Python数据可视化：绘图库——Bokeh 应用讲解

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于娜驿站 ，作者娜娜zhao

前言

虽然在Python中有matplotlib可以满足我们大部分的绘图需求，但是这种原生的基本绘图确实显得不那么漂亮，当然可以通过一些设置使之看起来美观，然而那样一来就要花费不少的时间，好在强大的Python第三方库中有一些现成的绘图库，可以使得我们日常的绘图显得美观又便捷，这篇文章就来介绍一种绘图库——Bokeh。

Bokeh是用于现代Web浏览器的交互式可视化库，使用它可以进行快速交互式绘图，令我们感觉更方便的是还有一个与pandas绑定的版本——Pandas-Bokeh，使用这个绑定版本，既可以利用强大的pandas库，又可以调用Bokeh的强大绘图能力。

 

安装

熟悉Python第三方库安装的同学应该很容易对该包进行安装：

pip install pandas_bokeh

我这里安装的是bokeh-2.2.2和pandas-bokeh-0.5版本。Python的版本是3.8.3。

条形统计图绘制

现在我们用一个小例子来说明条形统计图如何绘制，比如我们绘制连续十年的某三种产品销售量，为方便计，我们用numpy的随机数来生成这些数据：

import numpy as np
import pandas as pd
import pandas_bokeh as pb
df = pd.DataFrame({
   '年份': np.arange(2010, 2020),
   '产品A': np.random.uniform(9000, 15000, 10),
   '产品B': np.random.uniform(9000, 15000, 10),
   '产品C': np.random.uniform(9000, 15000, 10),
}
)
df

 

上述代码中的np.random.uniform(9000,15000,10)的意思是在9000-15000中随机选取10个数字，注意，从生成的结果来看，这些随机选择的数字可以是小数。

为了将图形绘制在jupyter-lab的notebook中，我们需要调用以下代码：

pb.output_notebook()

 

从上述显示信息可以看出，Bokeh已经加载成功，下面我们就来绘制条形统计图：

df.plot_bokeh(
   kind = 'bar',
   x = '年份',
   y = ['产品A', '产品B', '产品C'],
   xlabel = '产品数量',
   ylabel = '年度销售量',
   title = '三种产品年度销售统计图'
)

绘制的图形如下：

 

上述代码是不是比matplotlib更简洁？绘制的图形无论形状还是着色是不是比后者更漂亮？下面我们来简单说明一下plot_bokeh这个函数所带的几个参数：

1. kind指的是我们要绘制的图形类型，当前的pandas_bokeh支持这几种图形：line, point, step, scatter, bar, histogram, area, pie, map。
2. x和y直接传递的是dataframe数据集中的key，即指定何者为横轴数据，何者为纵轴数据。
3. xlabel和ylabel是x轴和y轴的标签。
4. title是图表的标题。

所以，只要配置好dataframe，即可以很容易绘制出我们想要的图形。

一些高级参数

当然，这个库也支持一些参数的高级用法，比如可以规定坐标轴的范围、关闭图形的鼠标缩放功能等等，比如将上述数据绘制成折线统计图：

df.plot_bokeh.line(    
   x = '年份',
   y = ['产品A', '产品B', '产品C'],
   xlabel = '产品数量',
   ylabel = '年度销售量',
   title = '三种产品年度销售统计图',
   figsize=(800, 500),
   ylim = (5000, 20000),
   zooming = False,
   panning=False,
)

绘制的图形如下：

 

注意： df.plot_bokeh.line(...)相当于df.plot_bokeh(kind='line', ...)，其中figsize用一对数组定义了画布的宽和高；xlim和ylim分别定义了x轴和y轴的范围；zooming是鼠标滚轮缩放的开关；而panning是平移开关，当关闭时，曲线不能移动。当然这些开关都可以通过图形右侧的工具栏快速切换。

将图形输出到HTML文件

刚才我们设置将绘制的图形直接输出到jupyter-lab的notebook中，如果离开该环境，图形还可以输出成其它方式吗？答案是肯定的，即Bokeh还可以将图形输出成HTML文件进行保存，但在使用这一功能之前，需要指定HTML文件名称：

pb.output_file('mychart.html')

现在我们再来执行一下上述代码，看看要生成的条形统计图是如何保存成一个HTML文件的：

df.plot_bokeh(
   kind = 'bar',
   x = '年份',
   y = ['产品A', '产品B', '产品C'],
   xlabel = '产品数量',
   ylabel = '年度销售量',
   title = '三种产品年度销售统计图'
)

当我们运行上述代码时，浏览器立刻打开一个页面显示生成的图片，如下图所示：

 

小结

本文演示了pandas_bokeh这个第三方库的绘图功能，关于pandas的问题在本公众号前面有相应的几篇文章进行了简介，如果熟悉matplotlib的应该还对其中“中文”问题的设置有印象，但利用Bokeh，则不会存在这个问题。