Python bokeh 模块：全面入门

python库 › 数据可视化
, ,

Python bokeh 模块：全面入门

Bokeh 是一个用于 Python 的数据可视化库，它使用户能够轻松创建交互式且可扩展的图表。Bokeh 支持多种输出模式，包括 HTML、Jupyter notebook 和服务器应用，使其在数据科学、数据分析和展示方面具有广泛的应用。Bokeh 兼容 Python 版本 3.6 及以上。

模块介绍
Bokeh 旨在提供高效且美观的动态可视化界面，允许用户以简单的方式创建复杂的图表。与 Matplotlib 相比，Bokeh 更注重交互性与可视化的灵活性。通过 Bokeh，你可以直观地展示数据，并进行交互，例如缩放、拖动和选择数据点等。

应用场景
Bokeh 广泛适用于数据分析、科学计算和可视化展示等领域。其主要用途包括：

  1. 数据科学与机器学习成果的可视化展示。
  2. 交互式仪表板的构建，适用于监控和实时数据展示。
  3. 网络应用中的数据可视化，以提高用户体验和信息传达。
  4. 支持多种图表类型，如线图、柱状图、散点图、热图等，适合不同的数据展示需求。

安装说明
Bokeh 并不是 Python 的默认模块，你可以通过 pip 进行安装。在命令行中运行以下命令：

1
pip install bokeh  # 安装bokeh模块

安装完成后，您便可以使用 Bokeh 进行数据可视化。

用法举例

1. 基本线图展示

1
2
3
4
5
6
7
8
9
10
11
12
from bokeh.plotting import figure, show  # 导入Bokeh绘图函数
from bokeh.io import output_notebook  # 输出到Jupyter Notebook中

output_notebook()  # 设置输出到Notebook

x = [1, 2, 3, 4, 5]  # 定义x轴数据
y = [6, 7, 2, 4, 5]  # 定义y轴数据

p = figure(title="简单线图示例", x_axis_label='X轴', y_axis_label='Y轴')  # 创建图表对象
p.line(x, y, legend_label="线段", line_width=2, line_color="blue")  # 绘制线段

show(p)  # 显示图表

以上示例展示了如何使用 Bokeh 创建一个简单的线图。它将 x 和 y 的数据以线段形式呈现，并且设置了图表的标题和坐标轴标签。

2. 交互式散点图

1
2
3
4
5
6
7
8
9
10
11
12
from bokeh.plotting import figure, output_file, show  # 导入所需的绘图模块

output_file("scatter.html")  # 输出为HTML文件

x = [1, 2, 3, 4, 5]  # x轴数据
y = [6, 7, 2, 4, 5]  # y轴数据
sizes = [10, 20, 30, 40, 50]  # 数据点的大小

p = figure(title="交互式散点图", x_axis_label='X轴', y_axis_label='Y轴')  # 创建图表对象
p.circle(x, y, size=sizes, color="navy", alpha=0.5)  # 绘制散点

show(p)  # 显示生成的散点图

此代码创建了一个交互式的散点图，允许用户与图表互动。散点的大小可以根据传入的 sizes 变量进行调整。

3. 多种图表组合展示

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from bokeh.layouts import gridplot  # 导入布局功能
from bokeh.plotting import figure, output_file, show  # 导入绘图模块

output_file("gridplot.html")  # 输出为HTML文件

# 创建多个图表
p1 = figure(title="线图", x_axis_label='X轴', y_axis_label='Y轴')  
p1.line([1, 2, 3], [4, 5, 6], line_width=2)

p2 = figure(title="散点图", x_axis_label='X轴', y_axis_label='Y轴')  
p2.circle([1, 2, 3], [6, 7, 2], size=15)

p3 = figure(title="柱状图", x_axis_label='X轴', y_axis_label='Y轴')  
p3.vbar(x=[1, 2, 3], top=[4, 5, 6], width=0.5)

# 使用gridplot布局
grid = gridplot([[p1, p2], [p3, None]])  # 将多个图表组合在一起

show(grid)  # 显示组合图表

在这个示例中，我们展示了如何将多个图表组合在一起。使用 gridplot 可以将不同类型的图表按行列分布，使得数据展示更加丰富多样。

强烈建议大家关注本人的博客全糖冲击博客，我在这里将会分享所有 Python 标准库的使用教程，帮助大家轻松学习和查询。通过关注我的博客，您可以获得最新的 Python 技巧、实用示例和丰富的学习资源，让您的编程之路事半功倍！感谢您的支持，期待与您一起探索更多有趣的 Python 世界。

软件和库版本不断更新

由于软件和库版本不断更新，如果本文档不再适用或有误，请留言或联系我进行更新。让我们一起营造良好的学习氛围。感谢您的支持！ - Travis Tang