Jupyter也能交互可视化？

今天想聊一下基于Python的数据可视化，对于以Python作为技术栈的数据科学工作者，Jupyter Notebook是一款神器，可以在Jupyter里面借助Python的相关可视化包做出比较好看的图表。

我猜，大家熟悉的可视化工具可能是：

Matplotlib？

Seaborn？

Bokeh？

Pyechart？

...

如果想以Jupyter为核心，嵌入交互式报告的可视化模块可能就不那么常见了，比如你想实现如下可视化效果。

很多人喜欢这样的交互图。那这是为什么？

首先我认为，交互式的操作可以让用户对数据的理理解提供更多的数据维度和信息，其次用户可以做更多诸如放大、选取、转存的操作，当然确实比较炫酷也是一个原因。

说这么多没用的，到底咋实现呢？很简单，借助bqplot模块就可以了。

bqplot？

bqplot是用于Jupyter的交互式2D绘图库，其中绘图的每个属性都是一个交互式小部件。bqplot可以与其他Jupyter小部件链接，只需几行Python代码就可以创建丰富的可视化效果。

由于bqplot构建在widgets框架之上，它利用widget基础提供第一个在Python和JavaScript代码之间通信的绘图库。可视化是基于D3.js和SVG的，支持快速交互和漂亮的动画。

怎么使用呢？举个栗子。

构建一个线图：

构建一个组合图：

用起来是不是也很方便，语法规则跟matplotlib很类似，想试一下的朋友也不用慌，配套了文档美滋滋。

光有这些看起来好像还是不过瘾，宝器找到了一个bqplot官方团队的讲解视频，详细的介绍了如果通过bqplot构建交互式图表、仪表板和丰富的GUI应用程序。

在视频第一部分中，引导了用户浏览bqplot API，一些基本的对象模型（轴、比例、标记等）的语法。

第二部分中，通过数据科学和金融等领域的例子，展示了更详细的过程。

并且使用bqplot和流行的深度学习库的示例，直接在笔记本中构建自定义的可视化仪表板，包括网络可视化和其他新颖的交互方式来控制网络训练过程。

以上图表和相关案例的使用只需要一句就可以开始你的学习之旅了。

pip install bqplot

当然读到这里的朋友肯定也很想知道官方文档和这套视频地址，走起。

文档地址：

https://bqplot.readthedocs.io/en/latest/

视频地址：

https://channel9.msdn.com/Events/PyData/Seattle2017/BRK10