使用Bokeh进行交互式数据可视化

Bokeh是一个Python库，用于在Web浏览器中创建交互式数据可视化。它以一种视觉上令人愉悦的方式提供了人类可读和快速的数据呈现。如果您以前在Python中使用过可视化，那么您可能使用过matplotlib。但是Bokeh不同于matplotlib。

要安装Bokeh，请在终端中输入以下命令。

pip install bokeh

为什么要使用Bokeh？

matplotlib和Bokeh的预期用途是完全不同的。Matplotlib创建静态图形，这些图形对于快速简单的可视化或创建出版质量的图像非常有用。Bokeh创建用于在网络上显示的可视化（无论是本地还是嵌入在网页中），最重要的是，可视化意味着高度交互。Matplotlib不提供这两个功能。
如果你想与你的数据进行视觉交互，或者你想将交互式视觉数据分发给网络观众，Bokeh是你的库！如果您的主要兴趣是生成最终的可视化以供发布，matplotlib可能更好，尽管Bokeh确实提供了一种创建静态图形的方法。

绘制一个简单的图形

在这个例子中，我们将使用一个内置的数据集，即flowers数据集。我们可以使用circle（）方法将每个数据点绘制为图上的圆，我们也可以指定自定义属性，如：

前两个元素必须分别是x轴和y轴上的数据。
color：动态分配颜色，如图所示。
fill_alpha：指定圆的不透明度。
size：指定每个圆的大小。

示例

from bokeh.plotting import figure, output_file, show
from bokeh.sampledata.iris import flowers

# assign custom colors to represent each
# class of data in a dictionary format
colormap = {'setosa': 'red', 'versicolor': 'green',
			'virginica': 'blue'}

colors = [colormap[x] for x in flowers['species']]

# title for the graph
p = figure(title="Iris Morphology")

# label on x-axis
p.xaxis.axis_label = 'Petal Length'

# label on y-axis
p.yaxis.axis_label = 'Petal Width'

# plot each datapoint as a circle
# with custom attributes.
p.circle(flowers["petal_length"],
		flowers["petal_width"],
		color=colors,
		fill_alpha=0.3,
		size=15)

# you can save the output as an
# interactive html file
output_file("iris1.html", title="iris.py example")

# display the generated plot of graph
show(p)

在上面的示例中，output_file（）函数用于将生成的输出保存为html文件，因为bokeh使用web格式来提供交互式显示。最后使用show（）函数显示生成的输出。

注意事项：

• 红色= Setosa，绿色= Versicolor，蓝色= Virginica
• 在每个可视化的右上角，都有bokeh提供的交互功能。它允许1.平移图，2.使用框选择进行缩放，3.使用滚轮缩放，4.保存，5.复位，6.帮助

绘制条形图

在这个例子中，我们将使用自定义创建的数据集，使用代码本身的列表，即水果数据集。output_file（）函数用于将生成的输出保存为html文件，因为bokeh使用web格式。我们可以使用ColumnDataSource（）函数将创建的自定义数据集（两个列表）映射为字典格式。 figure（）函数用于初始化图形图形，以便可以在其上绘制数据，具有各种参数，例如：

• x_range：定义x轴上的数据。
• plot_width，plot_height：定义图形的宽度和高度。
• toolbar_location：定义工具栏的位置。
• title：定义图的标题。

这里我们使用简单的竖线来表示数据，因此我们使用vbar（）方法，并在其中传递不同的参数来为竖线分配各种属性，例如：

• x：x轴方向的数据
• top：y轴方向的数据
• width：定义每个条形的宽度
• source：数据来源
• legend_field：显示数据中存在的类的列表
• line_color：定义图形中线条的颜色
• fill_color：定义数据类的不同颜色

最后使用show（）函数显示生成的输出。

from bokeh.io import output_file, show
from bokeh.models import ColumnDataSource
from bokeh.palettes import Spectral10
from bokeh.plotting import figure
from bokeh.transform import factor_cmap


output_file("fruits_bar_chart.html") #output save file name

# creating custom data
fruits = ['Apples', 'Pears', 'Nectarines',
		'Plums', 'Grapes', 'Strawberries',
		'bananas','berries','pineapples','litchi']
counts = [51, 34, 4, 28, 119, 79, 15, 68, 26, 88]

# mapping counts with classes as a dictionary
source = ColumnDataSource(data=dict(fruits=fruits,
									counts=counts))

# initializing the figure
p = figure(x_range=fruits,
		plot_width=800,
		plot_height=350,
		toolbar_location=None,
		title="Fruit Counts")

# assigning various attributes to plot
p.vbar(x='fruits', top='counts',
	width=1, source=source,
	legend_field="fruits",
	line_color='white',
	fill_color=factor_cmap('fruits',
							palette=Spectral10,
							factors=fruits))

p.xgrid.grid_line_color = None
p.y_range.start = 0
p.y_range.end = 150
p.legend.orientation = "horizontal"
p.legend.location = "top_center"

# display output
show(p)

注意：这是一个静态图，也是由bokeh提供的，类似于matplotlib。