[453]Bokeh绘图--交互式数据可视化库Bokeh绘制基本图表

散点图

圆形散点图，调用circle()，代码如下：

# -*- coding:utf-8 -*-
from bokeh.plotting import figure, output_file, show

'''圆形散点图，调用circle()'''
# 输出到静态HTML文件
output_file("../html/line.html")
p = figure(plot_width=400, plot_height=400)
# 添加一个圆形渲染器，并设置大小，颜色，透明度
p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20, color="navy", alpha=0.5)
# 展示结果
show(p)

正方形散点图，调用square()，代码如下：

'''正方形散点图，调用square()'''
from bokeh.plotting import figure, output_file, show

# 输出到静态HTML文件
output_file("./html/square.html")
p = figure(plot_width=400, plot_height=400)
# 添加一个正方形渲染器，并设置大小，颜色，透明度
p.square([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20, color="olive", alpha=0.5)
# 输出结果
show(p)

Bokeh中有很多标记类型，通过调用不同的函数实现，详细如下：

asterisk()-星号
circle()-圆形
circle_cross()-圆形加十字
circle_x()-圆形加X交叉
cross()-十字
diamond()-菱形
diamond_cross()-菱形加十字
inverted_triangle()-倒三角形
square()-正方形
square_cross()-正方形加十字
square_x()-正方形加X交叉
triangle()-三角形
x()-X字

所有标记都具有相同的一组属性：横坐标x，纵坐标y，大小和角度。 此外，circle()具有可用于指定数据空间单位的半径属性，也就是可以画我们常说的气泡图。

折线图

单线图，调用line()，代码如下：

'''单线图，调用line()'''
from bokeh.plotting import figure, output_file, show

output_file("./html/line.html")
p = figure(plot_width=400, plot_height=400)
# 添加线条渲染器
p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], line_width=2)
show(p)

阶梯折线图，调用step()，代码如下：

'''阶梯折线图，调用step()'''
from bokeh.plotting import figure, output_file, show

output_file("./html/line.html")
p = figure(plot_width=400, plot_height=400)
# 添加一个阶梯线条渲染器
p.step([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], line_width=2, mode="center")
show(p)

多线图，调用multi_line()，代码如下：

'''多线图，调用multi_line()'''
from bokeh.plotting import figure, output_file, show

output_file("./html/patch.html")
p = figure(plot_width=400, plot_height=400)
p.multi_line([[1, 3, 2], [3, 4, 6, 6]], [[2, 1, 4], [4, 7, 8, 5]],color=["firebrick", "navy"], alpha=[0.8, 0.3], line_width=4)
show(p)

缺失值处理：

'''缺失值处理：'''
from bokeh.plotting import figure, output_file, show

output_file("./html/line.html")
p = figure(plot_width=400, plot_height=400)
# 添加一个带有NaN值的渲染器
nan = float('nan')
p.line([1, 2, 3, nan, 4, 5], [6, 7, 2, 4, 4, 5], line_width=2)
show(p)

矩形图

通过指定左侧，右侧，顶部和底部位置可以绘制轴对齐的矩形，调用quad()函数：

'''矩形图
通过指定左侧，右侧，顶部和底部位置可以绘制轴对齐的矩形，调用quad()函数：'''
from bokeh.plotting import figure, show, output_file

output_file('./html/rectangles.html')
p = figure(plot_width=400, plot_height=400)
p.quad(top=[2, 3, 4], bottom=[1, 2, 3], left=[1, 2, 3], right=[1.2, 2.5, 3.7], color="#B3DE69")
show(p)

通过指定中心点，宽度，高度和角度来绘制任意矩形，调用rect()函数：

'''通过指定中心点，宽度，高度和角度来绘制任意矩形，调用rect()函数'''
from math import pi
from bokeh.plotting import figure, show, output_file

output_file('./html/rectangles_rotated.html')
p = figure(plot_width=400, plot_height=400)
p.rect(x=[1, 2, 3], y=[1, 2, 3], width=0.2, height=40, color="#CAB2D6", angle=pi/3, height_units="screen")
show(p)

Bokeh提供了vbar()和hbar()函数来绘制垂直条和水平条图。

通过指定x中心坐标，宽度以及顶部和底部端点来绘制垂直条，调用vbar()函数：

'''通过指定x中心坐标，宽度以及顶部和底部端点来绘制垂直条，调用vbar()函数'''
from bokeh.plotting import figure, show, output_file

output_file('./html/vbar.html')
p = figure(plot_width=400, plot_height=400)
p.vbar(x=[1, 2, 3], width=0.5, bottom=0,top=[1.2, 2.5, 3.7], color="firebrick")
show(p)

通过指定y中心坐标，高度和左右端点绘制水平条，调用hbar()函数：

'''通过指定y中心坐标，高度和左右端点绘制水平条，调用hbar()函数：'''
from bokeh.plotting import figure, show, output_file

output_file('./html/hbar.html')
p = figure(plot_width=400, plot_height=400)
p.hbar(y=[1, 2, 3], height=0.5, left=0,right=[1.2, 2.5, 3.7], color="navy")
show(p)

六角砖图

Bokeh可以绘制通常用于显示装仓聚合的六角砖图。 调用hex_tile()需要一个尺寸参数来定义十六进制网格的大小，并使用轴向坐标来指定哪些图块存在。调用hexbin()函数计算每个bin的计数并绘制颜色映射计数：

'''六角砖图
Bokeh可以绘制通常用于显示装仓聚合的六角砖图。 调用hex_tile()需要一个尺寸参数来定义十六进制网格
的大小，并使用轴向坐标来指定哪些图块存在。调用hexbin()函数计算每个bin的计数并绘制颜色映射计数：'''
import numpy as np
from bokeh.io import output_file, show
from bokeh.plotting import figure
from bokeh.transform import linear_cmap
from bokeh.util.hex import hexbin

n = 50000
x = np.random.standard_normal(n)
y = np.random.standard_normal(n)
bins = hexbin(x, y, 0.1)
p = figure(tools="wheel_zoom,reset,save", match_aspect=True, background_fill_color='#440154')
p.grid.visible = False
p.hex_tile(q="q", r="r", size=0.1, line_color=None, source=bins, fill_color=linear_cmap('counts', 'Viridis256', 0, max(bins.counts)))
output_file("./html/hex_tile.html")
show(p)

补丁图

补丁图，听起来比较费解对不对，实质就是，把散点图首尾相连，填充颜色的效果。

单补丁图：

'''补丁图，听起来比较费解对不对，实质就是，把散点图首尾相连，填充颜色的效果。
单补丁图：'''
from bokeh.plotting import figure, output_file, show

output_file("./html/patch.html")
p = figure(plot_width=400, plot_height=400)
# 添加一个带有透明度和线宽的补丁渲染器
p.patch([1, 2, 3, 4, 5], [6, 7, 8, 7, 3], alpha=0.5, line_width=2)
show(p)

多补丁图：

'''多补丁图：'''
from bokeh.plotting import figure, output_file, show

output_file("./html/patch.html")
p = figure(plot_width=400, plot_height=400)
p.patches([[1, 3, 2], [3, 4, 6, 6]], [[2, 1, 4], [4, 7, 8, 5]], color=["firebrick", "navy"], alpha=[0.8, 0.3], line_width=2)
show(p)

缺失值处理：

'''缺失值处理：'''
from bokeh.plotting import figure, output_file, show

output_file("./html/patch.html")
p = figure(plot_width=400, plot_height=400)
# add a patch renderer with a NaN value
nan = float('nan')
p.patch([1, 2, 3, nan, 4, 5, 6], [6, 7, 5, nan, 7, 3, 6], alpha=0.5, line_width=2)
show(p)

可以看出，本想绘制单补丁，但是由于中间存在NaN，结果变成双补丁。当然，这里也给我们提供了一个绘制多补丁的简单方式(在你没有不同颜色填充的前提下)，添加NaN值。

组合图表

调用多个图表函数可以制作组合图表：

'''组合图表
调用多个图表函数可以制作组合图表：'''
from bokeh.plotting import figure, output_file, show

x = [1, 2, 3, 4, 5]
y = [6, 7, 8, 7, 3]
output_file("./html/multiple.html")
p = figure(plot_width=400, plot_height=400)
# 调用折线图和散点图
p.line(x, y, line_width=2)
p.circle(x, y, fill_color="white", size=8)
show(p)

这个示例可能跟大家之前理解的组合图表不太一样，毕竟这个图在Excel中折线图加标记就可以搞定。所以，框架结构不一样的地方还需要大家多适应。

另外，这种方式可以在同一个图形中添加不限数量的图表。

设置范围

默认情况下，Bokeh会自动设置绘图的数据边界以适合数据，但有时你可能需要设定一个绘图的范围，这可以通过使用Range1d对象设置x_range或y_range的属性来完成，这个对象提供了所需范围的开始点和结束点：

p.x_range = Range1d(0,100)

为了方便起见，figure()函数还可以接受(start,end)元组作为x_range或y_range参数的值。 下面是一个示例，显示了设置范围的两种方法：

'''设置范围'''
from bokeh.plotting import figure, output_file, show
from bokeh.models import Range1d

output_file("./html/title.html")
# 创建一个图表，设置大小和横轴范围
p = figure(plot_width=400, plot_height=400, x_range=(0, 20))
# 使用Range1d对象设置纵轴范围
p.y_range = Range1d(0, 15)
p.circle([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=10)
show(p)

范围还可以接受最小和最大属性，这样就可以指定不希望用户能够平移/缩放的图的边缘。

指定轴类型

上面的示例都是使用的默认线性轴，适用于需要以线性刻度显示数字数据的绘图。 而我们可能还会有分类数据，或需要在日期时间或对数坐标轴上显示数据。这部分将介绍如何在使用bokeh.plotting界面时指定轴类型。

分类轴

分类轴是通过为其中一个轴指定因子范围来创建的。

'''分类轴'''
from bokeh.plotting import figure, output_file, show

factors = ["a", "b", "c", "d", "e", "f", "g", "h"]
x = [50, 40, 65, 10, 25, 37, 80, 60]
output_file("./html/categorical.html")
p = figure(y_range=factors)
p.circle(x, factors, size=15, fill_color="orange", line_color="green", line_width=3)
show(p)

时间轴

在处理时间序列数据或涉及日期或时间的数据时，有一个可显示适合不同日期和时间标度的标签的轴是极好的。

我们已经看到如何使用figure.p()函数使用bokeh.plotting接口创建图。 该函数接受x_axis_type和y_axis_type作为参数。 要指定日期时间轴，请将“datetime”作为这些参数中的任何一个的值。

'''时间轴'''
import pandas as pd
from bokeh.plotting import figure, output_file, show
from bokeh.sampledata.stocks import AAPL
# import bokeh
# bokeh.sampledata.download()

df = pd.DataFrame(AAPL)
df['date'] = pd.to_datetime(df['date'])
output_file("./html/datetime.html")
# 创建一个带有时间轴的图
p = figure(plot_width=800, plot_height=250, x_axis_type="datetime")
p.line(df['date'], df['close'], color='navy', alpha=0.5)
show(p)

对数轴

当处理指数增长或者数量级数据的数据时，通常需要使用一个对数刻度轴。 另一种情况是涉及绘制具有幂律关系的数据，当需要在两个轴上使用对数刻度时。

正如我们上面看到的，figure()函数接受x_axis_type和y_axis_type作为参数。 要指定一个记录轴，请将“log”作为这些参数中的任何一个的值。

'''对数轴'''
from bokeh.plotting import figure, output_file, show

x = [0.1, 0.5, 1.0, 1.5, 2.0, 2.5, 3.0]
y = [10**xx for xx in x]
output_file("./html/log.html")
# 创建一个带有对数轴的图
p = figure(plot_width=400, plot_height=400, y_axis_type="log")
p.line(x, y, line_width=2)
p.circle(x, y, fill_color="white", size=8)
show(p)

双轴

此外，我们还可以将多个代表不同范围的轴添加到一个绘图中，使用extra_x_range和extra_y_range命名额外的轴范围来配置图表。 然后，在添加新的图形时可以引用这些命名的范围，还可以在绘图上使用add_layout方法添加新的轴对象。 下面给出一个例子：

'''双轴'''
from numpy import pi, arange, sin, linspace
from bokeh.plotting import output_file, figure, show
from bokeh.models import LinearAxis, Range1d

x = arange(-2*pi, 2*pi, 0.1)
y = sin(x)
y2 = linspace(0, 100, len(y))
output_file("./html/twin_axis.html")
p = figure(x_range=(-6.5, 6.5), y_range=(-1.1, 1.1))
p.circle(x, y, color="red")
p.extra_y_ranges = {"foo": Range1d(start=0, end=100)}
p.circle(x, y2, color="blue", y_range_name="foo")
p.add_layout(LinearAxis(y_range_name="foo"), 'left')
show(p)

如果将倒数第二行的“left”修改为“right”，则左右侧各有一轴。

来源：http://wemedia.ifeng.com/55457387/wemedia.shtml
http://wemedia.ifeng.com/56562503/wemedia.shtml