Bokeh:Python交互式可視化的利器詳解

更新時間：2025年03月13日 09:22:52 作者：蕭鼎

這篇文章主要介紹了Bokeh:Python交互式可視化的利器,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

1. Bokeh 簡介

Bokeh 是一個專注于 Web 端交互式數(shù)據(jù)可視化的 Python 庫。它基于 JavaScript 的 BokehJS 進行渲染，使得生成的圖表可以直接嵌入 HTML，并支持交互操作。與 Matplotlib、Seaborn 等傳統(tǒng)靜態(tài)繪圖庫相比，Bokeh 在處理大規(guī)模數(shù)據(jù)和交互性方面具有明顯優(yōu)勢。

1.1 為什么選擇 Bokeh

交互性強：支持縮放、平移、懸停提示等交互功能。
高效渲染：利用 WebGL 提高大規(guī)模數(shù)據(jù)集的繪圖性能。
與 Pandas 兼容：可以直接處理 DataFrame 數(shù)據(jù)。
易于嵌入：可將可視化結果嵌入 HTML、Flask、Django 和 Jupyter Notebook。

1.2 安裝與環(huán)境配置

安裝 Bokeh 非常簡單，可以通過 pip 直接安裝：

pip install bokeh

安裝后，可以在 Python 環(huán)境中測試：

from bokeh.plotting import figure, show
from bokeh.io import output_file

output_file("test.html")  # 生成 HTML 文件
p = figure(title="示例圖", x_axis_label="X 軸", y_axis_label="Y 軸")
p.line([1, 2, 3, 4], [10, 20, 30, 40], line_width=2)
show(p)  # 在瀏覽器中顯示圖表

運行代碼后，會在默認瀏覽器中打開一個 HTML 頁面，顯示簡單的折線圖。

2. Bokeh 基礎

Bokeh 的核心概念主要包括：

figure：繪圖區(qū)域，用于創(chuàng)建圖表。
glyph：可視化圖元，如線、點、柱狀圖等。
ColumnDataSource：數(shù)據(jù)源，便于管理數(shù)據(jù)和交互。
output_file/output_notebook：指定輸出方式。
show/save：顯示或保存圖表。

2.1 創(chuàng)建基本繪圖

Bokeh 提供了多種基礎圖表類型，包括折線圖、散點圖、條形圖等。以下是一些常見示例。

2.1.1 折線圖

from bokeh.plotting import figure, show

p = figure(title="折線圖示例", x_axis_label="X", y_axis_label="Y")
p.line([1, 2, 3, 4, 5], [5, 7, 2, 3, 6], line_width=2, color="blue")
show(p)

2.1.2 散點圖

p = figure(title="散點圖示例", x_axis_label="X", y_axis_label="Y")
p.circle([1, 2, 3, 4, 5], [5, 7, 2, 3, 6], size=10, color="red", alpha=0.5)
show(p)

2.1.3 柱狀圖

from bokeh.io import show
from bokeh.plotting import figure
from bokeh.transform import factor_cmap
from bokeh.models import ColumnDataSource

fruits = ["蘋果", "香蕉", "橙子", "葡萄"]
values = [10, 20, 15, 30]

source = ColumnDataSource(data=dict(fruits=fruits, values=values))
p = figure(x_range=fruits, title="水果銷量", toolbar_location=None, tools="")
p.vbar(x="fruits", top="values", width=0.4, source=source)
show(p)

3. 交互式功能

Bokeh 的一大亮點是交互式可視化，主要通過 HoverTool、TapTool、BoxSelectTool 等工具實現(xiàn)。

3.1 鼠標懸停顯示數(shù)據(jù)

from bokeh.models import HoverTool

p = figure(title="懸停提示示例", x_axis_label="X", y_axis_label="Y")
p.circle([1, 2, 3, 4], [10, 20, 30, 40], size=10, color="navy", alpha=0.5)

hover = HoverTool(tooltips=[("X 軸", "$x"), ("Y 軸", "$y")])
p.add_tools(hover)
show(p)

3.2 選擇和縮放

p = figure(title="選擇和縮放示例", tools="box_select,pan,wheel_zoom,reset")
p.circle([1, 2, 3, 4], [10, 20, 30, 40], size=10, color="green", alpha=0.5)
show(p)

4. 數(shù)據(jù)流處理

Bokeh 支持動態(tài)數(shù)據(jù)更新，適用于實時數(shù)據(jù)可視化，如傳感器數(shù)據(jù)、股票市場數(shù)據(jù)等。

4.1 動態(tài)數(shù)據(jù)更新

from bokeh.models import ColumnDataSource
from bokeh.plotting import figure, curdoc
import numpy as np

source = ColumnDataSource(data=dict(x=[], y=[]))
p = figure(title="動態(tài)數(shù)據(jù)流", x_axis_label="X", y_axis_label="Y")
p.line("x", "y", source=source, line_width=2)

def update():
    new_data = dict(x=[np.random.random()], y=[np.random.random()])
    source.stream(new_data, rollover=50)

curdoc().add_root(p)
curdoc().add_periodic_callback(update, 1000)  # 每秒更新一次

運行該代碼時，Bokeh 服務器會持續(xù)更新數(shù)據(jù)，并在瀏覽器中實時展示曲線變化。

5. Bokeh 與 Pandas、Flask/Django 集成

Bokeh 可以與 Pandas 結合處理數(shù)據(jù)，并與 Flask 或 Django 進行 Web 應用集成。

5.1 Bokeh + Pandas

import pandas as pd
data = pd.DataFrame({"x": [1, 2, 3, 4], "y": [10, 20, 30, 40]})
source = ColumnDataSource(data)

p = figure(title="Pandas 數(shù)據(jù)繪圖")
p.line("x", "y", source=source, line_width=2)
show(p)

5.2 Bokeh + Flask

from flask import Flask, render_template
from bokeh.embed import components

app = Flask(__name__)

@app.route("/")
def index():
    p = figure(title="Flask 集成示例")
    p.line([1, 2, 3, 4], [10, 20, 30, 40])
    script, div = components(p)
    return render_template("index.html", script=script, div=div)

if __name__ == "__main__":
    app.run(debug=True)