Bokeh（Python库）：Bokeh实战项目：创建动态仪表板.docxVIP

PAGE1

PAGE1

Bokeh（Python库）：Bokeh实战项目：创建动态仪表板

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，无需编写任何JavaScript代码。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转换为可视化形式。

Bokeh的图表类型丰富，包括线图、散点图、条形图、饼图、热力图等，同时还支持自定义图表和布局。Bokeh的交互性体现在用户可以缩放、平移、悬停查看数据点信息等，这些功能对于探索数据和进行数据分析非常有用。

1.2Bokeh的安装与配置

在Python环境中安装Bokeh，可以通过pip或conda进行。以下是使用pip安装Bokeh的命令：

pipinstallbokeh

安装完成后，可以通过以下代码导入Bokeh库：

importbokeh.plottingasbp

Bokeh的配置主要包括输出方式的设置，可以设置为输出到浏览器、输出到文件或输出到Notebook。以下是一个设置输出到浏览器的例子：

frombokeh.ioimportoutput_notebook,show

output_notebook()

1.3Bokeh的基本功能介绍

1.3.1创建简单的线图

Bokeh的基本功能之一是创建线图。以下是一个使用Bokeh创建线图的例子：

importnumpyasnp

frombokeh.plottingimportfigure,output_file,show

#准备数据

x=np.linspace(0,10,100)

y=np.sin(x)

#创建输出文件

output_file(line.html)

#创建图表

p=figure(title=sin(x)over[0,10],x_axis_label=x,y_axis_label=y)

p.line(x,y,legend_label=sin(x),line_width=2)

#显示图表

show(p)

在这个例子中，我们首先导入了必要的库，然后准备了数据，创建了输出文件，接着创建了一个图表，并在图表中添加了一条线，最后显示了图表。

1.3.2创建散点图

Bokeh也可以创建散点图，以下是一个例子：

importnumpyasnp

frombokeh.plottingimportfigure,output_file,show

#准备数据

N=1000

x=np.random.random(size=N)*100

y=np.random.random(size=N)*100

radii=np.random.random(size=N)*1.5

colors=[

#%02x%02x%02x%(int(r),int(g),150)forr,ginzip(50+2*x,30+2*y)

]

#创建输出文件

output_file(scatter.html)

#创建图表

p=figure(title=ColorfulScatterPlot,x_axis_label=x,y_axis_label=y)

p.scatter(x,y,radius=radii,fill_color=colors,fill_alpha=0.6,line_color=None)

#显示图表

show(p)

在这个例子中，我们首先生成了随机数据，然后创建了输出文件，接着创建了一个散点图，并设置了点的大小和颜色，最后显示了图表。

1.3.3创建条形图

Bokeh也可以创建条形图，以下是一个例子：

frombokeh.plottingimportfigure,output_file,show

frombokeh.sampledata.autompgimportautompgasdf

#准备数据

df[cyl]=df[cyl].astype(str)

cylinders=df[cyl].unique()

mpg=df.groupby(cyl)[mpg].mean()

#创建输出文件

output_file(bar.html)

#创建图表

p=figure(x_range=cylinders,plot_height=350,title=MPGby#ofcylinders,