【交互式数据可视化神器】Bokeh完全指南：10种高级图表+实战案例

本文链接：https://blog.csdn.net/maoyu_dual/article/details/147375357

Bokeh：Python交互式可视化开发

一、Bokeh 简介

Bokeh 是一个针对现代 Web 浏览器的交互式可视化库，专注于为大型数据集提供优雅、简洁的呈现。与 Matplotlib 和 Seaborn 等传统静态可视化库不同，Bokeh 生成的是在浏览器中渲染的交互式图表，具有缩放、平移、悬停等丰富的互动功能。

Bokeh 的核心理念是创建面向 Web 的可视化工具，它使用现代 Web 技术（如 HTML5 Canvas 和 WebGL）实现高性能图形渲染，无需依赖 JavaScript 编程即可在 Python 中构建复杂的可视化项目。

1.1 Bokeh 的主要特点

原生交互性：无需额外代码即可支持缩放、平移、选择、悬停等交互操作
高性能渲染：基于 HTML5 Canvas/WebGL 渲染，支持大数据集可视化
服务器组件：支持 Bokeh 服务器实现更复杂的交互和数据流
灵活的输出：支持输出为独立 HTML 文件、Jupyter Notebook 或嵌入到 Django/Flask 应用中
无 JavaScript 依赖：纯 Python 接口，无需编写 JavaScript 代码
链式 API：支持链式调用的 API 设计，代码简洁易读
可扩展性：从基本图表到复杂仪表板都能支持

1.2 与其他可视化库的比较

特性	Bokeh	Matplotlib	Plotly	D3.js
交互性	原生支持	有限	原生支持	完全支持
开发语言	Python	Python	Python/R/JS	JavaScript
输出格式	HTML/服务器	图片/PDF	HTML/服务器	HTML
大数据支持	良好	有限	良好	有限
学习曲线	中等	平缓	中等	陡峭
编程模型	声明式/命令式	命令式	声明式/命令式	声明式
独立性	可独立使用	可独立使用	依赖云服务(免费版)	需要网页环境

1.3 Bokeh 的应用场景

Bokeh 特别适合以下应用场景：

数据探索与分析：交互式探索大型数据集
科学计算可视化：复杂数据关系的动态展示
Web 应用集成：与 Django、Flask 等框架集成创建数据可视化应用
流数据可视化：结合 Bokeh Server 展示实时变化的数据
地理空间可视化：地图数据的交互式展示
金融数据分析：股票、交易数据的动态图表

二、安装与环境配置

2.1 安装 Bokeh

# 使用 pip 安装
pip install bokeh

# 或使用 conda 安装
conda install bokeh -c conda-forge

2.2 基础依赖

Bokeh 的核心依赖包括：

NumPy：用于数值计算
Pillow：用于图像处理
Jinja2：用于模板渲染
PyYAML：用于配置文件处理
Tornado：用于 Bokeh 服务器（可选，如果使用服务器功能）

2.3 验证安装

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

# 创建一个简单图表验证安装
plot = figure(width=400, height=400, title="Bokeh 安装验证")
plot.circle([1, 2, 3, 4, 5], [6, 7, 8, 9, 10], size=10)

# 在笔记本中展示图表
output_notebook()
show(plot)

# 或将图表保存为HTML文件
from bokeh.io import output_file
output_file("bokeh_test.html")
show(plot)

2.4 开发环境设置

对于 Bokeh 开发，推荐以下环境设置：

# Jupyter Notebook 中配置
from bokeh.io import output_notebook, set_curdoc
from bokeh.themes import Theme

# 启用笔记本输出
output_notebook()

# 设置主题（可选）
theme = Theme(json={
   
    'attrs': {
   
        'Figure': {
   
            'background_fill_color': '#f5f5f5',
            'border_fill_color': '#ffffff',
            'outline_line_color': '#444444',
        },
        'Axis': {
   
            'axis_line_color': '#444444',
            'major_tick_line_color': '#444444',
            'minor_tick_line_color': '#444444',
        },
        'Grid': {
   
            'grid_line_color': '#dddddd',
        }
    }
})
set_curdoc(theme=theme)

三、Bokeh 基础绘图

3.1 绘图核心概念

Bokeh 的绘图架构包含以下核心概念：

Figure：绘图的容器，相当于画布
Glyphs：图形元素，如圆形、线条、矩形等
Tools：交互工具，如缩放、平移、选择等
Layouts：布局系统，如行、列、网格等
Models：低级组件，构成 Bokeh 可视化的基本元素

3.2 创建基本图表

散点图

from bokeh.plotting import figure, show
from bokeh.io import output_file

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

# 创建图表
p = figure(title="基本散点图", 
           x_axis_label="X轴",
           y_axis_label="Y轴",
           width=600, height=400)

# 添加圆形图元
p.circle(x, y, size=10, color="navy", alpha=0.5)

# 输出为HTML文件并显示
output_file("scatter.html")
show(p)

线图

from bokeh.plotting import figure, show
from bokeh.io import output_file
import numpy as np

# 准备数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图表
p = figure(title="基本线图", 
           x_axis_label="X轴",
           y_axis_label="Y轴",
           width=600, height=400)

# 添加线条图元
p.line(x, y, line_width=2, color="coral")

# 添加圆形标记
p.circle(x, y, size=6, color="coral", alpha=0.3)

# 输出为HTML文件并显示
output_file("line.html")
show(p)

柱状图

from bokeh.plotting import figure, show
from bokeh.io import output_file

# 准备数据
fruits = ['苹果', '橙子', '香蕉', '梨', '葡萄']
counts = [5, 3, 4, 2, 4]

# 创建图表
p = figure(x_range=fruits, 
           title="水果数量统计",
           x_axis_label="水果",
           y_axis_label="数量",
           width=600, height=400,
           toolbar_location="right")

# 添加柱状图
p.vbar(x=fruits, top=counts, width=0.5, color="green", alpha=0.6)

# 设置其他属性
p.xgrid.grid_line_color = None
p.y_range.start = 0

# 输出为HTML文件并显示
output_file("bar.html")
show(p)

3.3 图形属性设置

Bokeh 提供丰富的图形属性设置选项：

from bokeh.plotting import figure, show
from bokeh.io import output_file

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

# 创建图表
p = figure(title="图形属性设置示例")

# 添加圆形图元，设置属性
p.circle(x, y, 
         size=20,                # 大小
         color="navy",           # 填充颜色
         alpha=0.5,              # 透明度
         line_color="orange",    # 边框颜色
         line_width=2,           # 边框宽度
         line_dash="dashed",     # 边框样式：dashed, dotted, solid 等
         legend_label="数据系列"  # 图例标签
        )

# 设置图表属性
p.title.text_font_size = "20px"     # 标题字体大小
p.title.text_font_style = "italic"  # 标题字体样式
p.title.align = "center"            # 标题对齐方式

# 设置坐标轴属性
p.xaxis.axis_label = "X轴"
p.yaxis.axis_label = "Y轴"
p.axis.axis_label_text_font_style = "bold"
p.axis.major_label_text_font_size = "14px"

# 设置网格线属性
p.grid.grid_line_color = "gray"
p.grid.grid_line_alpha = 0.3
p.grid.grid_line_dash = [6, 4]

# 设置图例属性
p.legend.location = "top_left"
p.legend.title = "图例标题"
p.legend.title_text_font_style = "bold"
p.legend.border_line_color = "black"
p.legend.background_fill_alpha = 0.7

# 输出为HTML文件并显示
output_file("styled_plot.html")
show(p)

3.4 组合多种图形

Bokeh 允许在同一图表中组合多种图形：

from bokeh.plotting import figure, show
from bokeh.io import output_file
import numpy as np

# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x/3)

# 创建图表
p = figure(title="多图形组合示例", width=700, height=400)

# 添加多个图形
p.line(x, y1, color="red", legend_label="sin(x)", line_width=2)
p.circle(x, y1, color="red", size=6, alpha=0.3)

p.line(x, y2, color="blue", legend_label="cos(x)", line_width=2)
p.square(x, y2, color="blue", size=6, alpha=0.3)

# 多图形可以通过 visible 属性控制显示和隐藏
tangent = p.line(x, y3, color="green", legend_label="tan(x/3)", 
                line_width=2, visible=False)
p.triangle(x, y3, color="green", size=6, alpha=0.3, visible=False)

# 设置图例为点击切换显示/隐藏
p.legend.click_policy = "hide"

# 输出为HTML文件并显示
output_file("combined_plot.html")
show(p)

四、交互特性

4.1 基本交互工具

Bokeh 提供多种内置交互工具：

from bokeh.plotting import figure, show
from bokeh.io import output_file
from bokeh.models import HoverTool, BoxZoomTool, ResetTool, SaveTool, PanTool

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

# 创建图表，指定工具
p = figure(title="交互工具示例",
           tools="pan,box_zoom,wheel_zoom,lasso_select,reset,save,hover",
           tooltips=[("索引", "$index"), ("(x,y)", "($x, $y)")],
           width=600, height=400)

# 添加圆形图元
p.circle(x, y, size=20, color="navy", alpha=0.5)

# 或者可以单独添加工具
hover = HoverTool(tooltips=[
    ("索引", "$index"),
    ("(x,y)", "($x, $y)"),
    ("描述", "@desc")  # 如果数据中有desc列，则显示该列值
])
p.add_tools(hover)

# 输出为HTML文件并显示
output_file("interactive_tools.html")
show(p)

4.2 自定义悬停工具提示

Bokeh 的 HoverTool 可以高度自定义：

from bokeh.plotting import figure, show
from bokeh.io import output_file
from bokeh.models import ColumnDataSource, HoverTool
import pandas as pd

# 准备带有额外数据的数据源
source = ColumnDataSource(data=dict(
    x=[1, 2, 3, 4, 5],
    y=[6, 7, 2, 4, 5],
    desc=['A', 'B', 'C', 'D', 'E'],
    imgs=['image1.jpg', 'image2.jpg', 'image3.jpg', 'image4.jpg', 'image5.jpg'],
    colors=['red', 'green', 'blue', 'orange', 'purple']
))

# 创建图表
p = figure(title="自定义悬停提示示例", width=600, height=400)

# 添加圆形图元，使用数据源
circles = p.circle('x', 'y', size=20, fill_color='colors', line_color='black', 
                  source=source, alpha=0.6)

# 添加自定义悬停工具
hover = HoverTool(renderers=[circles], tooltips="""
    <div style="padding: 10px; background-color: #f0f0f0; border-radius: 5px;">
        <div>
            <span style="font-size: 16px; color: #333;">@desc</span>
        </div>
        <div>
            <span style="font-weight: bold;">坐标:</span>
            <span>($x, $y)</span>
        </div>
        <div>
            <img src="@imgs" height="60" alt="@desc" style="margin-top: 5px; border: 1px solid #ddd;">
        </div>
    </div>
""")

p.add_tools(hover)

# 输出为HTML文件并显示
output_file("custom_hover.html")
show(p)

4.3 选择与链接

Bokeh 支持选择交互和图表间的选择链接：

from bokeh.plotting import figure, show
from bokeh.io import output_file
from bokeh.layouts import row
from bokeh.models import ColumnDataSource, TapTool, CustomJS
import numpy as np

# 准备数据源
source1 = ColumnDataSource(data=dict(
    x=np.random.rand(20),
    y=np.random.rand(20),
))

source2 = ColumnDataSource(data=dict(
    x=np.random.rand(20),
    y=np.random.rand(20),
))

# 创建第一个图表
p1 = figure(title="图表1 - 点击选择", width=400, height=400,
           tools="tap,pan,wheel_zoom,reset")
p1.circle('x', 'y', source=source1, size=15, color="navy", alpha=0.5,
          selection_color="firebrick", nonselection_alpha=0.1)

# 创建第二个图表
p2 = figure(title="图表2 - 联动高亮", width=400, height=400,
           tools="tap,pan,wheel_zoom,reset")
p2.circle('x', 'y', source=source2, size=15, color="green", alpha=0.5,
          selection_color="firebrick", nonselection_alpha=0.1)

# 创建选择联动的JavaScript回调
callback = CustomJS(args=dict(source1=source1, source2=source2), code="""
    // 获取选中的索引
    const selected_indices = source1.selected.indices;
    
    // 更新第二个图表的选择
    source2.selected.indices = selected_indices;
""")

# 为第一个图表的选择添加回调
source1.selected.js_on_change('indices', callback)

# 布局并展示图表
layout = row(p1, p2)
output_file("linked_selection.html")
show(layout)

4.4 滑块和按钮交互

Bokeh 提供了丰富的交互控件：

from bokeh.plotting import figure, show
from bokeh.io import output_file
from bokeh.layouts import column, row
from bokeh.models import Slider, Button, ColumnDataSource, CustomJS
import numpy as np

# 准备初始数据
x = np.linspace(0, 10, 500)
y = np.sin(x)
source = ColumnDataSource(data=dict(x=x, y=y))

# 创建图表
p = figure(title="交互控件示例", width=800, height=400)
p.line('x', 'y', source=source, line_width=3, line_alpha=0.6, color="navy")

# 创建滑块控件
amplitude_slider = Slider(start=0.1, end=2, value=1, step=0.1, title="振幅")
frequency_slider = Slider(start=0.1, end=5, value=1, step=0.1, title="频率")
phase_slider = Slider(start=0, end=6.28, value=0, step=0.1, title="相位")
offset_slider = Slider(start=-2, end=2, value=0, step=0.1, title="偏移")

# 创建按钮
reset_button = Button(label="重置参数", button_type="success")

# 添加JavaScript回调来更新图表
callback = CustomJS(args=dict(source=source, 
                             amp=amplitude_slider,
                             freq=frequency_slider,
                             phase=phase_slider,
                             offset=offset_slider), code="""
    // 获取滑块当前值
    const amp = amp.value;
    const freq = freq.value;
    const phase = phase.value;
    const offset = offset.value;