Python数据可视化库:使用Bokeh创建交互式图表

一、Bokeh 简介

Bokeh 是一个流行的 Python 数据可视化库,可以生成高质量的交互式图表,无论是简单的线图、散点图,还是复杂的多维面图、网络图,Bokeh 都能轻松处理。同时,它支持网页输出,使得图表可以轻易的分享和展示。Bokeh 的主要目标是为大数据和实时数据流提供优秀的交互式可视化解决方案。

二、安装与基本使用

使用pip安装Bokeh非常简单,只需在终端中运行以下命令:

pip install bokeh

安装完成后,我们就可以使用 Bokeh 了。以下是一个简单的示例,演示了如何使用 Bokeh 创建一个简单的线图:

from bokeh.plotting import figure, show

# 准备数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 3, 6]

# 创建一个新的图
p = figure(title="简单线图", x_axis_label='x', y_axis_label='y')

# 添加一条线到图中
p.line(x, y, legend_label="Temp.", line_width=2)

# 显示图
show(p)

在这个示例中,我们首先从 bokeh.plotting 模块中导入了 figure 和 show 函数。然后,我们准备了一些数据,创建了一个新的图,向图中添加了一条线,最后使用 show 函数来显示这个图。

三、添加交互性

Bokeh 的强大之处在于它支持丰富的交互性功能。例如,我们可以添加工具栏、滑动条等交互组件,以便用户可以控制图表的显示方式。以下是一个简单的例子,展示了如何添加一个滑动条和一个回调函数来改变图表的数据:

from bokeh.io import curdoc
from bokeh.layouts import column
from bokeh.models import ColumnDataSource, Slider
from bokeh.plotting import figure

# 创建一个新的 ColumnDataSource,这将允许我们改变数据
source = ColumnDataSource(data=dict(x=[1, 2, 3, 4, 5], y=[6, 7, 2, 3, 6]))

# 创建一个新的图
p = figure(title="交互性线图", x_axis_label='x', y_axis_label='y')
p.line('x', 'y', source=source, legend_label="Temp.", line_width=2)

# 创建一个滑动条
slider = Slider(start=0, end=10, value=1, step=.1, title="幂")

# 创建一个回调函数,这将会在滑动条的值改变时被调用
def update_data(attrname, old, new):
    c = slider.value
    source.data = dict(x=[1, 2, 3, 4, 5], y=[6*c, 7*c, 2*c, 3*c, 6*c])

# 把回调函数添加到滑动条上
slider.on_change('value', update_data)

# 将图和滑动条放到一个布局中
layout = column(slider, p)

# 添加布局到当前文档
curdoc().add_root(layout)

在这个示例中,我们首先创建了一个新的 ColumnDataSource,这个对象会存储我们的数据,并允许我们改变这些数据。然后,我们创建了一个新的图,并向这个图中添加了一条线。注意,我们在添加线时,指定了数据源为我们之前创建的 ColumnDataSource。

接下来,我们创建了一个滑动条,和一个回调函数。这个回调函数会在滑动条的值改变时被调用,而在这个函数中,我们改变了数据源中的数据。然后,我们把这个回调函数添加到了滑动条上。

最后,我们创建了一个新的布局,将滑动条和图放在了这个布局中,并添加到了当前的文档中。

四、添加其他视觉元素

除了基本的线图和交互元素,Bokeh 还提供了许多其他的视觉元素,例如矩形、椭圆、多边形、线段、楔形、扇形等等。你可以通过 figure 对象的各种方法来添加这些元素。以下是一个示例,展示了如何添加一些这样的元素:

from bokeh.plotting import figure, show

# 创建一个新的图
p = figure(width=400, height=400)

# 添加一些矩形
p.rect(x=[1, 2, 3], y=[1, 2, 3], width=0.2, height=40, color="#CAB2D6")

# 添加一些圆
p.circle(x=[1, 2, 3], y=[1, 2, 3], size=20, color="#FF7F00")

# 显示图
show(p)

在这个示例中,我们首先创建了一个新的图。然后,我们通过 figure 对象的 rect 方法和 circle 方法添加了一些矩形和圆。最后,我们使用 show 函数来显示这个图。

通过使用 Bokeh 的各种功能,你可以创建出丰富多样、交互性强的图表。以上仅仅是其功能的冰山一角,更多的功能等待你去探索。

你可能感兴趣的:(Python数据可视化库:使用Bokeh创建交互式图表)