bqplot 0.12 到 0.13 版本迁移指南-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00417/article/details/148574970

bqplot 0.12 到 0.13 版本迁移指南

bqplot Plotting library for IPython/Jupyter notebooks 项目地址: https://gitcode.com/gh_mirrors/bq/bqplot

版本架构变化概述

bqplot 0.13 版本进行了重要的架构调整，将原先单一的核心库拆分为多个独立模块。这种模块化设计使得项目结构更加清晰，各功能组件职责更加明确，同时也为未来的功能扩展提供了更好的基础。

主要拆分模块说明

bqscales 模块

bqscales 现在作为独立模块存在，专门负责处理图表中的各种比例尺(Scale)功能。比例尺是数据可视化中的核心概念，它定义了数据空间到显示空间的映射关系。

bqplot-gl 模块

bqplot-gl 专注于基于 WebGL 的高性能渲染，包含所有使用 WebGL 技术的标记(Mark)类型。WebGL 技术特别适合处理大规模数据集的渲染。

核心 bqplot 模块

核心模块保留了基本的图表元素和功能，包括轴(Axis)、基础标记(Mark)和图表(Figure)等核心组件。

具体迁移步骤

比例尺(Scale)导入变更

虽然 0.13 版本中 bqplot 仍然通过依赖 bqscales 来保持向后兼容，但建议开发者尽快更新导入方式。

旧版本导入方式(0.12)

from bqplot import LinearScale, Axis, Lines, Figure

新版本推荐导入方式(0.13)

from bqscales import LinearScale
from bqplot import Axis, Lines, Figure

WebGL 相关标记导入变更

使用 WebGL 加速的标记(如 ScatterGL, LinesGL)现在需要单独安装和导入。

安装新模块

pip install bqplot-gl

导入方式变更对比

0.12 版本方式:

from bqplot import LinearScale, ScatterGL, Axis, Figure

0.13 版本方式:

from bqplot import LinearScale, Axis, Figure
from bqplot_gl import ScatterGL

迁移注意事项

性能考量: WebGL 模块的独立化使得非 WebGL 场景下的包体积更小，加载更快
依赖管理: 项目现在需要管理多个相关包的版本兼容性
未来兼容性: 虽然目前核心 bqplot 仍然包含比例尺功能，但未来可能会完全移除，建议尽早迁移
功能完整性: 所有原有功能都得到了保留，只是组织方式发生了变化

迁移示例完整对比

以下是一个完整的散点图示例，展示迁移前后的代码变化：

0.12 版本代码:

from bqplot import LinearScale, ScatterGL, Axis, Figure
import numpy as np

# 数据准备
n_points = 150_000
np.random.seed(0)
y = np.cumsum(np.random.randn(n_points)) + 100.

# 创建比例尺和轴
sc_x = LinearScale()
sc_y = LinearScale()
ax_x = Axis(scale=sc_x, label='Index')
ax_y = Axis(scale=sc_y, orientation='vertical', label='Points')

# 创建WebGL散点图
scatter = ScatterGL(
    x=np.arange(len(y)), y=y,
    default_size=1,
    scales={'x': sc_x, 'y': sc_y}
)

# 组合成完整图表
fig = Figure(marks=[scatter], axes=[ax_x, ax_y], title='WebGL散点图')
fig

0.13 版本代码:

from bqplot import LinearScale, Axis, Figure
from bqplot_gl import ScatterGL
import numpy as np

# 数据准备(保持不变)
n_points = 150_000
np.random.seed(0)
y = np.cumsum(np.random.randn(n_points)) + 100.

# 创建比例尺和轴(保持不变)
sc_x = LinearScale()
sc_y = LinearScale()
ax_x = Axis(scale=sc_x, label='Index')
ax_y = Axis(scale=sc_y, orientation='vertical', label='Points')

# 创建WebGL散点图(保持不变)
scatter = ScatterGL(
    x=np.arange(len(y)), y=y,
    default_size=1,
    scales={'x': sc_x, 'y': sc_y}
)

# 组合成完整图表(保持不变)
fig = Figure(marks=[scatter], axes=[ax_x, ax_y], title='WebGL散点图')
fig