python交互界面用图片当背景_Python交互图表可视化Bokeh：1. 可视交互化原理| 基本设置...

Bokeh

pandas和matplotlib就可以直接出分析的图表了，最基本的出图方式。是面向数据分析过程中出图的工具；Seaborn相比matplotlib封装了一些对数据的组合和识别的功能；用Seaborn出一些针对seaborn的图表是很快的，比如说分布图、热图、分类分布图等。如果用matplotlib需要先group by先分组再出图；

Seaborn在出图的方式上，除了图表的可视化好看，还多了出图的公用性的东西； 关联数据用get去做，空间数据用echart、powmart去做。

什么是Bokeh

基于web端的python数据可视化工具包，可交互（）

matplotlib和seaborn都是面向过程的，在数据分析过程中可以呈现；Bokeh是在最后的结果呈现，可做动图，可只打开一张表，也可以做仪表盘的排版，可做图表的联动。

matplotlib是基于numpy和pandas做图表可视化工具包，而seaborn又是基于matplotlib做的

绘图空间基本设置

① 创建绘图空间

② 输出方式

③ 绘图figure基本设置

输出：jupyter notebook/spyder等非notebook空间

参考官方文档：http://bokeh.pydata.org/en/latest/docs/user_guide/styling.html#text-properties

importnumpy as npimportpandas as pdimportmatplotlib.pyplot as plt%matplotlib inlineimportwarnings

warnings.filterwarnings('ignore')#不发出警告

#在notebook中创建绘图空间

from bokeh.plotting importfigure,show#导入图表绘制、图标展示模块

from bokeh.io importoutput_notebook#导入notebook绘图模块

output_notebook()#notebook绘图命令

p= figure(plot_width=400, plot_height=400) #创建图表，设置宽度、高度

p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20, color="navy", alpha=0.5)#创建一个圆形散点图

show(p)#绘图

#在spyder等非notebook中创建绘图空间

from bokeh.plotting importfigure,show,output_file#导入图表绘制、图标展示模块#output_file → 非notebook中创建绘图空间

importos#os.chdir('C:/Users/Hjx/Desktop/')

os.chdir('C:/Users/Administrator/Desktop')#创建工作目录

output_file("line.html")#notebook绘图命令，创建html文件#运行后会弹出html窗口

p = figure(plot_width=400, plot_height=400) #创建图表，设置宽度、高度

p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20, color="blue", alpha=0.5)#创建一个圆形散点图

show(p)#绘图

会弹出一个HTML的页面进行展示：（文件也会存储在创建的目录里边）

1. 图表绘制工具 figure（）

p = figure(plot_width = 600, plot_height = 400, tools = 'pan,wheel_zoom,box_zoom,save,reset,help', toolbar_location='above',

x_axis_label = 'A', y_axis_label = 'B',x_range = [-3,3], y_range = [-3,3], title="测试图表" )

p.circle() 绘制散点图

#创建图表工具#figure()

df = pd.DataFrame(np.random.randn(100, 2), columns = ['A', 'B'])

p= figure(plot_width = 600, plot_height = 400, #图表宽度、高度

tools = 'pan,wheel_zoom,box_zoom,save,reset,help', #设置工具栏，默认全部显示

toolbar_location='above', #工具栏位置："above"，"below"，"left"，"right"

x_axis_label = 'A', y_axis_label = 'B', #X,Y轴label

x_range = [-3,3], y_range = [-3,3], #X,Y轴范围

title="测试图表" #设置图表title

)#figure创建图表，设置基本参数#tool参考文档：https://bokeh.pydata.org/en/latest/docs/user_guide/tools.html

p.title.text_color= "red"p.title.text_font= "times"p.title.text_font_style= "italic"p.title.background_fill_color= "black"

#设置标题：颜色、字体、风格、背景颜色

p.circle(df['A'], df['B'], size = 20, alpha = 0.5) #创建散点图 # 这里.circle()是figure的一个绘图方法

show(p)

颜色设置

#颜色设置

p= figure(plot_width=600, plot_height=400)#创建绘图空间

p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5)

p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5) #这两个散点图会在一块一张图上，如果想分开就p1，p2

show(p)#颜色设置#① 147个CSS颜色，参考网址：http://www.colors.commutercreative.com/grid/#② RGB颜色值，参考网址：https://coolors.co/87f1ff-c0f5fa-bd8b9c-af125a-582b11

图表边框线参数设置

p.outline_line_width = 7 # 边框线宽

p.outline_line_alpha = 0.3 # 边框线透明度

p.outline_line_color = "navy" # 边框线颜色

p.outline_line_dash = [6, 4]

#图表边框线参数设置

p= figure(plot_width=600, plot_height=400)

p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5)

p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5)#绘制散点图

p.outline_line_width= 7 #边框线宽

p.outline_line_alpha = 0.3 #边框线透明度

p.outline_line_color = "navy" #边框线颜色

p.outline_line_dash = [6, 4]#设置图表边框

show(p)

绘图空间背景

p.background_fill_color = "beige" # 绘图空间背景颜色

p.background_fill_alpha = 0.5 # 绘图空间背景透明度

#设置绘图空间背景

p= figure(plot_width=600, plot_height=400)

p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5)

p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5)#绘制散点图

p.background_fill_color= "beige" #绘图空间背景颜色

p.background_fill_alpha = 0.5 #绘图空间背景透明度#背景设置参数

show(p)

外边界背景

p.border_fill_color = "whitesmoke" # 外边界背景颜色

p.border_fill_alpha = 0.5 #透明度

p.min_border_left = 80 # 外边界背景 - 左边宽度

p.min_border_right = 80 # 外边界背景 - 右边宽度

p.min_border_top = 10 # 外边界背景 - 上宽度

p.min_border_bottom = 10

#设置外边界背景

p= figure(plot_width=600, plot_height=400)

p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5)

p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5)#绘制散点图

p.border_fill_color= "whitesmoke" #外边界背景颜色

p.border_fill_alpha = 0.5 #透明度

p.min_border_left = 80 #外边界背景 - 左边宽度

p.min_border_right = 80 #外边界背景 - 右边宽度

p.min_border_top = 10 #外边界背景 - 上宽度

p.min_border_bottom = 10 #外边界背景 - 下宽度

show(p)

轴线（X Y轴）设置

#Axes - 轴线设置#轴线标签、轴线线宽、轴线颜色#字体颜色、字体角度

p= figure(plot_width=400, plot_height=400)

p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)#绘制图表

p.xaxis.axis_label= "Temp"p.xaxis.axis_line_width= 3p.xaxis.axis_line_color= "red"p.xaxis.axis_line_dash= [6, 4] #虚线 6线4个格子#设置x轴线：标签、线宽、轴线颜色

p.yaxis.axis_label= "Pressure"p.yaxis.major_label_text_color= "orange"p.yaxis.major_label_orientation= "vertical"

#设置y轴线：标签、字体颜色、字体角度

p.axis.minor_tick_in= 20 #刻度往绘图区域内延伸长度；设置成负的就是往外边延伸了。

p.axis.minor_tick_out = 3 #刻度往绘图区域外延伸长度#设置刻度

p.xaxis.bounds= (2, 4)#设置轴线范围

show(p)

轴线标签设置

#Axes - 轴线设置#标签设置

p= figure(plot_width=400, plot_height=400)

p.circle([1,2,3,4,5], [2,5,8,2,7], size=10)

p.xaxis.axis_label= "Lot Number"p.xaxis.axis_label_text_color= "#aa6666"p.xaxis.axis_label_standoff= 30 #偏移距离#设置标签名称、字体颜色、偏移距离

p.yaxis.axis_label= "Bin Count"p.yaxis.axis_label_text_font_style= "italic" #字体风格#设置标签名称、字体

show(p)

Grid格网设置 -- 线型

#Grid - 格网设置#线型设置

p= figure(plot_width=600, plot_height=400)

p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5)

p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5)#绘制散点图

p.xgrid.grid_line_color= 'red'

#颜色设置，None时则不显示

p.ygrid.grid_line_alpha= 0.8p.ygrid.grid_line_dash= [6, 4]#设置透明度，虚线设置#dash → 通过设置间隔来做虚线

p.xgrid.minor_grid_line_color= 'navy'p.xgrid.minor_grid_line_alpha= 0.1

#minor_line → 设置次轴线

show(p)

格网颜色填充

p.ygrid.band_fill_alpha = 0.1

p.ygrid.band_fill_color = "navy"

#Grid - 格网设置#颜色填充

p= figure(plot_width=600, plot_height=400)

p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5)

p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5)#绘制散点图

p.xgrid.grid_line_color=None#设置颜色为空

p.ygrid.band_fill_alpha= 0.1p.ygrid.band_fill_color= "navy"

#设置颜色填充，及透明度

#p.grid.bounds = (-1, 1)#设置填充边界

show(p)

Legend图例的设置

p.line(x, y, legend="sin(x)")

p.legend.location = "bottom_left" 位置、

p.legend.orientation = "vertical"排列方向 默认

p.legend.label_text_font = "times"

p.legend.label_text_font_style = "italic" # 斜体

p.legend.label_text_color = "navy"

p.legend.label_text_font_size = '12pt'

# 设置图例：字体、风格、颜色、字体大小

p.legend.border_line_width = 3

p.legend.border_line_color = "navy"

p.legend.border_line_alpha = 0.5

# 设置图例外边线：宽度、颜色、透明度

p.legend.background_fill_color = "gray"

p.legend.background_fill_alpha = 0.2

# 设置图例背景：颜色、透明度

#Legend - 图例设置#设置方法 → 在绘图时设置图例名称 + 设置图例位置

p= figure(plot_width=600, plot_height=400)#创建图表

x= np.linspace(0, 4*np.pi, 100)

y=np.sin(x)#设置x，y

p.circle(x, y, legend="sin(x)")

p.line(x, y, legend="sin(x)")#绘制line1，设置图例名称

p.line(x,2*y, legend="2*sin(x)",line_dash=[4, 4], line_color="orange", line_width=2)#绘制line2，设置图例名称

p.square(x,3*y, legend="3*sin(x)", fill_color=None, line_color="green")

p.line(x,3*y, legend="3*sin(x)", line_color="green")#绘制line3，设置图例名称

p.legend.location= "bottom_left"

#设置图例位置："top_left"、"top_center"、"top_right" (the default)、"center_right"、"bottom_right"、"bottom_center"#"bottom_left"、"center_left"、"center"

p.legend.orientation= "vertical"

#设置图例排列方向："vertical" （默认）or "horizontal"

p.legend.label_text_font= "times"p.legend.label_text_font_style= "italic" #斜体

p.legend.label_text_color = "navy"p.legend.label_text_font_size= '12pt'

#设置图例：字体、风格、颜色、字体大小

p.legend.border_line_width= 3p.legend.border_line_color= "navy"p.legend.border_line_alpha= 0.5

#设置图例外边线：宽度、颜色、透明度

p.legend.background_fill_color= "gray"p.legend.background_fill_alpha= 0.2

#设置图例背景：颜色、透明度

show(p)

总结一下：

Line Properties → 线设置

Fill Properties → 填充设置

Text Properties → 字体设置

1、Line Properties → 线设置

（1）line_color，设置颜色

（2）line_width，设置宽度

（3）line_alpha，设置透明度

（4）line_join，设置连接点样式：'miter' miter_join，'round' round_join，'bevel' bevel_join

（5）line_cap，设置线端口样式，'butt' butt_cap，'round' round_cap，'square' square_cap

（6）line_dash，设置线条样式，'solid'，'dashed'，'dotted'，'dotdash'，'dashdot'，或者整型数组方式（例如[6,4]）

2、Fill Properties → 填充设置

（1）fill_color，设置填充颜色

（2）fill_alpha，设置填充透明度

3、Text Properties → 字体设置

（1）text_font，字体

（2）text_font_size，字体大小，单位为pt或者em（ '12pt', '1.5em'）

（3）text_font_style，字体风格，'normal' normal text，'italic' italic text，'bold' bold text

（4）text_color，字体颜色

（5）text_alpha，字体透明度

（6）text_align，字体水平方向位置，'left', 'right', 'center'

（7）text_baseline，字体垂直方向位置，'top'，'middle'，'bottom'，'alphabetic'，'hanging'

4、可见性

p.xaxis.visible = False

p.xgrid.visible = False

基本参数中都含有.visible参数，设置是否可见