               align = ['left'] * 5))])

def selection_fn(trace,points,selector):
    print(points.point_inds)
    t.data[0].cells.values = [X[points.point_inds,0], X[points.point_inds,1], y[points.point_inds]]

scatter.on_selection(selection_fn)

# Put everything together
VBox((HBox(),f,t))

错误的行为1：返回错误的信息

当从trace 0中选择两个数据点时，它会向我返回2个信息，但这是错误的。

错误的行为2：没有返回任何信息

从示踪剂1和2中选择数据点时，它甚至不返回信息

经过简短的调试后，我注意到每个跟踪器和完整数据集的索引不匹配。此代码只能从跟踪器0返回索引，但是，当它将索引传递给完整数据集时，它会为您提供这些点的错误匹配信息。当从跟踪器1和2中选择点时，它甚至不能返回索引，因此不能提取信息。

虽然我理解这个问题，但我不知道如何修改代码，因为我还是新手。

Answer 1

经过几天的尝试，我已经找到了实现它的黑客。 （也许有人仍然可以提供更好的方法？）

诀窍是为表中的每个列创建3个列表，并将所选点的数据附加到列表中，并最后更新表。

这是完整的代码。

X, y = make_blobs(30,random_state=101)

py.init_notebook_mode()

f = go.FigureWidget([go.Scatter(y = X[y==0][:,1], x = X[y==0][:,0], text=y[y==0], mode = 'markers', name='class 0'), 
                     go.Scatter(y = X[y==1][:,1], x = X[y==1][:,0], text=y[y==1], mode = 'markers', name='class 1'),
                     go.Scatter(y = X[y==2][:,1], x = X[y==2][:,0], text=y[y==2], mode = 'markers', name='class 2')])


# Create a table FigureWidget that updates on selection from points in the scatter plot of f
t = go.FigureWidget([go.Table(
    header=dict(values=['x','y', 'class'],
                fill = dict(color='#C2D4FF'),
                align = ['left'] * 5),
    cells=dict(values=[X[:,0], X[:,1], y],
               fill = dict(color='#F5F8FF'),
               align = ['left'] * 5))])

# def data_append(trace,points,selector):
#     X1 = []
#     X2 = []
#     c = []


X1 = []
X2 = []
data_cluster = []
num_called = 0
def selection_fn(trace,points,selector):
    global num_called
    global X1, X2, data_cluster
    if num_called == 3: # number of scatters
        num_called = 0
        X1 = []
        X2 = []
        data_cluster = []
    X1.extend(trace['x'][points.point_inds])
    X2.extend(trace['y'][points.point_inds])
    data_cluster.extend(trace['text'][points.point_inds])
    t.data[0].cells.values = [X1, X2,data_cluster]
    num_called +=1
for scatter in f.data:
    scatter.on_selection(selection_fn)

# Put everything together
VBox((HBox(),f,t))

输出代码

如您所见，该表准确返回三个选定数据点的信息。