使用 Bokeh 对数据进行交互式可视化

Bokeh 是一个 Python 库，用于创建交互式的 Web 绘图。它可以构建各种类型的可视化图表，包括散点图、折线图、面积图、条形图、热图、Treemap（树形图）和网络图，等等。

为了更好地了解 Bokeh，我们将介绍以下主题：

• 安装 Bokeh
• Bokeh 基础
• Bokeh 实例
• Bokeh 布局
• Bokeh 交互式绘图
• Bokeh 回调函数
• Bokeh 数据表格
• Bokeh 导出图像
• Bokeh 其他功能

安装 Bokeh

Bokeh 可以使用 pip 安装：

pip install bokeh

Bokeh 基础

Bokeh 的基本元素是绘图和图表。您可以使用 Bokeh 创建各种类型的图表，包括散点图、折线图和条形图等。

以下是 Bokeh 基础的示例代码：

from bokeh.plotting import figure, output_file, show

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

output_file("line.html")

p = figure(title="Simple line example", x_axis_label='x', y_axis_label='y')
p.line(x, y, legend_label="Line", line_width=2)

show(p)

此代码将 x 和 y 的值用于绘制一条线。它还包括创建一个标题和标签，以及将图表保存为 HTML 文件。

Bokeh 实例

以下是常见的 Bokeh 实例之一：散点图。

from bokeh.plotting import figure, output_file, show

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

output_file("scatter.html")

p = figure(title="Simple scatter example", x_axis_label='x', y_axis_label='y')
p.scatter(x, y, line_color=None)

show(p)

此代码将 x 和 y 的值用于创建散点图。它还包括创建一个标题和标签，以及将图表保存为 HTML 文件。

Bokeh 布局

Bokeh 的布局功能使您能够将多个图表组合在一个页面上。使用 Bokeh 的“ gridplot”函数可以创建网格布局，其中每个图表位于页面上的特定位置。

以下是使用 Bokeh 进行布局的示例代码：

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

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

output_file("layout.html")

p1 = figure(title="Line example", x_axis_label='x', y_axis_label='y')
p1.line(x, y, legend_label="Line", line_width=2)

p2 = figure(title="Scatter example", x_axis_label='x', y_axis_label='y')
p2.scatter(x, y, line_color=None)

p3 = figure(title="Bar example", x_axis_label='x', y_axis_label='y')
p3.vbar(x=x, top=y, width=0.5)

grid = gridplot([p1, p2, p3], ncols=2, plot_width=400, plot_height=400)

show(grid)

此代码将三个图表放置在一个网格中。每个图表都有自己的标题和标签，而且可以单独显示。每个图表都保存在一个 HTML 文件中，可以通过单击页面中的链接来查看它们。

Bokeh 交互式绘图

Bokeh 的交互式绘图功能使您能够通过鼠标单击、双击和拖动等方式对图表进行操作。可以双击图表上的点，以查看有关该点的详细信息，或者使用滑块控件更改图表中信息的时间点。

以下是 Bokeh 交互式绘图的示例代码：

from bokeh.layouts import column, row
from bokeh.models import CustomJS, ColumnDataSource, Slider
from bokeh.plotting import figure, output_file, show

output_file("slider.html")

source = ColumnDataSource(data=dict(x=[1, 2, 3, 4, 5], y=[5, 4, 3, 2, 1]))

p = figure()
p.line('x', 'y', source=source)

slider = Slider(start=0, end=10, step=1, value=5)
slider.js_on_change('value', CustomJS(args=dict(source=source), code="""
    const data = source.data;
    const v = cb_obj.value;
    const x = data['x']
    const y = data['y']
    for (var i = 0; i < x.length; i++) {
        y[i] = Math.pow(x[i], v)
    }
    source.change.emit();
"""))

show(row(p, slider))

此代码创建了一个简单的折线图，并添加了一个滑块，可以更改绘制的数据。当用户更改滑块的值时，JavaScript 代码会重新计算 y 值。在 Bokeh 库中，可以将 JavaScript 代码和 Python 代码混合使用。

Bokeh 回调函数

Bokeh 回调函数在某些情况下很有用，例如当用户单击图表上的按钮或者拖动滑块时。回调函数可以告知 Bokeh 更新图表中的数据。

以下是 Bokeh 回调函数的示例代码：

from bokeh.layouts import column, row
from bokeh.models import CustomJS, ColumnDataSource, Button
from bokeh.plotting import figure, output_file, show

output_file("callback.html")

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

source = ColumnDataSource(data=dict(x=x, y=y))

p = figure()
p.line('x', 'y', source=source)

button = Button(label="Update", button_type="success")
button.js_on_click(CustomJS(args=dict(source=source), code="""
    const data = source.data;
    const y = data['y'];
    for (var i = 0; i < y.length; i++) {
        y[i] = Math.pow(y[i], 2)
    }
    source.change.emit();
"""))

show(column(p, button))

此代码创建了一个折线图和一个按钮。单击按钮时，将调用 JavaScript 回调函数，将 y 值的平方用于新的数据。该回调函数将触发 source.change.emit() 方法，这将通知 Bokeh 更新图表数据。

Bokeh 数据表格

Bokeh 支持 DataFrame 和其他数据表格格式。它可以轻松将数据表换成图表，并轻松地对数据进行可视化。

以下是 Bokeh 数据表格的示例代码：

from bokeh.plotting import figure, output_file, show
from bokeh.models import ColumnDataSource, DataTable, TableColumn

import pandas as pd

output_file("data_table.html")

data = {'x': [1, 2, 3, 4, 5], 'y': [5, 4, 3, 2, 1]}
df = pd.DataFrame(data)

source = ColumnDataSource(df)

columns = [
    TableColumn(field="x", title="X"),
    TableColumn(field="y", title="Y"),
]

data_table = DataTable(source=source, columns=columns, width=400, height=280)

p = figure(title="Simple line example", x_axis_label='x', y_axis_label='y')
p.line('x', 'y', source=source)

layout = [[data_table], [p]]

show(layout)

此代码创建了一个带有数据表格的图表。数据表格包含 x 和 y 值，而图表显示 x 和 y 的线。单击数据表格中的列标头将对列进行排序。

Bokeh 导出图像

Bokeh 支持将图表保存为常见的图像文件格式（例如 PNG、SVG 和 PDF），这些文件格式可以用于打印或在 Web 上共享。

以下是 Bokeh 导出图像的示例代码：

from bokeh.plotting import figure, output_file, export_png

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

output_file("image.png")

p = figure(title="Simple line example", x_axis_label='x', y_axis_label='y')
p.line(x, y, legend_label="Line", line_width=2)

export_png(p, filename="image.png")

此代码将绘制的图表保存为图像。您可以将“ export_png”替换为“ export_svg”或“ export_pdf”，以将图表保存为不同的图像格式。

Bokeh 其他功能

Bokeh 还有许多未在本文章中介绍的功能，例如：

• 时间序列数据的可视化。
• GeoJSON 数据的可视化。
• 集成其他 JavaScript 可视化库，例如 D3.js。
• 使用 Python 调用 JavaScript。

总之，Bokeh 是一种强大的 Python 库，可以用于创建交互式的 Web 绘图。它提供了许多功能和工具，可以轻松地创建各种各样的可视化图表。