真正的（一般）问题

我是 Bokeh 新手，我正在尝试构建一个可以根据小部件提供的输入动态更新的图。然而，对于大多数小部件来说，Python 回调的使用并没有完整记录，因此我陷入了困境。

1. 我如何知道应该使用哪种小部件方法来附加我的回调？我可以通过在交互式控制台中探测小部件属性来猜测可用的选择，但这并不优雅，而且我确信它写在文档中的某个地方。
2. 前提是我知道要使用的方法（例如on_event or on_change），我还得弄清楚它的签名和参数。例如，如果我正在使用on_change，我可以监控哪些小部件属性？
3. 一旦我知道我可以监视哪个属性，我如何知道事件将产生的数据结构？

更多背景信息和（不太有用的）具体问题

这是一个合适的例子。我正在使用像这样的笔记本嵌入式服务器这个例子。作为练习，我想用一个替换滑块DataTable具有任意值。这是我目前拥有的代码：

from bokeh.layouts import column
from bokeh.models import ColumnDataSource, DataTable
from bokeh.plotting import figure
from bokeh.io import show, output_notebook

from bokeh.sampledata.sea_surface_temperature import sea_surface_temperature

output_notebook()

def modify_doc(doc):
    df = sea_surface_temperature.copy()
    source = ColumnDataSource(data=df)
    source_table = ColumnDataSource(data={"alpha": [s for s in "abcdefgh"], 
                                          "num": list(range(8))})

    plot = figure(x_axis_type='datetime', y_range=(0, 25),
                  y_axis_label='Temperature (Celsius)',
                  title="Sea Surface Temperature at 43.18, -70.43")
    plot.line('time', 'temperature', source=source)

    def callback(attr, old, new):
        # This is the old callback from the example. What is "new" when I use 
        # a table widget?
        if new == 0:
            data = df
        else:
            data = df.rolling('{0}D'.format(new)).mean()
        source.data = ColumnDataSource(data=data).data

    table = DataTable(source=source_table, 
                      columns=[TableColumn(field="alpha", title="Alpha"),
                               TableColumn(field="num", title="Num")])
    # How can I attach a callback to table so that the plot gets updated 
    # with the "num" value when I select a row?
    # table.on_change("some_attribute", callback)

    doc.add_root(column(table, plot))

show(modify_doc)

这个答案是针对 Bokeh v1.0.4 给出的，可能不符合最新文档

JavaScript 回调 and Python 回调，是 Bokeh 中非常强大的工具，可以附加到任何 Bokeh 模型元素。此外，您还可以通过编写自己的 Bokeh 功能来扩展 Bokeh 功能使用 TypeScript 进行扩展（最终编译为JS）

可以使用以下两种方法之一添加 JS 回调：

Model.js_on_event('event', callback)
Model.js_on_change('attr', callback)

Python回调主要用于小部件：

Widget.on_event('event, onevent_handler)
Widget.on_change('attr', onchange_handler)
Widget.on_click(onclick_handler)

每个小部件的事件处理程序的确切函数签名可以是：

onevent_handler(event)
onchange_handler(attr, old, new) 
onclick_handler(new)
onclick_handler()

The attr可以是任何小部件类（或其基类）属性。因此您需要经常咨询散景参考页面。扩展 JSON 原型还有助于找出支持哪些属性，例如看着Div我们无法直接看到id, name, style or text来自其基类的属性。然而，所有这些属性都存在于 Div 的 JSON 原型中，因此受 Div 支持：

{
  "css_classes": [],
  "disabled": false,
  "height": null,
  "id": "32025",
  "js_event_callbacks": {},
  "js_property_callbacks": {},
  "name": null,
  "render_as_text": false,
  "sizing_mode": "fixed",
  "style": {},
  "subscribed_events": [],
  "tags": [],
  "text": "",
  "width": null
}

回到你的问题：很多时候你可以使用不同的方法获得相同的结果。

据我所知，没有很好的方法来列出每个小部件所有支持的事件，但阅读文档并深入研究基类有很大帮助。

使用上述方法可以检查哪些小部件属性您可以在回调中使用。到那个时刻events我建议你看看并探索bokeh.eventsIDE 中的类。您可以找到每个事件的详细描述。随着时间的推移，当使用程序员的直觉来选择您的小部件支持的正确事件时，它会自然而然地发生（所以没有button_click for Plot and no pan活动为Button但反过来）。

决定将回调附加到哪个小部件（模型元素）以及选择哪种方法或将回调绑定到哪个事件是您的决定，主要取决于：哪个用户操作应该触发您的回调？

因此，您可以将 JS 回调附加到任何小部件（值更改、滑块移动等）、任何工具（TapTool、HoverTool 等）、data_source（单击字形）、绘图画布（例如，用于单击）在字形之外的区域）或绘图范围（缩放或平移事件）等...

基本上，您需要知道所有 Python 对象在 BokehJS 中都有其等效项，这样您就可以在两个领域中以相同的方式使用它们（当然，有一些语法差异）。

本文档例如，显示 ColumnDataSource 有一个“选定”属性，因此您可以检查点source.selected.indices并查看选择了绘图上的哪个点或在您的情况下：选择了哪些表行。您可以在 Python 代码和浏览器中设置断点，并检查 Python 或 BokehJS 数据结构。它有助于设置环境变量BOKEH_MINIFIED to no在 IDE（运行配置）或终端（例如BOKEH_MINIFIED=no python3 main.py) 运行代码时。这将使在浏览器中调试 BokehJS 变得更加容易。

这是你的代码（对“pure Bokeh”v1.0.4 稍作修改，因为我没有安装 Jupiter Notebook）

from bokeh.layouts import column
from bokeh.models import ColumnDataSource, DataTable, TableColumn
from bokeh.plotting import figure, curdoc
from bokeh.io import show, output_notebook
from bokeh.sampledata.sea_surface_temperature import sea_surface_temperature

# output_notebook()
def modify_doc(doc):
    df = sea_surface_temperature.copy()
    source = ColumnDataSource(data = df)
    source_table = ColumnDataSource(data = {"alpha": [s for s in "abcdefgh"],
                                            "num": list(range(8))})

    plot = figure(x_axis_type = 'datetime', y_range = (0, 25),
                  y_axis_label = 'Temperature (Celsius)',
                  title = "Sea Surface Temperature at 43.18, -70.43")
    plot.line('time', 'temperature', source = source)

    def callback(attr, old, new):  # here new is an array containing selected rows
        if new == 0:
            data = df
        else:
            data = df.rolling('{0}D'.format(new[0])).mean()  # asuming one row is selected

        source.data = ColumnDataSource(data = data).data

    table = DataTable(source = source_table,
                      columns = [TableColumn(field = "alpha", title = "Alpha"),
                                 TableColumn(field = "num", title = "Num")])
    source_table.selected.on_change('indices', callback)

    doc().add_root(column(table, plot))

modify_doc(curdoc)
# show(modify_doc)

Result: