数据可视化工具 Bokeh

Bokeh 是一款 Python 生态中的数据可视化工具，它是东洋岛国程序员发明的。虽然已经有了很多数据可视化工具，但是 Bokeh 仍然能够有所创新，即使在雷同的功能上，它也能够做到极致，在这方面完全继承了岛国人民的做事风格。

本 Chat 的主要内容：

1. Bokeh 的安装和基本介绍；
2. 用 Bokeh 绘制常用统计图；
3. 用 Bokeh 实现统计图的互动。

数据可视化

数据可视化，在现在非常重要。凭什么这么说？请参阅我在《案例上手 Python 数据可视化》中的详细说明，此处不赘述。

本 Chat 是选择了上述课程中的一部分，供有单独需要的朋友享用。

Bokeh 简介

岛国，在我朝的东边，我朝臣民对它的心态可以说比较复杂了。就软件领域而言，它的存在感貌似不大，其实不然。就拿国内的一些大厂，有不少其背后会有一家岛国公司身影——软银。岛国技术人员为开源领域的贡献，也同样精彩，比如很有名的 Ruby 语言，发明者为 Yukihiro Matsumoto，是一名岛国程序员。本章要介绍的Bokeh也是岛国程序员发明的，专用于数据可视化。

维基百科的词条 Bokeh 介绍了这个词的读音和含义，也可以不用理会什么含义，就当做一个名称罢了。

精彩一瞥

Bokeh 的最大特点是能够生成基于网页的可视化图示，并且也具有交互性。

起手要做的肯定是安装了。

pip3 install bokeh

这是最简单的安装方式，如果不能安装，可以直接从 github 上下载。

安装好之后，可以运行jupyter notebook，而后执行下面的程序，通过示例体验一下 Bokeh 的应用。

import numpy as npfrom bokeh.plotting import figure, output_file, show    # ①x = np.linspace(0, 2*np.pi, 50)y = np.sin(x)fig = figure(plot_width = 800, plot_height = 600,              title = 'sin line',              y_axis_label = 'y', x_axis_label = 'x')    # ②fig.line(x, y, line_width = 2, legend = 'sin')    # ③output_file('./sin.html')    # ④show(fig)    # ⑤

执行这段程序之后，会自动打开一个网页，并且网页文件的名称为“sin.html”。

从上述结果来看，与 Plotly 和 Pyecharts 一样——关于这两个工具的介绍，请参阅我的课程，当然，应该也会有自己的特点，继续体会就能了解到。不过，还是先简要地理解一下上面的程序。

• ①引入程序中需要的模块。
• ②中使用figure创建一个图示实例对象，figure其实是Bokeh中的类Figure的简单封装，用于初始化图示对象，默认情况下会包含坐标系的坐标轴、坐标网格以及图示右侧的有关工具等。
• ③调用了fig对象的一个方法fig.line，意即绘制曲线。
• ④使用output_file设置输出文件名称，如果不写此句，Bokeh 会默认一个名称。
• ⑤的效果则是要显示所绘制的图示对象。

Plotly 和 Pyecharts 都能将 HTML 中的图嵌入到当前正在运行的 Jupyter 浏览器中，Bokeh 有这个功能吗？

这个可以有！

from bokeh.io import output_notebookoutput_notebook()

引入output_notebook之后，执行output_notebook()，用它替代④。执行之后，结果如下图所示。

此后在执行第一段程序，则代码块之下就能插入图示对象。

除了能够绘制一条曲线之外，在同一个坐标系中绘制多条曲线也是很容易的事情。

from bokeh.plotting import figure, showx = [0.1, 0.5, 1.0, 1.5, 2.0, 2.5, 3.0]y0 = [i**2 for i in x]y1 = [10**i for i in x]y2 = [10**(i**2) for i in x]p = figure(tools="pan,box_zoom,reset,save",    # ⑥           y_axis_type="log",            y_range=[0.001, 10**11],           title="多函数曲线",           x_axis_label='sections',            y_axis_label='particles',)p.line(x, x, legend="y=x")    # ⑦p.circle(x, x, legend="y=x", fill_color="white", size=8)    # ⑧p.line(x, y0, legend="y=x^2", line_width=3)p.line(x, y1, legend="y=10^x", line_color="red")p.square(x, y1, legend="y=10^x", fill_color="red", line_color="blue", size=10)    # ⑨p.line(x, y2, legend="y=10^x^2", line_color="orange", line_dash="4 4")show(p)

相对前面的示例，此示例做了更多的自定义。首先是在⑥创建图示实例的时候，使用的参数就比较多了：

• tools="pan,box_zoom,reset,save"：前面示例的图示右侧，默认把所有可以出现的工具都显示了出来，而这里仅仅显示指定的工具。
• y_axis_type：设置Y轴的数据类型，同样的还有参数x_axis_type。默认值是'auto'，此外还可以为'linear', 'datetime', 'log', 'mercatro'。

⑦绘制y = x的曲线，这跟前面示例一样。⑧则是根据x的值以及函数y = x得到的y值，绘制相应的坐标“点”，只是这里的“点”的形状是“圆形”——用p.circle实现：

• size：每个“点”的大小（直径）。
• fill_color：每个“点”的填充色。

与⑧具有同样功能的是⑨，区别在于⑨把“点”绘制成了方形——p.square，其中的参数，可依据“望文生义”原则理解。

总览上述制图过程，如果在同一个图示对象中绘制多种图像，只需要使用该对象多次调用相应的制图方法即可。

基本要素

通过上面的两个示例，已经对Bokeh绘图有了初步感受，正如本章标题中所言“岛国薄纱”，对于学习者而言，因为有了前面使用各种工具的基础，再学习 Bokeh 就不困难了，它只不过是一层“薄纱”罢了，通过简单示例就已经能看到某些了——如果要深入，还需要继续研习，必须动手“拨云”，才能最终“见日”。

通常而言，Bokeh 制图的基本要素或者基本步骤为：

图示对象

前面的示例中已经显示，都是要先创建图示对象。bokeh.plotting中有创建图示图像的类Figure，并且还提供了相应的简化函数figure。创建图示对象常用参数如下：

• tools：字符串。用于设置图示对象中提供的工具（称为“图示工具”）。默认值为'DEFAULT_TOOLS'，前面示例中演示了设置为其他值的情况。此外，还可以通过toolbar_location参数设置图示工具的位置（'above', 'below', 'left', 'right'）。更多关于图示工具的配置说明，请参阅：Configuring Plot Tools。

• x_range, y_range：分别设置X轴和Y轴的数值范围。

• x_minor_ticks, y_minor_ticks：默认值'auto'，设置各X轴或者Y轴主刻线之间的副刻线数量。

• x_axis_location：设置X轴的位置，默认值`'below'，即X轴在图示的下方。

• y_minor_ticks：设置Y轴的位置，默认值'left'。

• x_axis_label, y_axis_label：设置对X轴和Y轴的描述。

• x_axis_type, y_axis_type：设置X轴或者Y轴的数据类型，前面示例中已经解释。

• 针对交互操作中鼠标动作的参数设置，主要有active_drag, active_inspect, active_scroll, active_tap，它们的默认值都是'auto'，可以根据需要，对这些值进行修改（通常修改较少），具体可以参阅官方文档中有关说明。

图线模型

Bokeh 提供了多种制图模型—— Bokeh 中将这些称为 glyphs ，并且，在 Figure 类的实例对象——即“图示对象”的方法中，提供了相应的接口，以在图示对象中实现各种图线模型。对各种方法的说明，请参阅官方文档。

这里姑且简要介绍，更深入的内容，还待后续内容。或者到本文开始所推荐的课程中学习。

本文首发于 GitChat，未经授权不得转载，转载需与 GitChat 联系。

阅读全文: http://gitbook.cn/gitchat/activity/5c7a374ebaf8e549dac5311a

您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ， GitChat 专享技术内容哦。