在數(shù)據(jù)分析和科學(xué)計(jì)算中，數(shù)據(jù)可視化是不可或缺的一部分。它能夠直觀地展示數(shù)據(jù)，幫助我們快速發(fā)現(xiàn)規(guī)律和趨勢(shì)。Bokeh是Python中一個(gè)強(qiáng)大的數(shù)據(jù)可視化庫(kù)，尤其擅長(zhǎng)創(chuàng)建交互式和實(shí)時(shí)更新的圖表。本文將通過簡(jiǎn)潔的語(yǔ)言和具體的代碼示例，介紹如何使用Bokeh庫(kù)進(jìn)行實(shí)時(shí)數(shù)據(jù)可視化。

一、Bokeh簡(jiǎn)介

Bokeh提供了豐富的圖表類型和工具，支持創(chuàng)建復(fù)雜的可視化作品，并可以輕松地嵌入到網(wǎng)頁(yè)中。它的核心特性包括：

• 交互式圖表：用戶可以與圖表進(jìn)行交互，如縮放、平移、懸停查看數(shù)據(jù)點(diǎn)信息等。
• 實(shí)時(shí)更新：Bokeh能夠?qū)崟r(shí)更新圖表，非常適合用于監(jiān)控和實(shí)時(shí)數(shù)據(jù)分析。
• 豐富的圖表類型：包括折線圖、柱狀圖、散點(diǎn)圖、熱力圖等。
• 易于集成：可以與Jupyter Notebook、Flask等框架無縫集成。

二、安裝 Bokeh

在開始之前，你需要確保已經(jīng)安裝了Bokeh庫(kù)?？梢允褂靡韵旅钸M(jìn)行安裝：

pip install bokeh

三、創(chuàng)建簡(jiǎn)單的Bokeh圖表

讓我們從創(chuàng)建一個(gè)簡(jiǎn)單的折線圖開始，了解Bokeh的基本用法。

from bokeh.plotting import figure, show, output_file
from bokeh.io import output_notebook
import numpy as np
 
# 在Jupyter Notebook中顯示Bokeh圖表
output_notebook()
 
# 創(chuàng)建數(shù)據(jù)
x = np.linspace(0, 10, 100)
y = np.sin(x)
 
# 創(chuàng)建圖表對(duì)象
p = figure(title="Simple Line Plot", x_axis_label='x', y_axis_label='sin(x)')
 
# 添加數(shù)據(jù)到圖表
p.line(x, y, line_width=2)
 
# 顯示圖表
show(p)

這段代碼創(chuàng)建了一個(gè)簡(jiǎn)單的折線圖，顯示了函數(shù)sin(x)在區(qū)間[0, 10]上的變化。在Jupyter Notebook中，output_notebook()函數(shù)允許直接在筆記本中顯示Bokeh圖表。

四、實(shí)時(shí)更新圖表

Bokeh的強(qiáng)大之處在于它能夠?qū)崟r(shí)更新圖表。這通常涉及到兩個(gè)主要部分：數(shù)據(jù)源的更新和圖表的重繪。

我們可以使用ColumnDataSource作為數(shù)據(jù)源，并通過回調(diào)函數(shù)在數(shù)據(jù)更新時(shí)觸發(fā)圖表的重新渲染。以下是一個(gè)簡(jiǎn)單的示例，展示了如何創(chuàng)建一個(gè)實(shí)時(shí)更新的折線圖。

from bokeh.plotting import figure, curdoc
from bokeh.models import ColumnDataSource
from bokeh.layout import row
from bokeh.client import push_session
from bokeh.server.server import Server
import numpy as np
import time
import random
 
# 創(chuàng)建數(shù)據(jù)源
source = ColumnDataSource(data=dict(x=[], y=[]))
 
# 創(chuàng)建圖表對(duì)象
p = figure(title="Real-time Line Plot", x_axis_label='Time', y_axis_label='Value', x_range=(0, 50))
p.line('x', 'y', source=source, line_width=2)
 
# 更新數(shù)據(jù)的回調(diào)函數(shù)
def update():
    new_data = {'x': source.data['x'] + [source.data['x'][-1] + 1 if source.data['x'] else 0],
                'y': source.data['y'] + [random.uniform(0, 10)]}
    source.stream(new_data, rollover=len(source.data['x']) > 50)  # 保持最多50個(gè)數(shù)據(jù)點(diǎn)
 
# 設(shè)置回調(diào)函數(shù)定期調(diào)用
curdoc().add_periodic_callback(update, 1000)  # 每1000毫秒（1秒）更新一次
 
# 如果在Jupyter Notebook中運(yùn)行，則使用show()顯示圖表
# 否則，使用Bokeh服務(wù)器運(yùn)行
# show(row(p), notebook_handle=True)  # Jupyter Notebook方式
 
# 使用Bokeh服務(wù)器方式
session = push_session(curdoc())
try:
    server = Server({'/': curdoc()}, io_loop=session.loop, allow_websocket_origin=["*"])
    server.start()
    session.loop_until_closed()
except KeyboardInterrupt:
    pass
finally:
    session.close()
    server.stop()

在這個(gè)示例中，我們創(chuàng)建了一個(gè)ColumnDataSource作為數(shù)據(jù)源，并通過update函數(shù)定期更新數(shù)據(jù)。stream方法用于向數(shù)據(jù)源添加新數(shù)據(jù)，rollover參數(shù)確保數(shù)據(jù)源中的數(shù)據(jù)點(diǎn)數(shù)量不會(huì)超過50個(gè)。我們使用add_periodic_callback方法設(shè)置回調(diào)函數(shù)每1000毫秒（1秒）調(diào)用一次。

注意：如果你在Jupyter Notebook中運(yùn)行這段代碼，你可能需要使用show(row(p), notebook_handle=True)來顯示圖表。然而，對(duì)于實(shí)時(shí)更新，更常見的方式是使用Bokeh服務(wù)器。上面的代碼示例展示了如何使用Bokeh服務(wù)器運(yùn)行圖表，并通過push_session和Server類進(jìn)行配置。

五、集成到Flask應(yīng)用中

Bokeh還可以與Flask等Web框架集成，創(chuàng)建完整的Web應(yīng)用。以下是一個(gè)簡(jiǎn)單的示例，展示了如何將Bokeh圖表集成到Flask應(yīng)用中。

from flask import Flask, render_template_string
from bokeh.plotting import figure
from bokeh.embed import components
from bokeh.resources import CDN
from bokeh.models import ColumnDataSource
import numpy as np
 
app = Flask(__name__)
 
# 創(chuàng)建Bokeh圖表和數(shù)據(jù)源
source = ColumnDataSource(data=dict(x=np.linspace(0, 10, 100), y=np.sin(np.linspace(0, 10, 100))))
p = figure(title="Flask-integrated Bokeh Plot", x_axis_label='x', y_axis_label='sin(x)')
p.line('x', 'y', source=source, line_width=2)
 
# 將Bokeh圖表嵌入到HTML模板中
script, div = components(p, CDN)
 
# 定義Flask路由和視圖函數(shù)
@app.route('/')
def index():
    html = render_template_string("""
    <!doctype html>
    <html lang="en">
      <head>
        <meta charset="utf-8">
        <title>Flask-integrated Bokeh Plot</title>
        {{ script|safe }}
      </head>
      <body>
        {{ div|safe }}
      </body>
    </html>
  """, script=script, div=div)
    return html
 
if __name__ == '__main__':
    app.run(debug=True)

在這個(gè)示例中，我們首先創(chuàng)建了一個(gè)簡(jiǎn)單的Bokeh圖表和數(shù)據(jù)源。然后，我們使用components函數(shù)將圖表轉(zhuǎn)換為HTML腳本和div元素。接著，我們定義了一個(gè)Flask路由和視圖函數(shù)，將Bokeh圖表嵌入到HTML模板中并返回給客戶端。

運(yùn)行這個(gè)Flask應(yīng)用后，你可以在瀏覽器中打開http://127.0.0.1:5000/查看嵌入的Bokeh圖表。

六、注意事項(xiàng)

性能優(yōu)化：對(duì)于大量數(shù)據(jù)的實(shí)時(shí)更新，可能需要考慮性能優(yōu)化，如減少數(shù)據(jù)源中的數(shù)據(jù)點(diǎn)數(shù)量、使用更高效的數(shù)據(jù)結(jié)構(gòu)等。

安全性：在將Bokeh圖表集成到Web應(yīng)用中時(shí)，務(wù)必注意安全性問題，如防止跨站腳本攻擊（XSS）等。

錯(cuò)誤處理：在實(shí)時(shí)數(shù)據(jù)更新過程中，可能會(huì)遇到各種異常情況（如網(wǎng)絡(luò)中斷、數(shù)據(jù)源異常等），需要做好錯(cuò)誤處理。

七、總結(jié)

本文介紹了如何使用Python的Bokeh庫(kù)進(jìn)行實(shí)時(shí)數(shù)據(jù)可視化。我們從一個(gè)簡(jiǎn)單的折線圖開始，逐步深入了解了如何實(shí)時(shí)更新圖表、如何將圖表集成到Flask應(yīng)用中等高級(jí)用法。

以上就是Python Bokeh實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)可視化的詳細(xì)內(nèi)容，更多關(guān)于Python Bokeh數(shù)據(jù)可視化的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論