Bokeh，一个超强交互式Python可视化库！

 Bokeh简介

Bokeh是一款交互式可视化库，在浏览器上进行展示。

10年积累的网站制作、成都网站设计经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站设计后付款的网站建设流程，更有清河门免费网站建设让你可以放心的选择与我们合作。

Bokeh可以通过Python（或其它语言），快速便捷地为大型流数据集提供优雅简洁的高性能交互式图表。

安装

在python中有多种安装Bokeh的方法，这里建议最简单的方法是使用Anaconda Python发行版，然后在命令行下输入以下命令：

 
 
 
 
      
  
  
  
  1. conda install bokeh 
    2.

这里会安装Bokeh需要的所有依赖包，并且Anaconda可以最大限度地减少安装过程的复杂程度。

如果你自信已经安装好需要的依赖，如numpy等，那么可以在命令行使用pip来安装：

 
 
 
 
      
  
  
  
  1. pip install bokeh 
    2.

为什么使用jupyter notebook作为绘图环境

本文代码都是在notebook中执行的，并且图表也直接展示在notebook中。

notebook是用于数据探索的常用工具，在数据科学领域被广泛使用，建议大家在学习Bokeh的过程中使用jupyter notebook。

开始绘图

Bokeh是一个大型库，具有非常多的功能，这里不细讲具体函数方法，只通过一些案例来展示Bokeh的使用流程和可视化界面。

将python列表中的数据绘制成线图非常简单，而且图表是交互式的，能够缩放、平移、保存等其他功能。

图表最终会保存为html格式，并在浏览器中自动打开，这可以通过output_file()函数实现。

如果你使用的是notebook环境，Bokeh可以在notebook中直接显示交互式图表，只要将output_file()函数替换为output_notebook()函数。

 
 
 
 
      
  
  
  
  1. # 导入相关库  
    2.   
  
  
  
  2. from bokeh.plotting import figure, output_notebook, show   
    3.   
  
  
  
  3. % matplotlib inline  
    4.   
  
  
  
  4. # 准备数据  
    5.   
  
  
  
  5. x = [1, 2, 3, 4, 5]  
    6.   
  
  
  
  6. y = [6, 7, 2, 4, 5]  
    7.   
  
  
  
  7. # 在notbook中展示  
    8.   
  
  
  
  8. output_notebook()  
    9.   
  
  
  
  9. # 创建一个带有标题和轴标签的新图表  
    10.   
  
  
  
  10. p = figure(title="simple line example", x_axis_label='x', y_axis_label='y')  
    11.   
  
  
  
  11. # 添加带有图例和线条粗细的线图渲染器  
    12.   
  
  
  
  12. #   
    13.   
  
  
  
  13. p.line(x, y, legend="Temp.", line_width=2)  
    14.   
  
  
  
  14. # 显示图表  
    15.   
  
  
  
  15. show(p) 
    16.

上面的例子绘制了一个折线图，简单地展示了bokeh.plotting模块绘图的流程。

一般来说，我们使用bokeh.plotting模块绘图有以下几个步骤：

  •  准备数据

          例子中数据容器为列表，你也可以用numpy array、pandas series数据形式

  •  告诉Bokeh在哪生成输出图表

          上面说过，图表输出有两种形式，一个是在notebook中直接显示，一个是生成HTML文件，在浏览器中自动打开。

  •  调用figure()函数

           创建具有典型默认选项并易于自定义标题、工具和轴标签的图表

  •  添加渲染器

          上面使用的是line()线图函数，并且指定了数据源、线条样式、标签等，你也可以使用其他的绘图函数，如点图、柱状图等

  •  显示或保存图表

           show()函数用来自动打开生成的HTML文件，save()函数用来保存生成的html文件

如果想在一张图里绘制多个数据表，则可以重复上面第4步。

你可以添加多个数据系列，自定义不同的展示风格：

 
 
 
 
      
  
  
  
  1. from bokeh.plotting import figure, output_notebook, show  
    2.   
  
  
  
  2. # 准备三个数据系列  
    3.   
  
  
  
  3. x = [0.1, 0.5, 1.0, 1.5, 2.0, 2.5, 3.0]  
    4.   
  
  
  
  4. y0 = [i**2 for i in x]  
    5.   
  
  
  
  5. y1 = [10**i for i in x]  
    6.   
  
  
  
  6. y2 = [10**(i**2) for i in x]  
    7.   
  
  
  
  7. # 在notbook中展示  
    8.   
  
  
  
  8. output_notebook()  
    9.   
  
  
  
  9. # 创建新表  
    10.   
  
  
  
  10. p = figure(  
    11.   
  
  
  
  11.    tools="pan,box_zoom,reset,save",  
    12.   
  
  
  
  12.    y_axis_type="log", y_range=[0.001, 10**11], title="log axis example",  
    13.   
  
  
  
  13.    x_axis_label='sections', y_axis_label='particles'  
    14.   
  
  
  
  14. )  
    15.   
  
  
  
  15. # 添加不同的图表渲染  
    16.   
  
  
  
  16. p.line(x, x, legend="y=x")  
    17.   
  
  
  
  17. p.circle(x, x, legend="y=x", fill_color="white", size=8)  
    18.   
  
  
  
  18. p.line(x, y0, legend="y=x^2", line_width=3)  
    19.   
  
  
  
  19. p.line(x, y1, legend="y=10^x", line_color="red")  
    20.   
  
  
  
  20. p.circle(x, y1, legend="y=10^x", fill_color="red", line_color="red", size=6)  
    21.   
  
  
  
  21. p.line(x, y2, legend="y=10^x^2", line_color="orange", line_dash="4 4")  
    22.   
  
  
  
  22. # 展示图表  
    23.   
  
  
  
  23. show(p) 
    24.

有时候，绘制图表不光要知道数据点在x、y轴的位置，而且要赋予数据点颜色、大小等属性，展示数据点的其它含义，如下：

 
 
 
 
      
  
  
  
  1. import numpy as np  
    2.   
  
  
  
  2. from bokeh.plotting import figure, output_file, show  
    3.   
  
  
  
  3. # 准备数据  
    4.   
  
  
  
  4. N = 4000  
    5.   
  
  
  
  5. x = np.random.random(size=N) * 100  
    6.   
  
  
  
  6. y = np.random.random(size=N) * 100  
    7.   
  
  
  
  7. radii = np.random.random(size=N) * 1.5  
    8.   
  
  
  
  8. colors = [  
    9.   
  
  
  
  9.     "#%02x%02x%02x" % (int(r), int(g), 150) for r, g in zip(50+2*x, 30+2*y) 
    10.   
  
  
  
  10. ]  
    11.   
  
  
  
  11. # 在notbook中展示  
    12.   
  
  
  
  12. output_notebook()   
    13.   
  
  
  
  13. TOOLS = "crosshair,pan,wheel_zoom,box_zoom,reset,box_select,lasso_select"  
    14.   
  
  
  
  14. # 创建图表，并添加图标栏工具  
    15.   
  
  
  
  15. p = figure(tools=TOOLS, x_range=(0, 100), y_range=(0, 100))  
    16.   
  
  
  
  16. # 添加圆绘图渲染函数，并且定义元素的颜色、样式  
    17.   
  
  
  
  17. p.circle(x, y, radius=radii, fill_color=colors, fill_alpha=0.6, line_color=None)  
    18.   
  
  
  
  18. # 显示图表  
    19.   
  
  
  
  19. show(p) 
    20.

对于同一个数据，可能需要多种展示风格，比如说线、点、圆等，并且把多个图表放在一起，Bokeh能够做到：

 
 
 
 
      
  
  
  
  1. import numpy as np  
    2.   
  
  
  
  2. from bokeh.layouts import gridplot  
    3.   
  
  
  
  3. from bokeh.plotting import figure, output_file, show  
    4.   
  
  
  
  4. # 准备数据  
    5.   
  
  
  
  5. N = 100  
    6.   
  
  
  
  6. x = np.linspace(0, 4*np.pi, N) 
    7.   
  
  
  
  7. y0 = np.sin(x)  
    8.   
  
  
  
  8. y1 = np.cos(x)  
    9.   
  
  
  
  9. y2 = np.sin(x) + np.cos(x)  
    10.   
  
  
  
  10. # 在notbook中展示  
    11.   
  
  
  
  11. output_notebook()  
    12.   
  
  
  
  12. # 创建子图表1，元素样式为圆  
    13.   
  
  
  
  13. s1 = figure(width=250, plot_height=250, title=None)  
    14.   
  
  
  
  14. s1.circle(x, y0, size=10, color="navy", alpha=0.5)   
    15.   
  
  
  
  15. # 创建子图表2，元素样式为三角形  
    16.   
  
  
  
  16. s2 = figure(width=250, height=250, x_range=s1.x_range, y_range=s1.y_range, title=None)  
    17.   
  
  
  
  17. s2.triangle(x, y1, size=10, color="firebrick", alpha=0.5)  
    18.   
  
  
  
  18. # 创建子图表3，元素样式为正方形  
    19.   
  
  
  
  19. s3 = figure(width=250, height=250, x_range=s1.x_range, title=None)  
    20.   
  
  
  
  20. s3.square(x, y2, size=10, color="olive", alpha=0.5)  
    21.   
  
  
  
  21. # 将多个子图放到网格图中  
    22.   
  
  
  
  22. p = gridplot([[s1, s2, s3]], toolbar_location=None)  
    23.   
  
  
  
  23. # 显示图表  
    24.   
  
  
  
  24. show(p) 
    25.

绘制股票价格走势图，这类是关于时间序列的图表：

 
 
 
 
      
  
  
  
  1. import numpy as np  
    2.   
  
  
  
  2. from bokeh.plotting import figure, output_file, show  
    3.   
  
  
  
  3. from bokeh.sampledata.stocks import AAPL  
    4.   
  
  
  
  4. # 准备数据  
    5.   
  
  
  
  5. aapl = np.array(AAPL['adj_close'])  
    6.   
  
  
  
  6. aapl_dates = np.array(AAPL['date'], dtype=np.datetime64)  
    7.   
  
  
  
  7. window_size = 30  
    8.   
  
  
  
  8. window = np.ones(window_size)/float(window_size)  
    9.   
  
  
  
  9. aapl_avg = np.convolve(aapl, window, 'same')  
    10.   
  
  
  
  10. # 在notbook中展示  
    11.   
  
  
  
  11. output_notebook()  
    12.   
  
  
  
  12. # 创建新图表  
    13.   
  
  
  
  13. p = figure(plot_width=800, plot_height=350, x_axis_type="datetime")  
    14.   
  
  
  
  14. # 添加图表渲染  
    15.   
  
  
  
  15. p.circle(aapl_dates, aapl, size=4, color='darkgrey', alpha=0.2, legend='close')  
    16.   
  
  
  
  16. p.line(aapl_dates, aapl_avg, color='navy', legend='avg')  
    17.   
  
  
  
  17. # 设置图表元素  
    18.   
  
  
  
  18. p.title.text = "AAPL One-Month Average"  
    19.   
  
  
  
  19. p.legend.location = "top_left"  
    20.   
  
  
  
  20. p.grid.grid_line_alpha = 0  
    21.   
  
  
  
  21. p.xaxis.axis_label = 'Date'  
    22.   
  
  
  
  22. p.yaxis.axis_label = 'Price'  
    23.   
  
  
  
  23. p.ygrid.band_fill_color = "olive"  
    24.   
  
  
  
  24. p.ygrid.band_fill_alpha = 0.1   
    25.   
  
  
  
  25. # 显示图表  
    26.   
  
  
  
  26. show(p) 
    27.

总结

上述几个示例简单展示了Bokeh绘图方法，希望起到一个抛砖引玉的作用，让大家了解到Bokeh的强大之处，去探索更多的用法。

当前题目：Bokeh，一个超强交互式Python可视化库！
网址分享：http://www.hantingmc.com/qtweb/news36/38886.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

解决方案知识

行业网站建设

云虚拟主机　　 　关键词排名　　 　阿坝网站设计　　 　高县网站建设　　 　网站SEO优化　　 　盐亭做网站　　 　南京护栏钻孔机　　 　南充网站建设　　 　微信小程序开发　　 　服务器托管　　 　电信内江机房　　 　成都服务器托管　　 　金融行业网站建设方案　　 　温江服务器托管　　 　培训网站方案　　 　定制网站建设　　 　固迪佳新材料　　 　成都宣传海报　　 　网站设计公司　　 　移动服务器托管