bokeh，一个超强的 Python 库详解

---

概要

数据可视化在数据分析和报告中扮演着关键角色，而Python的Bokeh库为创建交互式、具有吸引力的可视化图表提供了强大的工具。本文将介绍Bokeh的基本概念、安装方法以及详细的示例代码，以帮助大家了解如何使用Bokeh创建出色的数据可视化。

---

什么是Bokeh？

Bokeh是一个Python库，用于创建交互式的、现代化的Web可视化工具。它允许用户创建各种类型的图表，包括线图、散点图、柱状图、热图等，而且这些图表都可以在Web浏览器中交互式地操作。

Bokeh的主要特点包括：

• 交互性：Bokeh提供了丰富的交互性选项，使用户能够在图表上进行缩放、平移、选择数据点等操作。

• 现代化的外观：Bokeh的图表外观非常现代化和吸引人，可以定制颜色、线条样式等。

• 多种输出格式：Bokeh支持多种输出格式，包括HTML、Jupyter Notebook、交互式应用程序等。

• 无需前端开发经验：使用Bokeh，不需要具备前端开发的经验，就可以创建交互式的Web可视化。

• 支持大数据集：Bokeh能够有效地处理大数据集，因此适用于各种规模的数据分析任务。

安装Bokeh

要开始使用Bokeh，首先需要安装它。可以使用pip来安装Bokeh：

pip install bokeh

安装完成后，就可以在Python代码中导入Bokeh并开始使用它。

基本用法

创建简单的图表

一个简单的示例开始，创建一个基本的折线图：

from bokeh.plotting import figure, output_file, show

# 创建一个输出HTML文件
output_file("simple_line_chart.html")

# 创建一个图表对象
p = figure(title="Simple Line Chart", x_axis_label="X-axis", y_axis_label="Y-axis")

# 添加数据点
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# 绘制折线
p.line(x, y, line_width=2)

# 显示图表
show(p)

在这个示例中，首先创建一个输出HTML文件，然后创建一个图表对象（p）。接下来，定义了X和Y轴的数据点，并使用p.line方法绘制了折线。最后，使用show函数来显示图表。

添加交互性

Bokeh的一个强大之处在于它的交互性。

一个添加交互性的示例：

from bokeh.plotting import figure, output_file, show
from bokeh.models import HoverTool

# 创建一个输出HTML文件
output_file("interactive_line_chart.html")

# 创建一个图表对象
p = figure(title="Interactive Line Chart", x_axis_label="X-axis", y_axis_label="Y-axis")

# 添加数据点
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# 绘制折线
line = p.line(x, y, line_width=2)

# 添加悬停工具
hover = HoverTool()
hover.tooltips = [("X", "@x"), ("Y", "@y")]
p.add_tools(hover)

# 显示图表
show(p)

在这个示例中，添加了一个悬停工具（HoverTool），当鼠标悬停在数据点上时，会显示X和Y的值。这增加了图表的交互性，使用户能够查看数据的详细信息。

绘制多个图表

Bokeh还可以绘制多个图表并将它们组合在一起。

以下是一个示例，演示如何创建一个包含多个子图表的布局：

from bokeh.plotting import figure, output_file, show
from bokeh.layouts import gridplot

# 创建一个输出HTML文件
output_file("multiple_subplots.html")

# 创建多个图表对象
p1 = figure(title="Subplot 1")
p2 = figure(title="Subplot 2")
p3 = figure(title="Subplot 3")
p4 = figure(title="Subplot 4")

# 添加数据点
x = [1, 2, 3, 4, 5]
y1 = [6, 7, 2, 4, 5]
y2 = [5, 4, 3, 2, 1]
y3 = [1, 2, 1, 2, 1]
y4 = [3, 2, 4, 1, 5]

# 绘制子图表
p1.line(x, y1)
p2.line(x, y2)
p3.line(x, y3)
p4.line(x, y4)

# 创建一个子图表布局
layout = gridplot([[p1, p2], [p3, p4]])

# 显示图表
show(layout)

在这个示例中，创建了四个子图表（p1、p2、p3和p4），然后使用gridplot将它们组合成一个2x2的布局。最后，使用show函数来显示整个布局。

高级用法

绘制3D图形

Bokeh不仅支持2D图形，还支持绘制3D图形。要绘制3D图形，可以使用Bokeh的figure模块中的figure()函数并指定output_backend='webgl'参数来启用WebGL渲染。然后，可以使用3D绘图方法，如line3d()和scatter3d()来创建3D图形。

from bokeh.plotting import figure, output_file, show

# 创建一个输出HTML文件
output_file("3d_plot.html")

# 创建3D图表对象
p = figure(title="3D Plot", output_backend='webgl')

# 添加数据点
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
z = [3, 2, 4, 1, 5]

# 绘制3D散点图
p.scatter3d(x, y, z, size=10)

# 显示图表
show(p)

创建交互式小部件

Bokeh支持创建交互式小部件，这些小部件可以让用户与图表进行互动。例如，可以创建一个滑块小部件，用于动态调整图表中的参数，或创建一个复选框小部件，用于切换不同的数据视图。

from bokeh.plotting import figure, curdoc
from bokeh.models import Slider

# 创建一个图表对象
p = figure(title="Interactive Plot", x_axis_label="X-axis", y_axis_label="Y-axis")

# 添加数据点
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# 绘制折线
line = p.line(x, y, line_width=2)

# 创建一个滑块小部件
slider = Slider(start=0.1, end=2, step=0.1, value=1, title="Line Width")

# 定义滑块变化时的回调函数
def update_line_width(attr, old_value, new_value):
    line.line_width = new_value

# 将回调函数与滑块小部件绑定
slider.on_change('value', update_line_width)

# 将图表和滑块小部件放入文档
curdoc().add_root(p)
curdoc().add_root(slider)

这个示例中，创建了一个滑块小部件，并定义了一个回调函数，当滑块的值变化时，会更新图表的折线宽度。

嵌入Bokeh图表到Flask应用程序

可以将Bokeh图表嵌入到Web应用程序中，例如使用Flask框架。首先，需要创建一个Flask应用程序，并使用Bokeh的components()函数将图表组件嵌入到HTML模板中。

from flask import Flask, render_template
from bokeh.plotting import figure
from bokeh.embed import components

app = Flask(__name__)

@app.route('/')
def index():
    # 创建一个图表对象
    p = figure(title="Embedded Bokeh Plot")
    
    # 添加数据点
    x = [1, 2, 3, 4, 5]
    y = [6, 7, 2, 4, 5]
    
    # 绘制折线
    p.line(x, y, line_width=2)
    
    # 将图表组件嵌入到HTML模板中
    script, div = components(p)
    
    return render_template('index.html', script=script, div=div)

if __name__ == '__main__':
    app.run()

在上述示例中，创建了一个Flask应用程序，定义了一个路由处理函数，将Bokeh图表组件嵌入到HTML模板中，并在浏览器中渲染。

总结

Bokeh是一个功能丰富的Python库，用于创建交互式和现代化的数据可视化。无论是进行数据分析、报告生成还是构建Web应用程序，Bokeh都是一个强大的工具。希望本文的介绍和示例有助于大家入门Bokeh，并开始在Python项目中创建引人注目的数据可视化。

如果你觉得文章还不错，请大家 点赞、分享、留言 下，因为这将是我持续输出更多优质文章的最强动力！