Bokeh 这可视化图表做的，也太好看了吧！

Posted 2021-05-21 Wang_AI

大家好，周六送大家了一本书《Python数据分析：从小白到专家》。今天和大家分享一下除了PyEcharts外另外一个做图表到神器，不要多说啦，往下看吧～

Python交互式可视化库Bokeh在现代web浏览器中支持大型数据集的高性能可视化表示。Bokeh 的目标是使用 D3.js 样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。

Boken 可以快速的创建交互式的绘图，仪表盘和数据应用。绘图界面以两个主要组件为中心--数据和符号。

开始前，先欣赏下bokeh图形之美：

化学元素周期表

物理洛伦茨吸引子

数学正弦曲线

生物细菌极坐标图

地理德克萨斯州

美术颜色滑块图

---

用bokeh绘图交互图形的基本步骤:

1. 准备一些数据
   Python列表，NumPy数组，panda的数据筐等准备数据

2. 创建一个新的情节

3. 使用可视渲染器塑造数据

4. 指定在何处生成输出

5. 显示或保存结果

from bokeh.plotting import figure
from bokeh.io import output_file, show
x = [1, 2, 3, 4, 5]                       # Step 1
y = [6, 7, 2, 4, 5]
p = figure(title="simple line example",   # Step 2 
           x_axis_label='x',
           y_axis_label='y')
p.line(x, y, legend="Temp.", line_width=2)# Step 3
output_file("lines.html")                 # Step 4 
show(p)                                   # Step 5

bokeh接口

Charts: 高层接口，以简单的方式绘制复杂的统计图
Plotting: 中层接口，用于组装图形元素
Models: 底层接口，为开发者提供了最大的灵活性

本次实用中层接口 boken.plotting绘制图形

数据准备

Python列表和NumPy数组等数据序列来将数据传递给bokeh。bokeh自动将这些列表转换为ColumnDataSource对象。

你也可以手动操作:

import numpy as np
import pandas as pd
df = pd.DataFrame(np.array([[33.9,4,65, 'US'],
                            [32.4,4,66, 'Asia'],
                            [21.4,4,109, 'Europe']]), 
                  columns=['mpg','cyl', 'hp', 'origin'],
                  index=['Toyota', 'Fiat', 'Volvo'])

from bokeh.models import ColumnDataSource
cds_df = ColumnDataSource(df)

ColumnDataSource是Bokeh自己的数据结构。

创建图表

使用figure()函数创建图表。

from bokeh.plotting import figure
p1 = figure(plot_width=300, tools='pan,box_zoom')
p2 = figure(plot_width=300, plot_height=300,
            x_range=(0, 8), y_range=(0, 8))
p3 = figure()

添加和自定义渲染器

Bokeh的绘图界面支持许多不同的字形，例如线条、条形或其他多边形。

符号

# 散点标记
p1.circle(np.array([1,2,3]), 
          np.array([3,2,1]),
          fill_color='white')
p2.square(np.array([1.5,3.5,5.5]), 
          [1,4,3], 
          color='blue', 
          size=1)

# 线符号
p1.line([1,2,3,4], 
        [3,4,5,6], 
        line_width=2)
p2.multi_line(pd.DataFrame([[1,2,3],[5,6,7]]),
              pd.DataFrame([[3,4,5],[3,2,1]]),
              color="blue")

自定义符号

不同的渲染器函数接受各种参数来控制字形的外观。

如使用circel()定义圆环的颜色或直径:

fill_color：圆圈的填充颜色
fill_alpha ：填充颜色的透明度（0到1之间的任何值）
line_color：圆圈轮廓的填充颜色
size：圆的大小（以屏幕空间或数据空间单位）
legend_label: 圈圈的传奇条目

# 选择和非选择符号
p = figure(tools='box_select')
p.circle('mpg', 'cyl', 
         source=cds_df,
         selection_color='red',
         nonselection_alpha=0.1)

# 悬停符号
from bokeh.models import HoverTool
hover = HoverTool(tooltips=None, mode='vline')
p3.add_tools(hover)

在bokeh中，您可以通过几种方式指定颜色。例如：

1. CSS颜色器(如"firebrick")

2. 使用十六进制值 (如"#00ff00")

3. 使用RGB颜色的3元组（如(100, 100, 255))

4. 使用4元组的RGBA颜色 (如(100, 100, 255, 0.5))

5. 颜色映射器

# 颜色映射器
from bokeh.models import CategoricalColorMapper
color_mapper = CategoricalColorMapper(
               factors=['US', 'Asia', 'Europe'],
               palette=['blue', 'red', 'green'])
p3.circle('mpg', 'cyl', 
          source=cds_df,
          color=dict(field='origin',transform=color_mapper),
          legend='Origin')

图例位置

# 绘图区域内部
p.legend.location = 'bottom_left'
from bokeh.models import Legend
r1 = p2.asterisk(np.array([1,2,3]), 
                 np.array([3,2,1])
r2 = p2.line([1,2,3,4], [3,4,5,6])
legend = Legend(items=[("One" ,[p1, r1]),("Two",[r2])],
                location=(0, -30))
# 绘图区域外部
p.add_layout(legend, 'right')

图例方向

p.legend.orientation = "horizontal"
p.legend.orientation = "vertical"

图例背景和边界

p.legend.border_line_color = "navy"
p.legend.background_fill_color = "white"

图例文本的外观

p.legend.label_text_font = "times"
p.legend.label_text_font_style = "italic"
p.legend.label_text_color = "navy"

实用主题

五个内置主题：caliber, dark_minimal, light_minimal, night_sky, and contrast。

from bokeh.io import curdoc
curdoc().theme = "dark_minimal"

创建行&列布局

组合单个图表的最简单方法是将它们分配给行或列。

# 行
from bokeh.layouts import row
layout = row(p1,p2,p3)
# 列
from bokeh.layouts import columns
layout = column(p1,p2,p3)
# 嵌套行和列
layout = row(column(p1,p2), p3)

创建网格布局

from bokeh.layouts import gridplot
row1 = [p1,p2]
row2 = [p3]
layout = gridplot([[p1,p2],[p3]])

选项卡布局

from bokeh.models.widgets import Panel, Tabs
tab1 = Panel(child=p1, title="tab1")
tab2 = Panel(child=p2, title="tab2")
layout = Tabs(tabs=[tab1, tab2])

连接绘图

# 连接轴
p2.x_range = p1.x_range
p2.y_range = p1.y_range
# 连接刷
p4 = figure(plot_width = 100,
            tools='box_select,lasso_select')
p4.circle('mpg', 'cyl', 
          source=cds_df)
p5 = figure(plot_width = 200,
            tools='box_select,lasso_select')
p5.circle('mpg', 'hp', 
          source=cds_df)
layout = row(p4,p5)

输出与导出

Notebook

from bokeh.io import output_notebook, show
output_notebook()

HTML

# 独立的
from bokeh.embed import file_html
from bokeh.resources import CDN
html = file_html(p, CDN, "my_plot")

使用output_file()函数将可视化保存到HTML文件中。

from bokeh.io import output_file, show
output_file('my_bar_chart.html', mode='cdn')

# 组件
from bokeh.embed import components
script, div = components(p)

PNG & SVG

Bokeh使用Selenium创建PNG和SVG文件，所以bokeh需要通过能够让Selenium访问的浏览器来渲染PNG或SVG文件。

Selenium允许Bokeh在没有图形用户界面(GUI)的浏览器中运行。Selenium需要能够访问Firefox浏览器(通过geckodriver包)或Chromium浏览器(通过chromedriver包)。

因此需要安装第三方包：

pip install selenium geckodriver firefox

# png
from bokeh.io import export_png
export_png(p, filename="plot.png")
 # svg
from bokeh.io import export_svgs
p.output_backend = "svg"
export_svgs(p, filename="plot.svg")

显示和导出图表

选择HTML且调用show()函数时，Bokeh会创建HTML文件。该功能还会自动打开网页浏览器以显示HTML文件。

如果希望Bokeh只生成文件而不在web浏览器中打开它，则使用save()函数代替。此时需要提前导入save()函数。

from bokeh.plotting import show, save
show(layout)
save(layout)

更多详情请参见官方文档：https://docs.bokeh.org/

觉得还不错就给我一个小小的鼓励吧！