400-616-5551

您所在位置: 首页> 学习课程> python培训 | Bokeh交互式数据可视化快速入门

python培训 | Bokeh交互式数据可视化快速入门

发布百知教育 来源:学习课程 2019-10-30

Bokeh简介


Bokeh是一款交互式可视化库,在浏览器上进行展示。


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。


大数据培训


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:

conda install bokeh

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:


pip install bokeh

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。



# 导入相关库

from bokeh.plotting import figure, output_notebook, show 

% matplotlib inline

# 准备数据

x = [1, 2, 3, 4, 5]

y = [6, 7, 2, 4, 5]


# 在notbook中展示

output_notebook()


# 创建一个带有标题和轴标签的新图表

p = figure(title="simple line example", x_axis_label='x', y_axis_label='y')


# 添加带有图例和线条粗细的线图渲染器

p.line(x, y, legend="Temp.", line_width=2)


# 显示图表

show(p)


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:


from bokeh.plotting import figure, output_notebook, show


# 准备三个数据系列

x = [0.1, 0.5, 1.0, 1.5, 2.0, 2.5, 3.0]

y0 = [i**2 for i in x]

y1 = [10**i for i in x]

y2 = [10**(i**2) for i in x]


# 在notbook中展示

output_notebook()


# 创建新表

p = figure(

   tools="pan,box_zoom,reset,save",

   y_axis_type="log", y_range=[0.001, 10**11], title="log axis example",

   x_axis_label='sections', y_axis_label='particles'

)


# 添加不同的图表渲染

p.line(x, x, legend="y=x")

p.circle(x, x, legend="y=x", fill_color="white", size=8)

p.line(x, y0, legend="y=x^2", line_width=3)

p.line(x, y1, legend="y=10^x", line_color="red")

p.circle(x, y1, legend="y=10^x", fill_color="red", line_color="red", size=6)

p.line(x, y2, legend="y=10^x^2", line_color="orange", line_dash="4 4")


# 展示图表

show(p)


python培训



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:


import numpy as np


from bokeh.plotting import figure, output_file, show


# 准备数据

N = 4000

x = np.random.random(size=N) * 100

y = np.random.random(size=N) * 100

radii = np.random.random(size=N) * 1.5

colors = [

    "#%02x%02x%02x" % (int(r), int(g), 150) for r, g in zip(50+2*x, 30+2*y)

]


# 在notbook中展示

output_notebook()


TOOLS = "crosshair,pan,wheel_zoom,box_zoom,reset,box_select,lasso_select"


# 创建图表,并添加图标栏工具

p = figure(tools=TOOLS, x_range=(0, 100), y_range=(0, 100))


# 添加圆绘图渲染函数,并且定义元素的颜色、样式

p.circle(x, y, radius=radii, fill_color=colors, fill_alpha=0.6, line_color=None)


# 显示图表

show(p)


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:


import numpy as np


from bokeh.layouts import gridplot

from bokeh.plotting import figure, output_file, show


# 准备数据

N = 100

x = np.linspace(0, 4*np.pi, N)

y0 = np.sin(x)

y1 = np.cos(x)

y2 = np.sin(x) + np.cos(x)



# 在notbook中展示

output_notebook()


# 创建子图表1,元素样式为圆

s1 = figure(width=250, plot_height=250, title=None)

s1.circle(x, y0, size=10, color="navy", alpha=0.5)


# 创建子图表2,元素样式为三角形

s2 = figure(width=250, height=250, x_range=s1.x_range, y_range=s1.y_range, title=None)

s2.triangle(x, y1, size=10, color="firebrick", alpha=0.5)


# 创建子图表3,元素样式为正方形

s3 = figure(width=250, height=250, x_range=s1.x_range, title=None)

s3.square(x, y2, size=10, color="olive", alpha=0.5)


# 将多个子图放到网格图中

p = gridplot([[s1, s2, s3]], toolbar_location=None)


# 显示图表

show(p)


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。


python培训:http://www.baizhiedu.com/python2019




上一篇:python培训 | 那些不为人知的优秀python可视化库

下一篇:应届生去公司找个Java程序员的职位需要什么技能?

相关推荐

www.baizhiedu.com

有位老师想和您聊一聊

关闭

立即申请