bokeh入门

bokeh 使用说明 （主要是我的环境无法使用pyecharts，但bokeh也真的不错）

最好的教材就是官网

https://docs.bokeh.org/en/latest/

参数定义

通常 bokeh 画图的流程包括这六步：

1. 准备画图数据

2. 导入相关库

3. 指定输出方式

4. 创建新画布

5. 添加字形

6. 显示结果

字形最常用的视觉参数包括：

1）x：横坐标

2）y：纵坐标

3）alpha：透明度（取值范围在0-1之间）

4）size：大小

5）fill_color：填充颜色

6）line_color：轮廓颜色

常用函数

annulus() 圆环，

annular_wedge() 环形楔形

wedge() 楔型，

rect()矩形，

quad()轴对齐四边形

vbar() 垂直条形，

hbar()水平条形，

image() 给定标量数据和颜色映射的图像

image_rgba() 给定RGBA数据的图像 ，

image_url() 给定URL数据的图像

patch() 单个块

patches() 多个块

line() 线，

multi_line() 多条线

circle() 圆形

oval()卵型

ellipse() 椭圆型

arc() 弧形

quadratic() 抛物线

brzier()贝塞尔曲线。

折线字形最基本的函数是 line() 函数。它有这些常用参数：

line_width：线条宽度，默认是1；

line_color：线条颜色；

line_alpha：线条透明度；

line_dash：线型，可以是 “solid”（实线）,

“dashed”（虚线）, “dotted”（点线）,

“dotdash”（点横线）等。

作者：Cherich_sun
链接：https://www.jianshu.com/p/e81501648648
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

第一个例子：

from bokeh.plotting import figure, output_file, show
output_file("test.html")
p = figure()
p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], line_width=2)
output_notebook() 
show(p)

Loading BokehJS ...

第二个例子

from bokeh.plotting import figure, output_notebook, show
from bokeh.io import reset_output  

# 准备数据
x = [1, 2.5, 3, 2]
y = [2, 3, 1, 1.5]

# 创建新画布
p = figure(plot_width=500, plot_height=500, 
           x_axis_label='x', y_axis_label='y',
           tools="pan,reset,save")

# 添加一个圆形的字形
p.circle(x, y, radius=0.3, alpha=0.5)
p.min_border = 40   # 设置四周边距一致

# 指定输出到 notebook 中
output_notebook() 
# 输出到web网页
# output_file('circle.html')
# 显示结果
show(p)

Loading BokehJS ...

第三个例子

from bokeh.plotting import figure, output_notebook, show
# 准备画图所需的数据：折点的坐标数据
x = [1, 2, 3, 4, 5]    # 表示每个折点的横坐标
y = [6, 7, 2, 4, 5]    # 表示每个折点的纵坐标

# 指定输出在notebook中
output_notebook()

# 创建一个带有图标题和坐标轴标签的画布
p = figure(title="简单折线图", x_axis_label='x', y_axis_label='y', plot_width=500, plot_height=500)

# 添加一条折线
p.line(x, y, line_width=2, color='red', line_dash='dashdot')

# 设置图距四周的距离都是40
p.min_border = 40   
output_notebook() 
# 显示结果
show(p)

Loading BokehJS ...

Loading BokehJS ...

第四例子

import numpy as np
from bokeh.plotting import figure, output_notebook, show
# 准备数据：x 是等差数列,从 0 到 4*pi，一共100个元素
x = np.linspace(0, 4*np.pi, 100)  
y = np.sin(x)                     

# 创建画布
p = figure(title="多条线的图", plot_width=500, plot_height=500)

# 画第一条线，添加圆形标记，设置图例是 "sin(x)"，颜色线型都默认
p.line(x, y, legend_label="sin(x)")
p.circle(x, y, legend_label="sin(x)") 

# 画第二条线，设置线型是虚线，图例是 "2*sin(x)"，颜色是橘色，线宽是2
p.line(x, 2 * y, legend_label="2*sin(x)", line_dash='dashed', line_color="orange", line_width=2)

# 画第三条线，添加正方形标记，轮廓颜色是绿色，图例是 "3*sin(x)"
p.square(x, 3 * y, legend_label="3*sin(x)", fill_color=None, line_color="green")
p.line(x, 3 * y, legend_label="3*sin(x)", line_color="green")

p.min_border = 40  

output_notebook()
show(p) 

Loading BokehJS ...

第五例子

from bokeh.plotting import figure, output_notebook, show

xs = [[2, 2, 4], [2, 3, 4, 3]]
ys = [[3, 5, 5], [3, 4, 3, 2]]

p = figure()

p.patches(xs, ys, 
          fill_color=['coral', 'purple'], 
          line_color='white',
          fill_alpha=0.6)

output_notebook()
show(p)

Loading BokehJS ...

条形图
bokeh 使用 hbar() 和 vbar() 来画条形图（水平）和柱状图（垂直）。

hbar() 的常用参数有：

y：水平条形中心的 y 坐标

height：水平条形的高度

right：水平条形右边缘的 x 坐标

left：水平条形左边缘的 x 坐标

fill_color：条形的填充颜色

fill_alpha：条形内部的透明度

line_alpha：条形轮廓的透明度

line_color：条形轮廓的颜色

from bokeh.plotting import figure, output_notebook, show

plot = figure(plot_width=500, plot_height=500)

plot.hbar(y=[1, 2, 3, 4], height=0.5, left=0, right=[1, 2, 3, 2.5], color="skyblue")

output_notebook()
show(plot)

Loading BokehJS ...

from bokeh.plotting import figure, output_notebook, show

# 准备数据
x = [1, 2, 3, 4, 5]  # 柱子所处的横坐标
y = [1.2, 2.5, 3.7, 1.5, 2.9]  # 柱子的高度

p = figure(plot_width=500, plot_height=500)

# 画柱状图
p.vbar(x, top=y, width=0.5, bottom=0,
       color="firebrick")
p.grid.visible = False  # 去除网格线
p.min_border = 40

output_notebook()
show(p)

Loading BokehJS ...

2、数据格式

数据可视化一定要准备数据，bokeh可以用作输入数据的数据格式有：

列表(直接提供数据)

Numpy 数组

DataFrame 的列

列数据源（Column Data Source）

# 导入需要的函数
from bokeh.plotting import figure, output_notebook, show
from bokeh.models import ColumnDataSource

# 数据组成的字典：键是字符串，值是列表
data = {'x_values': [1, 2, 3, 4, 5],
        'y_values': [6, 7, 2, 3, 6]}

# 创建列数据源，参数是刚才创建的数据的字典，字典的键成为列数据源的列名。
source = ColumnDataSource(data=data)

# 创建画布
p = figure(plot_width=500, plot_height=500)

# 绘制圆形字形，参数 x，y 不是数据，而是列数据源的列名，source 参数指定列数据源作为数据
p.circle(x='x_values', y='y_values', source=source)
p.min_border = 40

output_notebook()
show(p)

Loading BokehJS ...

# 导入相关函数
from bokeh.plotting import figure, output_notebook, show, ColumnDataSource

# 导入数据集
from bokeh.sampledata.iris import flowers as df

# 创建列数据源
source = ColumnDataSource(df)

# 创建画布，设置工具栏
p = figure(plot_width=500, plot_height=500, tools='box_select, lasso_select', title='请用鼠标选择区域尝试！！！')

# 创建字形，使用列数据源，指定选择外观
p.circle(x='petal_length', y='sepal_length', source=source,
            selection_color='red',          # 选中的颜色
            nonselection_alpha=0.2,         # 未选中的点的透明度
            nonselection_color='grey')      # 未选中的点的颜色

p.min_border = 40
output_notebook()
show(p)

#这就非常不错了。

Loading BokehJS ...

from bokeh.plotting import figure, output_notebook, show

p = figure(plot_width=500, plot_height=500, tools="tap", title="选择一个圆")

p.circle([1, 2, 3, 4, 5], [2, 5, 8, 2, 7], size=50,

                       # 设置选中字形的视觉属性
                       selection_color="firebrick",

                       # 设置未选中字形的视觉属性
                       nonselection_fill_alpha=0.2,
                       nonselection_fill_color="blue",
                       nonselection_line_color="firebrick",
                       nonselection_line_alpha=1.0)

p.min_border = 40
output_notebook()
show(p)

Loading BokehJS ...

自定义悬停

# 导入相关函数
from bokeh.models import HoverTool
from bokeh.plotting import figure, output_notebook, show
import numpy as np

# 设置悬停工具，不显示每个点的提示，悬停处的垂直线上的点突出显示
hover = HoverTool(tooltips=None, mode='vline')  

# 设置工具栏包含悬停显示工具和十字准线工具
p = figure(plot_width=500, plot_height=500, tools=[hover, 'crosshair'], title="自定义悬停效果")

# x , y 分别是 500 个随机数组成的数组
x = np.random.random(size=500)  # 返回[0，1)之间的随机数（浮点数）
y = np.random.random(size=500)

# 在字形函数中设置悬停字形的颜色
p.circle(x, y, size=15, hover_color='orange')
p.min_border = 40

output_notebook()
show(p)

Loading BokehJS ...

颜色映射

from bokeh.plotting import figure, output_notebook, show
# 导入相关函数
from bokeh.models import CategoricalColorMapper, ColumnDataSource

# 导入数据集
from bokeh.sampledata.iris import flowers as df

# 创建列数据源
source = ColumnDataSource(df)


# 创建类别颜色映射器，指定类别数据和调色板的颜色
mapper = CategoricalColorMapper(
    factors=['setosa', 'virginica', 'versicolor'], 
    palette=['red', 'green', 'blue'])   

# 创建画布
p = figure(x_axis_label='petal_length',
           y_axis_label='sepal_length',
          plot_width=500, plot_height=500)

# 添加圆形字形，指定color参数使用颜色映射器
p.circle('petal_length', 'sepal_length', 
         size=10, source=source, 
         color={'field': 'species', 'transform': mapper})
p.min_border = 40

output_notebook()
show(p)

ColumnDataSource(id='5420', ...)

Loading BokehJS ...

箱图

import bokeh.sampledata
bokeh.sampledata.download()

Creating /home/yquqing/.bokeh directory
Creating /home/yquqing/.bokeh/data directory
Using data directory: /home/yquqing/.bokeh/data
Downloading: CGM.csv (1589982 bytes)
   1589982 [100.00%]
Downloading: US_Counties.zip (3171836 bytes)
   3171836 [100.00%]
Unpacking: US_Counties.csv
Downloading: us_cities.json (713565 bytes)
    713565 [100.00%]
Downloading: unemployment09.csv (253301 bytes)
    253301 [100.00%]
Downloading: AAPL.csv (166698 bytes)
    166698 [100.00%]
Downloading: FB.csv (9706 bytes)
      9706 [100.00%]
Downloading: GOOG.csv (113894 bytes)
    113894 [100.00%]
Downloading: IBM.csv (165625 bytes)
    165625 [100.00%]
Downloading: MSFT.csv (161614 bytes)
    161614 [100.00%]
Downloading: WPP2012_SA_DB03_POPULATION_QUINQUENNIAL.zip (4816256 bytes)
   4816256 [100.00%]
Unpacking: WPP2012_SA_DB03_POPULATION_QUINQUENNIAL.csv
Downloading: gapminder_fertility.csv (64346 bytes)
     64346 [100.00%]
Downloading: gapminder_population.csv (94509 bytes)
     94509 [100.00%]
Downloading: gapminder_life_expectancy.csv (73243 bytes)
     73243 [100.00%]
Downloading: gapminder_regions.csv (7781 bytes)
      7781 [100.00%]
Downloading: world_cities.zip (645274 bytes)
    645274 [100.00%]
Unpacking: world_cities.csv
Downloading: airports.json (6373 bytes)
      6373 [100.00%]
Downloading: movies.db.zip (5053420 bytes)
   5053420 [100.00%]
Unpacking: movies.db
Downloading: airports.csv (203190 bytes)
    203190 [100.00%]
Downloading: routes.csv (377280 bytes)
    377280 [100.00%]
Downloading: haarcascade_frontalface_default.xml (930127 bytes)
    930127 [100.00%]

from math import pi

import pandas as pd

from bokeh.plotting import figure, output_file, show
from bokeh.sampledata.stocks import MSFT

df = pd.DataFrame(MSFT)[:50]
df["date"] = pd.to_datetime(df["date"])

inc = df.close > df.open
dec = df.open > df.close
w = 12*60*60*1000 # half day in ms

TOOLS = "pan,wheel_zoom,box_zoom,reset,save"

p = figure(x_axis_type="datetime", tools=TOOLS, plot_width=1000, title = "MSFT Candlestick")
p.xaxis.major_label_orientation = pi/4
p.grid.grid_line_alpha=0.3

p.segment(df.date, df.high, df.date, df.low, color="black")
p.vbar(df.date[inc], w, df.open[inc], df.close[inc], fill_color="#D5E1DD", line_color="black")
p.vbar(df.date[dec], w, df.open[dec], df.close[dec], fill_color="#F2583E", line_color="black")

#output_file("candlestick.html", title="candlestick.py example")
output_notebook()
show(p)  # open a browser

Loading BokehJS ...

洛伦兹

import numpy as np
from scipy.integrate import odeint

from bokeh.plotting import figure, output_file, show

sigma = 10
rho = 28
beta = 8.0/3
theta = 3 * np.pi / 4

def lorenz(xyz, t):
    x, y, z = xyz
    x_dot = sigma * (y - x)
    y_dot = x * rho - x * z - y
    z_dot = x * y - beta* z
    return [x_dot, y_dot, z_dot]

initial = (-10, -7, 35)
t = np.arange(0, 100, 0.006)

solution = odeint(lorenz, initial, t)

x = solution[:, 0]
y = solution[:, 1]
z = solution[:, 2]
xprime = np.cos(theta) * x - np.sin(theta) * y

colors = ["#C6DBEF", "#9ECAE1", "#6BAED6", "#4292C6", "#2171B5", "#08519C", "#08306B",]

p = figure(title="Lorenz attractor example", background_fill_color="#fafafa")

p.multi_line(np.array_split(xprime, 7), np.array_split(z, 7),
             line_color=colors, line_alpha=0.8, line_width=1.5)

#output_file("lorenz.html", title="lorenz.py example")
output_notebook()

show(p)

Loading BokehJS ...