Python交互式可视化库Bokeh在现代web浏览器中支持大型数据集的高性能可视化表示。Bokeh 的目标是使用 D3.js 样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。
Boken 可以快速的创建交互式的绘图，仪表盘和数据应用。绘图界面以两个主要组件为中心--数据和符号。
开始前，先欣赏下bokeh图形之美：
化学元素周期表
物理洛伦茨吸引子
数学正弦曲线
生物细菌极坐标图
地理德克萨斯州
美术颜色滑块图
用bokeh绘图交互图形的基本步骤:
- 准备一些数据
Python列表，NumPy数组，panda的数据筐等准备数据 - 创建一个新的情节
- 使用可视渲染器塑造数据
- 指定在何处生成输出
- 显示或保存结果
from bokeh.plotting import figure from bokeh.io import output_file, show x = [1, 2, 3, 4, 5] # Step 1 y = [6, 7, 2, 4, 5] p = figure(title="simple line example", # Step 2 x_axis_label='x', y_axis_label='y') p.line(x, y, legend="Temp.", line_width=2)# Step 3 output_file("lines.html") # Step 4 show(p) # Step 5
bokeh接口
Charts: 高层接口，以简单的方式绘制复杂的统计图
Plotting: 中层接口，用于组装图形元素
Models: 底层接口，为开发者提供了最大的灵活性
本次实用中层接口 boken.plotting绘制图形
数据准备
Python列表和NumPy数组等数据序列来将数据传递给bokeh。bokeh自动将这些列表转换为ColumnDataSource对象。
你也可以手动操作:
import numpy as np import pandas as pd df = pd.DataFrame(np.array([[33.9,4,65, 'US'], [32.4,4,66, 'Asia'], [21.4,4,109, 'Europe']]), columns=['mpg','cyl', 'hp', 'origin'], index=['Toyota', 'Fiat', 'Volvo']) from bokeh.models import ColumnDataSource cds_df = ColumnDataSource(df)
ColumnDataSource是Bokeh自己的数据结构。
创建图表
使用figure()函数创建图表。
from bokeh.plotting import figure p1 = figure(plot_width=300, tools='pan,box_zoom') p2 = figure(plot_width=300, plot_height=300, x_range=(0, 8), y_range=(0, 8)) p3 = figure()
添加和自定义渲染器
Bokeh的绘图界面支持许多不同的字形，例如线条、条形或其他多边形。
符号
# 散点标记 p1.circle(np.array([1,2,3]), np.array([3,2,1]), fill_color='white') p2.square(np.array([1.5,3.5,5.5]), [1,4,3], color='blue', size=1) # 线符号 p1.line([1,2,3,4], [3,4,5,6], line_width=2) p2.multi_line(pd.DataFrame([[1,2,3],[5,6,7]]), pd.DataFrame([[3,4,5],[3,2,1]]), color="blue")
自定义符号
不同的渲染器函数接受各种参数来控制字形的外观。
如使用circel()定义圆环的颜色或直径:
fill_color：圆圈的填充颜色
fill_alpha ：填充颜色的透明度（0到1之间的任何值）
line_color：圆圈轮廓的填充颜色
size：圆的大小（以屏幕空间或数据空间单位）
legend_label: 圈圈的传奇条目
# 选择和非选择符号 p = figure(tools='box_select') p.circle('mpg', 'cyl', source=cds_df, selection_color='red', nonselection_alpha=0.1) # 悬停符号 from bokeh.models import HoverTool hover = HoverTool(tooltips=None, mode='vline') p3.add_tools(hover)
在bokeh中，您可以通过几种方式指定颜色。例如：
- CSS颜色器(如
"firebrick") - 使用十六进制值 (如
"#00ff00") - 使用RGB颜色的3元组（如
(100, 100, 255)) - 使用4元组的RGBA颜色 (如
(100, 100, 255, 0.5)) - 颜色映射器
# 颜色映射器 from bokeh.models import CategoricalColorMapper color_mapper = CategoricalColorMapper( factors=['US', 'Asia', 'Europe'], palette=['blue', 'red', 'green']) p3.circle('mpg', 'cyl', source=cds_df, color=dict(field='origin',transform=color_mapper), legend='Origin')
图例位置
# 绘图区域内部 p.legend.location = 'bottom_left' from bokeh.models import Legend r1 = p2.asterisk(np.array([1,2,3]), np.array([3,2,1]) r2 = p2.line([1,2,3,4], [3,4,5,6]) legend = Legend(items=[("One" ,[p1, r1]),("Two",[r2])], location=(0, -30)) # 绘图区域外部 p.add_layout(legend, 'right')
图例方向
p.legend.orientation = "horizontal" p.legend.orientation = "vertical"
图例背景和边界
p.legend.border_line_color = "navy" p.legend.background_fill_color = "white"
图例文本的外观
p.legend.label_text_font = "times" p.legend.label_text_font_style = "italic" p.legend.label_text_color = "navy"
实用主题
五个内置主题：caliber, dark_minimal, light_minimal, night_sky, and contrast。
from bokeh.io import curdoc curdoc().theme = "dark_minimal"
创建行&列布局
组合单个图表的最简单方法是将它们分配给行或列。
# 行 from bokeh.layouts import row layout = row(p1,p2,p3) # 列 from bokeh.layouts import columns layout = column(p1,p2,p3) # 嵌套行和列 layout = row(column(p1,p2), p3)
创建网格布局
from bokeh.layouts import gridplot row1 = [p1,p2] row2 = [p3] layout = gridplot([[p1,p2],[p3]])
选项卡布局
from bokeh.models.widgets import Panel, Tabs tab1 = Panel(child=p1, title="tab1") tab2 = Panel(child=p2, title="tab2") layout = Tabs(tabs=[tab1, tab2])
连接绘图
# 连接轴 p2.x_range = p1.x_range p2.y_range = p1.y_range # 连接刷 p4 = figure(plot_width = 100, tools='box_select,lasso_select') p4.circle('mpg', 'cyl', source=cds_df) p5 = figure(plot_width = 200, tools='box_select,lasso_select') p5.circle('mpg', 'hp', source=cds_df) layout = row(p4,p5)
输出与导出
Notebook
from bokeh.io import output_notebook, show output_notebook()
HTML
# 独立的 from bokeh.embed import file_html from bokeh.resources import CDN html = file_html(p, CDN, "my_plot")
使用output_file()函数将可视化保存到HTML文件中。
from bokeh.io import output_file, show output_file('my_bar_chart.html', mode='cdn') # 组件 from bokeh.embed import components script, div = components(p)
PNG & SVG
Bokeh使用Selenium创建PNG和SVG文件，所以bokeh需要通过能够让Selenium访问的浏览器来渲染PNG或SVG文件。
Selenium允许Bokeh在没有图形用户界面(GUI)的浏览器中运行。Selenium需要能够访问Firefox浏览器(通过geckodriver包)或Chromium浏览器(通过chromedriver包)。
因此需要安装第三方包：
pip install selenium geckodriver firefox
# png from bokeh.io import export_png export_png(p, filename="plot.png") # svg from bokeh.io import export_svgs p.output_backend = "svg" export_svgs(p, filename="plot.svg")
显示和导出图表
选择HTML且调用show()函数时，Bokeh会创建HTML文件。该功能还会自动打开网页浏览器以显示HTML文件。
如果希望Bokeh只生成文件而不在web浏览器中打开它，则使用save()函数代替。此时需要提前导入save()函数。
from bokeh.plotting import show, save show(layout) save(layout)
更多详情请参见官方文档：https://docs.bokeh.org/
