企业网站开发报价形式,商务信息网官网,滨州刚刚发生的消息,网站建设全部流程1、引言
想让你的数据跃然 “屏” 上#xff1f;厌倦了静态图表的平淡无奇#xff1f;那么#xff0c;今天就让我们一起探索 Python 世界中的瑰宝 ——Bokeh 库。这款强大的可视化工具以其流畅的交互性和实时更新能力#xff0c;让你的数据呈现如电影般生动立体#xff0…1、引言
想让你的数据跃然 “屏” 上厌倦了静态图表的平淡无奇那么今天就让我们一起探索 Python 世界中的瑰宝 ——Bokeh 库。这款强大的可视化工具以其流畅的交互性和实时更新能力让你的数据呈现如电影般生动立体瞬间抓住读者的眼球
安装与基本使用
首先确保你的 Python 环境中已安装 Bokeh。只需通过 pip 一键安装
pip install bokeh接下来一个简单的 Bokeh 绘图示例
from bokeh.plotting import figure, show
from bokeh.io import output_notebookoutput_notebook () # 在 Jupyter Notebook 中显示图形# 创建一个新的图表实例
p figure (title我的第一个 Bokeh 图表)# 添加一些数据点
p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size15)# 显示图表
show(p)小技巧 Bokeh 的一大亮点在于它的交互性。你可以轻松地添加滑块、按钮等交互元素比如下面这个动态调整数据的例子 from bokeh.models import ColumnDataSource, Slidersource ColumnDataSource(datadict(x[1, 2, 3, 4, 5], y[6, 7, 2, 4, 5]))slider Slider (start0, end10, value1, step0.1, title缩放系数)def update_data(attr, old, new):factor slider.valuesource.data dict(x[i * factor for i in source.data[x]], y[j * factor for j in source.data[y]])slider.on_change(value, update_data)# 将滑块添加至图形并重新显示
p.add_layout(slider)
show(p)2、应用案例
1地理空间数据可视化 使用 Bokeh 可以创建炫酷的地理地图例如绘制全球气温分布图
# 这里仅给出概念性代码实际实现涉及加载真实数据集
from bokeh.tile_providers import get_provider
from bokeh.plotting import figuretile_provider get_provider(CARTODBPOSITRON)
p figure(x_axis_typemercator, y_axis_typemercator)
p.add_tile(tile_provider)# 加载并绘制气温数据...
# ...show(p)2时间序列分析 Bokeh 可以用来制作动态的时间序列图表实时追踪股票价格变动
# 假设 stock_prices 是一个时间序列数据
from bokeh.models import DatetimeTickFormatter, HoverToolp figure(plot_width800, plot_height400, x_axis_typedatetime)
p.line(stock_prices.index, stock_prices.values, line_width2)# 设置日期格式化器
p.xaxis.formatter DatetimeTickFormatter()# 添加悬停工具查看具体数值
hover HoverTool (tooltips[(日期, x {% F}), (价格, y)])
p.add_tools(hover)show(p)3网络图绘制 借助 Bokeh 绘制复杂网络关系图比如社交网络链接结构
# 假设 nodes 和 edges 分别为节点列表和边列表
from bokeh.models.graphs import from_networkx
from networkx import nxG nx.random_graphs.barabasi_albert_graph (100, 2) # 生成 BA 模型网络
graph_renderer from_networkx(G)# 配置节点颜色、大小等属性
...# 添加到图表中
p figure(..., toolspan, wheel_zoom, save, reset)
p.renderers.append(graph_renderer)show(p)3、结尾
学以致用尝试运用 Bokeh 为你的数据分析增添活力吧若你在实践中遇到任何问题欢迎留言交流。记住可视化是为了更好地理解数据背后的含义而不仅仅是好看。
关注我精彩不再错过
往期推荐
精通Python数据处理掌握Agate解锁数据分析新境界
掌握Python图像处理艺术Pillow库入门实践与案例解析
Seaborn完全指南从入门到实战
Python图像处理库精选从PIL到OpenCV视觉技术核心工具介绍
【Python爬虫神器揭秘】手把手教你安装配置Scrapy高效抓取网络数据