Bokeh是一個(gè)Python庫，用于在Web瀏覽器中創(chuàng)建交互式數(shù)據(jù)可視化。它以一種視覺上令人愉悅的方式提供了人類可讀和快速的數(shù)據(jù)呈現(xiàn)。如果您以前在Python中使用過可視化，那么您可能使用過matplotlib。但是Bokeh不同于matplotlib。

要安裝Bokeh，請(qǐng)?jiān)诮K端中輸入以下命令。

pip install bokeh

為什么要使用Bokeh

matplotlib和Bokeh的預(yù)期用途是完全不同的。Matplotlib創(chuàng)建靜態(tài)圖形，這些圖形對(duì)于快速簡單的可視化或創(chuàng)建出版質(zhì)量的圖像非常有用。Bokeh創(chuàng)建用于在網(wǎng)絡(luò)上顯示的可視化（無論是本地還是嵌入在網(wǎng)頁中），最重要的是，可視化意味著高度交互。Matplotlib不提供這兩個(gè)功能。

如果你想與你的數(shù)據(jù)進(jìn)行視覺交互，或者你想將交互式視覺數(shù)據(jù)分發(fā)給網(wǎng)絡(luò)觀眾，Bokeh是你的庫！如果您的主要興趣是生成最終的可視化以供發(fā)布，matplotlib可能更好，盡管Bokeh確實(shí)提供了一種創(chuàng)建靜態(tài)圖形的方法。

繪制一個(gè)簡單的圖形

前兩個(gè)元素必須分別是x軸和y軸上的數(shù)據(jù)。

color：動(dòng)態(tài)分配顏色，如圖所示。

fill_alpha：指定圓的不透明度。

size：指定每個(gè)圓的大小。

示例

from bokeh.plotting import figure, output_file, show
from bokeh.sampledata.iris import flowers
# assign custom colors to represent each
# class of data in a dictionary format
colormap = {'setosa': 'red', 'versicolor': 'green',
			'virginica': 'blue'}
colors = [colormap[x] for x in flowers['species']]
# title for the graph
p = figure(title="Iris Morphology")
# label on x-axis
p.xaxis.axis_label = 'Petal Length'
# label on y-axis
p.yaxis.axis_label = 'Petal Width'
# plot each datapoint as a circle
# with custom attributes.
p.circle(flowers["petal_length"],
		flowers["petal_width"],
		color=colors,
		fill_alpha=0.3,
		size=15)
# you can save the output as an
# interactive html file
output_file("iris1.html", title="iris.py example")
# display the generated plot of graph
show(p)

在上面的示例中，output_file（）函數(shù)用于將生成的輸出保存為html文件，因?yàn)閎okeh使用web格式來提供交互式顯示。最后使用show（）函數(shù)顯示生成的輸出。

注意事項(xiàng)：

紅色= Setosa，綠色= Versicolor，藍(lán)色= Virginica

在每個(gè)可視化的右上角，都有bokeh提供的交互功能。它允許

1.平移圖

2.使用框選擇進(jìn)行縮放

3.使用滾輪縮放

4.保存

5.復(fù)位

6.幫助

繪制條形圖

在這個(gè)例子中，我們將使用自定義創(chuàng)建的數(shù)據(jù)集，使用代碼本身的列表，即水果數(shù)據(jù)集。output_file（）函數(shù)用于將生成的輸出保存為html文件，因?yàn)閎okeh使用web格式。我們可以使用ColumnDataSource（）函數(shù)將創(chuàng)建的自定義數(shù)據(jù)集（兩個(gè)列表）映射為字典格式。 figure（）函數(shù)用于初始化圖形圖形，以便可以在其上繪制數(shù)據(jù)，具有各種參數(shù)，例如：

• x_range：定義x軸上的數(shù)據(jù)。
• plot_width，plot_height：定義圖形的寬度和高度。
• toolbar_location：定義工具欄的位置。
• title：定義圖的標(biāo)題。

這里我們使用簡單的豎線來表示數(shù)據(jù)，因此我們使用vbar（）方法，并在其中傳遞不同的參數(shù)來為豎線分配各種屬性，例如：

• x：x軸方向的數(shù)據(jù)
• top：y軸方向的數(shù)據(jù)
• width：定義每個(gè)條形的寬度
• source：數(shù)據(jù)來源
• legend_field：顯示數(shù)據(jù)中存在的類的列表
• line_color：定義圖形中線條的顏色
• fill_color：定義數(shù)據(jù)類的不同顏色

最后使用show（）函數(shù)顯示生成的輸出。

from bokeh.io import output_file, show
from bokeh.models import ColumnDataSource
from bokeh.palettes import Spectral10
from bokeh.plotting import figure
from bokeh.transform import factor_cmap
output_file("fruits_bar_chart.html") #output save file name
# creating custom data
fruits = ['Apples', 'Pears', 'Nectarines',
		'Plums', 'Grapes', 'Strawberries',
		'bananas','berries','pineapples','litchi']
counts = [51, 34, 4, 28, 119, 79, 15, 68, 26, 88]
# mapping counts with classes as a dictionary
source = ColumnDataSource(data=dict(fruits=fruits,
									counts=counts))
# initializing the figure
p = figure(x_range=fruits,
		plot_width=800,
		plot_height=350,
		toolbar_location=None,
		title="Fruit Counts")
# assigning various attributes to plot
p.vbar(x='fruits', top='counts',
	width=1, source=source,
	legend_field="fruits",
	line_color='white',
	fill_color=factor_cmap('fruits',
							palette=Spectral10,
							factors=fruits))
p.xgrid.grid_line_color = None
p.y_range.start = 0
p.y_range.end = 150
p.legend.orientation = "horizontal"
p.legend.location = "top_center"
# display output
show(p)

注意：這是一個(gè)靜態(tài)圖，也是由bokeh提供的，類似于matplotlib。

到此這篇關(guān)于Python使用Bokeh進(jìn)行交互式數(shù)據(jù)可視化的文章就介紹到這了,更多相關(guān)Python Bokeh數(shù)據(jù)可視化內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論