自学教程：Python库

什么是 Bokeh

Bokeh 是 Python 中的交互式可视化库。Bokeh提供的最佳功能是针对现代 Web 浏览器进行演示的高度交互式图形和绘图。Bokeh 帮助我们制作出优雅、简洁的图表，其中包含各种图表。

Bokeh 主要侧重于将数据源转换为 JSON 格式，然后用作 BokehJS 的输入。Bokeh的一些最佳功能是：

• 灵活性： Bokeh 也为复杂的用例提供简单的图表和海关图表。
• 功能强： Bokeh 具有易于兼容的特性，可以与 Pandas 和 Jupyter 笔记本一起使用。
• 样式： 我们可以控制图表，我们可以使用自定义 Javascript 轻松修改图表。
• 开源： Bokeh 提供了大量的示例和想法，并在 Berkeley Source Distribution (BSD) 许可下分发。

使用Bokeh，我们可以轻松地将大数据可视化并以吸引人的优雅方式创建不同的图表。

在哪使用 Bokeh 图

有很多可视化库，为什么我们只需要使用Bokeh？我们可以使用 Bokeh 库在网页上嵌入图表。使用Bokeh，我们可以将图表嵌入网络、制作实时仪表板和应用程序。Bokeh 为图表提供了自己的样式选项和小部件。这是使用 Flask 或 Django 在网站上嵌入Bokeh图的优势。

安装Bokeh库

用pip安装Bokeh库，运行以下命令

pip install pandas-Bokeh

为conda环境安装Bokeh库，运行以下命令

conda install -c patrikhlobil pandas-Bokeh

导入Bokeh库

为Bokeh库导入必要的包。

import pandas as pd# pip install pandas_Bokehimport pandas_Bokehfrom Bokeh.io import show, output_notebookfrom Bokeh.plotting import figurepandas_Bokeh.output_notebook()pd.set_option('plotting.backend', 'pandas_Bokeh')

Bokeh绘图是一个用于创建交互式视觉效果的界面，我们从中导入 它作为保存我们图表的容器。 figure

from Bokeh.plotting import figure

我们需要以下命令来显示图表。

from Bokeh.io import show, output_notebook

我们需要以下命令来在 jupyter notebook 中显示图表的输出。

pandas_Bokeh.output_notebook()

要将图表嵌入为 HTML，请运行以下命令。

pandas_bokeh.output_file（文件名）

Hovertool 用于在我们使用鼠标指针悬停在数据上时显示值， ColumnDataSource 是 DataFrame 的 Bokeh 版本。

from Bokeh.models import HoverTool, ColumnDataSource

绘制图表的语法

使用Pandas Bokeh

现在，通过以下代码将Bokeh绘图库用于 Pandas 数据框。

dataframe.plot_Bokeh()

为Bokeh创建 Figure 对象

我们将创建一个图形对象，它只不过是一个保存图表的容器。我们可以给 figure() 对象取任何名字，这里我们给了 fig.

fig = figure()'''自定义绘图代码'''show(fig)

使用 ColumnDataSource 创建图表

要将 ColumnDataSource 与渲染函数一起使用，我们至少需要传递 3 个参数：

• x
  python利用元类和描述器实现ORM模型的详细步骤
  Python