Bokeh簡介
Bokeh是一款交互式可視化庫，在瀏覽器上進(jìn)行展示。
Bokeh可以通過Python（或其它語言），快速便捷地為大型流數(shù)據(jù)集提供優(yōu)雅簡潔的高性能交互式圖表。
安裝
在python中有多種安裝Bokeh的方法，這里建議最簡單的方法是使用Anaconda Python發(fā)行版，然后在命令行下輸入以下命令：
conda install bokeh
這里會安裝Bokeh需要的所有依賴包，并且Anaconda可以最大限度地減少復(fù)雜的安裝任務(wù)。
如果你自信已經(jīng)安裝好你要的依賴，例如numpy，那么可以在命令行使用pip來安裝：
pip install bokeh
為什么使用jupyter notebook作為繪圖環(huán)境
本文代碼都是在notebook中執(zhí)行的，并且圖表也直接展示在notebook中。
notebook是用于數(shù)據(jù)探索的常用工具，在數(shù)據(jù)科學(xué)領(lǐng)域被廣泛使用，建議大家在學(xué)習(xí)Bokeh的過程中使用jupyter notebook。
開始繪圖
Bokeh是一個大型庫，具有非常多的功能，這里不細(xì)講具體函數(shù)方法，只通過一些案例來展示Bokeh的使用流程和可視化界面。
將python列表中的數(shù)據(jù)繪制成線圖非常簡單，而且圖表是交互式的，能夠縮放、平移、保存等其他功能。
圖表最終會保存為html格式，并在瀏覽器中自動打開，這可以通過output_file()函數(shù)實(shí)現(xiàn)。
如果你使用的是notebook環(huán)境，Bokeh可以在notebook中直接顯示交互式圖表，只要將output_file()函數(shù)替換為output_notebook()函數(shù)。
# 導(dǎo)入相關(guān)庫
from bokeh.plotting import figure, output_notebook, show
% matplotlib inline
# 準(zhǔn)備數(shù)據(jù)
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
# 在notbook中展示
output_notebook()
# 創(chuàng)建一個帶有標(biāo)題和軸標(biāo)簽的新圖表
p = figure(title="simple line example", x_axis_label='x', y_axis_label='y')
# 添加帶有圖例和線條粗細(xì)的線圖渲染器
#
p.line(x, y, legend="Temp.", line_width=2)
# 顯示圖表
show(p)
上面的例子繪制了一個折線圖，簡單地展示了
bokeh.plotting模塊繪圖的流程。一般來說，我們使用
bokeh.plotting模塊繪圖有以下幾個步驟：
-
準(zhǔn)備數(shù)據(jù)
例子中數(shù)據(jù)容器為列表，你也可以用numpy array、pandas series數(shù)據(jù)形式 -
告訴Bokeh在哪生成輸出圖表
上面說過，圖表輸出有兩種形式，一個是在notebook中直接顯示，一個是生成HTML文件，在瀏覽器中自動打開。 -
調(diào)用figure()函數(shù)
創(chuàng)建具有典型默認(rèn)選項并易于自定義標(biāo)題、工具和軸標(biāo)簽的圖表 -
添加渲染器
上面使用的是line()線圖函數(shù)，并且指定了數(shù)據(jù)源、線條樣式、標(biāo)簽等，你也可以使用其他的繪圖函數(shù)，如點(diǎn)圖、柱狀圖等 -
顯示或保存圖表
show()函數(shù)用來自動打開生成的HTML文件，save()函數(shù)用來保存生成的html文件
如果想在一張圖里繪制多個數(shù)據(jù)表，則可以重復(fù)上面第4步。
你可以添加多個數(shù)據(jù)系列，自定義不同的展示風(fēng)格：
from bokeh.plotting import figure, output_notebook, show
# 準(zhǔn)備三個數(shù)據(jù)系列
x = [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]
# 在notbook中展示
output_notebook()
# 創(chuàng)建新表
p = figure(
tools="pan,box_zoom,reset,save",
y_axis_type="log", y_range=[0.001, 10**11], title="log axis example",
x_axis_label='sections', y_axis_label='particles'
)
# 添加不同的圖表渲染
p.line(x, x, legend="y=x")
p.circle(x, x, legend="y=x", fill_color="white", size=8)
p.line(x, y0, legend="y=x^2", line_width=3)
p.line(x, y1, legend="y=10^x", line_color="red")
p.circle(x, y1, legend="y=10^x", fill_color="red", line_color="red", size=6)
p.line(x, y2, legend="y=10^x^2", line_color="orange", line_dash="4 4")
# 展示圖表
show(p)
有時候，繪制圖表不光要知道數(shù)據(jù)點(diǎn)在x、y軸的位置，而且要賦予數(shù)據(jù)點(diǎn)顏色、大小等屬性，展示數(shù)據(jù)點(diǎn)的其它含義。
import numpy as np
from bokeh.plotting import figure, output_file, show
# 準(zhǔn)備數(shù)據(jù)
N = 4000
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) for r, g in zip(50+2*x, 30+2*y)
]
# 在notbook中展示
output_notebook()
TOOLS = "crosshair,pan,wheel_zoom,box_zoom,reset,box_select,lasso_select"
# 創(chuàng)建圖表，并添加圖標(biāo)欄工具
p = figure(tools=TOOLS, x_range=(0, 100), y_range=(0, 100))
# 添加圓繪圖渲染函數(shù)，并且定義元素的顏色、樣式
p.circle(x, y, radius=radii, fill_color=colors, fill_alpha=0.6, line_color=None)
# 顯示圖表
show(p)
對于同一個數(shù)據(jù)，可能需要多種展示風(fēng)格，比如說線、點(diǎn)、圓等，并且把多個圖表放在一起，Bokeh能夠做到。
import numpy as np
from bokeh.layouts import gridplot
from bokeh.plotting import figure, output_file, show
# 準(zhǔn)備數(shù)據(jù)
N = 100
x = np.linspace(0, 4*np.pi, N)
y0 = np.sin(x)
y1 = np.cos(x)
y2 = np.sin(x) + np.cos(x)
# 在notbook中展示
output_notebook()
# 創(chuàng)建子圖表1，元素樣式為圓
s1 = figure(width=250, plot_height=250, title=None)
s1.circle(x, y0, size=10, color="navy", alpha=0.5)
# 創(chuàng)建子圖表2，元素樣式為三角形
s2 = figure(width=250, height=250, x_range=s1.x_range, y_range=s1.y_range, title=None)
s2.triangle(x, y1, size=10, color="firebrick", alpha=0.5)
# 創(chuàng)建子圖表3，元素樣式為正方形
s3 = figure(width=250, height=250, x_range=s1.x_range, title=None)
s3.square(x, y2, size=10, color="olive", alpha=0.5)
# 將多個子圖放到網(wǎng)格圖中
p = gridplot([[s1, s2, s3]], toolbar_location=None)
# 顯示圖表
show(p)
繪制股票價格走勢圖，這類是關(guān)于時間序列的圖表。
import numpy as np
from bokeh.plotting import figure, output_file, show
from bokeh.sampledata.stocks import AAPL
# 準(zhǔn)備數(shù)據(jù)
aapl = np.array(AAPL['adj_close'])
aapl_dates = np.array(AAPL['date'], dtype=np.datetime64)
window_size = 30
window = np.ones(window_size)/float(window_size)
aapl_avg = np.convolve(aapl, window, 'same')
# 在notbook中展示
output_notebook()
# 創(chuàng)建新圖表
p = figure(plot_width=800, plot_height=350, x_axis_type="datetime")
# 添加圖表渲染
p.circle(aapl_dates, aapl, size=4, color='darkgrey', alpha=0.2, legend='close')
p.line(aapl_dates, aapl_avg, color='navy', legend='avg')
# 設(shè)置圖表元素
p.title.text = "AAPL One-Month Average"
p.legend.location = "top_left"
p.grid.grid_line_alpha = 0
p.xaxis.axis_label = 'Date'
p.yaxis.axis_label = 'Price'
p.ygrid.band_fill_color = "olive"
p.ygrid.band_fill_alpha = 0.1
# 顯示圖表
show(p)
總結(jié)
上述幾個示例簡單展示了Bokeh繪圖方法，希望起到一個拋磚引玉的作用，讓大家了解到Bokeh的強(qiáng)大之處，去探索更多的用法。
