Python使用Bokeh进行交互式数据可视化
作者：吃肉的小馒头
Bokeh是一个Python库，用于在Web浏览器中创建交互式数据可视化。它以一种视觉上令人愉悦的方式提供了人类可读和快速的数据呈现。如果您以前在Python中使用过可视化，那么您可能使用过matplotlib。但是Bokeh不同于matplotlib。
要安装Bokeh，请在终端中输入以下命令。
pip install bokeh
为什么要使用Bokeh
matplotlib和Bokeh的预期用途是完全不同的。Matplotlib创建静态图形，这些图形对于快速简单的可视化或创建出版质量的图像非常有用。Bokeh创建用于在网络上显示的可视化（无论是本地还是嵌入在网页中），最重要的是，可视化意味着高度交互。Matplotlib不提供这两个功能。
如果你想与你的数据进行视觉交互，或者你想将交互式视觉数据分发给网络观众，Bokeh是你的库！如果您的主要兴趣是生成最终的可视化以供发布，matplotlib可能更好，尽管Bokeh确实提供了一种创建静态图形的方法。
绘制一个简单的图形
前两个元素必须分别是x轴和y轴上的数据。
color：动态分配颜色，如图所示。
fill_alpha：指定圆的不透明度。
size：指定每个圆的大小。
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（）函数用于将生成的输出保存为html文件，因为bokeh使用web格式来提供交互式显示。最后使用show（）函数显示生成的输出。
注意事项：
红色= Setosa，绿色= Versicolor，蓝色= Virginica
在每个可视化的右上角，都有bokeh提供的交互功能。它允许
1.平移图
2.使用框选择进行缩放
3.使用滚轮缩放
4.保存
5.复位
6.帮助
绘制条形图
在这个例子中，我们将使用自定义创建的数据集，使用代码本身的列表，即水果数据集。output_file（）函数用于将生成的输出保存为html文件，因为bokeh使用web格式。我们可以使用ColumnDataSource（）函数将创建的自定义数据集（两个列表）映射为字典格式。 figure（）函数用于初始化图形图形，以便可以在其上绘制数据，具有各种参数，例如：
- x_range：定义x轴上的数据。
- plot_width，plot_height：定义图形的宽度和高度。
- toolbar_location：定义工具栏的位置。
- title：定义图的标题。
这里我们使用简单的竖线来表示数据，因此我们使用vbar（）方法，并在其中传递不同的参数来为竖线分配各种属性，例如：
- x：x轴方向的数据
- top：y轴方向的数据
- width：定义每个条形的宽度
- source：数据来源
- legend_field：显示数据中存在的类的列表
- line_color：定义图形中线条的颜色
- fill_color：定义数据类的不同颜色
最后使用show（）函数显示生成的输出。
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：这是一个静态图，也是由bokeh提供的，类似于matplotlib。
到此这篇关于Python使用Bokeh进行交互式数据可视化的文章就介绍到这了,更多相关Python Bokeh数据可视化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！