Bokeh（Python库）：Bokeh基本绘图元素讲解.docxVIP

PAGE1

PAGE1

Bokeh（Python库）：Bokeh基本绘图元素讲解

1Bokeh简介与安装

1.1Bokeh库的概述

Bokeh是一个用于创建交互式数据可视化图表的Python库。它特别适合于处理大量数据，能够生成美观的HTML和JavaScript输出，无需任何Web开发知识。Bokeh支持多种数据源，包括NumPy数组、Pandas数据帧和SQL数据库，使得数据科学家和分析师能够轻松地将数据可视化嵌入到Web应用程序中。

Bokeh的主要特点包括：-交互性：用户可以缩放、平移、悬停查看数据点的详细信息，以及使用其他交互功能。-矢量图形：生成的图表是矢量的，可以无限放大而不失真。-多平台支持：Bokeh图表可以在任何现代Web浏览器中显示，包括移动设备。-高性能：即使处理数百万数据点，Bokeh也能保持良好的性能。

1.2Bokeh的安装与配置

1.2.1安装Bokeh

在Python环境中安装Bokeh非常简单，可以通过pip或conda来完成。以下是使用pip安装Bokeh的命令：

pipinstallbokeh

如果你使用的是Anaconda环境，可以使用以下命令：

condainstall-canacondabokeh

1.2.2配置Bokeh

Bokeh的配置主要涉及输出模式的设置，这决定了图表将如何显示。Bokeh支持多种输出模式，包括输出到文件、输出到Notebook以及输出到服务器。以下是一些基本的配置示例：

输出到文件

frombokeh.plottingimportfigure,output_file,show

#设置输出文件

output_file(line.html)

#创建一个图表

p=figure(title=简单折线图示例,x_axis_label=x轴,y_axis_label=y轴)

#添加数据并绘制

p.line([1,2,3,4,5],[6,7,2,4,5],legend_label=折线,line_width=2)

#显示图表

show(p)

这段代码将创建一个简单的折线图，并将其保存到名为line.html的HTML文件中。

输出到Notebook

在JupyterNotebook中使用Bokeh，需要设置输出模式为notebook。这可以通过以下代码完成：

frombokeh.ioimportoutput_notebook

output_notebook()

然后，你可以像在文件中一样创建和显示图表，Bokeh将自动在Notebook中嵌入图表。

输出到服务器

Bokeh还支持将图表输出到服务器，这需要使用Bokeh服务器。以下是一个简单的示例，展示如何设置Bokeh服务器并创建一个图表：

frombokeh.plottingimportfigure,show

frombokeh.ioimportcurdoc

frombokeh.layoutsimportcolumn

#创建一个图表

p=figure(title=服务器上的图表,x_axis_label=x轴,y_axis_label=y轴)

p.circle([1,2,3,4,5],[6,7,2,4,5],size=20,color=navy,alpha=0.5)

#将图表添加到当前文档

curdoc().add_root(column(p))

要运行Bokeh服务器，可以使用以下命令：

bokehserve--showyour_script.py

这将启动一个Bokeh服务器，并在Web浏览器中显示你的图表。

1.2.3Bokeh的环境配置

Bokeh的环境配置可以通过bokeh.json文件或环境变量来完成。例如，你可以设置BOKEH_DOCS_CDN环境变量来指定Bokeh的CDN链接，这在部署Web应用时非常有用。

exportBOKEH_DOCS_CDN=/bokeh/release/bokeh-2.3.3.min.js

此外，Bokeh还支持通过Python代码来配置环境，例如设置默认的输出模式或主题：

frombokeh.ioimportoutput_file,reset_output

frombokeh.themesimportTheme

#重置输出模式

reset_output()

#设置输出文件

output_file(my_chart.html)

#设置主题

theme=Theme(json={attrs:{Figure:{toolbar_location:below