1、引言

想讓你的數(shù)據(jù)躍然 “屏” 上？厭倦了靜態(tài)圖表的平淡無奇？那么，今天就讓我們一起探索 Python 世界中的瑰寶 ——Bokeh 庫。這款強(qiáng)大的可視化工具以其流暢的交互性和實(shí)時(shí)更新能力，讓你的數(shù)據(jù)呈現(xiàn)如電影般生動(dòng)立體，瞬間抓住讀者的眼球！

安裝與基本使用

首先，確保你的 Python 環(huán)境中已安裝 Bokeh。只需通過 pip 一鍵安裝：

pip install bokeh

接下來，一個(gè)簡單的 Bokeh 繪圖示例：

from bokeh.plotting import figure, show
from bokeh.io import output_notebookoutput_notebook ()  # 在 Jupyter Notebook 中顯示圖形# 創(chuàng)建一個(gè)新的圖表實(shí)例
p = figure (title="我的第一個(gè) Bokeh 圖表")# 添加一些數(shù)據(jù)點(diǎn)
p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=15)# 顯示圖表
show(p)

小技巧
Bokeh 的一大亮點(diǎn)在于它的交互性。你可以輕松地添加滑塊、按鈕等交互元素，比如下面這個(gè)動(dòng)態(tài)調(diào)整數(shù)據(jù)的例子：

from bokeh.models import ColumnDataSource, Slidersource = ColumnDataSource(data=dict(x=[1, 2, 3, 4, 5], y=[6, 7, 2, 4, 5]))slider = Slider (start=0, end=10, value=1, step=0.1, title="縮放系數(shù)")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)# 將滑塊添加至圖形，并重新顯示
p.add_layout(slider)
show(p)

2、應(yīng)用案例

（1）地理空間數(shù)據(jù)可視化
使用 Bokeh 可以創(chuàng)建炫酷的地理地圖，例如繪制全球氣溫分布圖：

# 這里僅給出概念性代碼，實(shí)際實(shí)現(xiàn)涉及加載真實(shí)數(shù)據(jù)集
from bokeh.tile_providers import get_provider
from bokeh.plotting import figuretile_provider = get_provider('CARTODBPOSITRON')
p = figure(x_axis_type="mercator", y_axis_type="mercator")
p.add_tile(tile_provider)# 加載并繪制氣溫?cái)?shù)據(jù)...
# ...show(p)

（2）時(shí)間序列分析
Bokeh 可以用來制作動(dòng)態(tài)的時(shí)間序列圖表，實(shí)時(shí)追蹤股票價(jià)格變動(dòng)：

# 假設(shè) stock_prices 是一個(gè)時(shí)間序列數(shù)據(jù)
from bokeh.models import DatetimeTickFormatter, HoverToolp = figure(plot_width=800, plot_height=400, x_axis_type='datetime')
p.line(stock_prices.index, stock_prices.values, line_width=2)# 設(shè)置日期格式化器
p.xaxis.formatter = DatetimeTickFormatter()# 添加懸停工具查看具體數(shù)值
hover = HoverTool (tooltips=[("日期", "@x {% F}"), ("價(jià)格", "@y")])
p.add_tools(hover)show(p)

（3）網(wǎng)絡(luò)圖繪制
借助 Bokeh 繪制復(fù)雜網(wǎng)絡(luò)關(guān)系圖，比如社交網(wǎng)絡(luò)鏈接結(jié)構(gòu)：

# 假設(shè) nodes 和 edges 分別為節(jié)點(diǎn)列表和邊列表
from bokeh.models.graphs import from_networkx
from networkx import nxG = nx.random_graphs.barabasi_albert_graph (100, 2)  # 生成 BA 模型網(wǎng)絡(luò)
graph_renderer = from_networkx(G)# 配置節(jié)點(diǎn)顏色、大小等屬性
...# 添加到圖表中
p = figure(..., tools='pan, wheel_zoom, save, reset')
p.renderers.append(graph_renderer)show(p)

3、結(jié)尾

學(xué)以致用，嘗試運(yùn)用 Bokeh 為你的數(shù)據(jù)分析增添活力吧！若你在實(shí)踐中遇到任何問題，歡迎留言交流。記住，可視化是為了更好地理解數(shù)據(jù)背后的含義，而不僅僅是好看。

關(guān)注我👇，精彩不再錯(cuò)過

往期推薦：

精通Python數(shù)據(jù)處理：掌握Agate，解鎖數(shù)據(jù)分析新境界

掌握Python圖像處理藝術(shù)：Pillow庫入門實(shí)踐與案例解析

Seaborn完全指南：從入門到實(shí)戰(zhàn)

Python圖像處理庫精選：從PIL到OpenCV，視覺技術(shù)核心工具介紹

【Python爬蟲神器揭秘】手把手教你安裝配置Scrapy，高效抓取網(wǎng)絡(luò)數(shù)據(jù)