目錄
要安裝此型別，請在終端中輸入以下命令。
pip install bok程式設計客棧eh
散點圖中散景可以使用繪圖模組的散射（）方法被繪製。這裡分別傳遞 x 和 y 座標。
例子：# 匯入模組
from bokeh.plotting import figure, output_file, show
from 程式設計客棧bokeh.palettes import magma
import pandas as pd
# 例項化圖形物件
graph = figure(title = "bokeh scatter graph")
# 讀取資料庫
data = pd.read_csv("tips.csv")
color = magma(256)
# 繪製圖形
graph.scatter(data['total_bill'], data['tip'], color=color)
# 展示模型
show(graph)
輸出:例子：
# 匯入模組from bokeh.plotting import figure, output_file, showimport pandas as pd# 例項化圖形物件graph = figure(title = "bokeh bar chart")# 讀取資料庫data = pd.read_csv("tips.csv")# 提示列的每個唯一值的計數df = data['tip'].value_counts()# 繪製圖形graph.line(df, data['tip'])# 展示模型show(graph)輸出:
條形圖可以有水平條和垂直條兩種型別。 每個都可以分別使用繪圖介面的 hbar() 和 vbar() 函式建立。
例子：# 匯入模組from bokeh.plotting import figure, output_file, showimport pandas as pd# 例項化圖形物件graph = figure(title = "bokeh bar chart")# 讀取資料庫data = pd.read_csv("tips.csv")# 繪製圖形graph.vbar(data['total_bill'], top=data['tip'])# 展示模型show(graph)輸出:
bokeh 的主要功能之一是為繪圖新增互動性。 讓我們看看可以新增的各種互動。
click_policy屬性使圖例具有互動性。 有兩種型別的互動
例子：# 匯入模組
from bokeh.plotting import figure, output_file, show
import pandas as pd
# 例項化圖形物件
graph = figure(title = "bokeh bar chart")
# 讀取資料庫
data = pd.read_csv("tips.csv")
# 繪製圖形
graph.vbar(data['total_bill'], top=dwpwhbodwata['tip'],
legend_label = "bill vs tips", color='green')
graph.vbar(data['tip'], top=data['size'],
legend_label = "tips vs size", color='red')
graph.legend.click_policy = "hide"
# 展示模型
show(graph)
輸出:bokeh 提供了類似於 html 表單的 gui 功能，如按鈕、滑塊、核取方塊等。這些為繪圖提供了乙個互動介面，允許更改繪圖引數、修改繪圖資料等。讓我們看看如何使用和新增一些常用的小部件。
按鈕這個小部件向繪圖新增了乙個簡單的按鈕小部件。 我們必須將自定義 j**ascript 函式傳遞給模型類的 customjs() 方法。
核取方塊向圖中新增標準核取方塊。與按鈕類似，我們必須將自定義 j**ascript 函式傳遞給模型類的 customjs() 方法。
單選按鈕
新增乙個簡單的單選按鈕並接受自定義 j**ascript 函式。
例子：from bokeh.io import show
from bokeh.models import button, checkboxgroup, radiogroup, customjs
button = button(label="gfg")
button.js_on_click(customjs(
code="console.log('button: click!', this.tostring())"))
# 核取方塊和單選按鈕的標籤
l = ["first", "second", "third"]
# 活動引數wpwhbodw集預設檢查選定的值
checkbox_group = checkboxgroup(labels=l, active=[0, 2])
checkbox_group.js_on_click(customjs(code="""
console.log('checkbox_group: active=' + this.active, this.tostring())
"""))
# 活動引數集預設檢查選定的值
radio_group = radiogroup(labels=l, active=1)
radio_group.js_on_click(customjs(code="""
console.log('radio_group: active=' + this.active, this.tostring())
"""))
show(button)
show(checkbox_group)
show(radio_group)
輸出:注意: 所有這些按鈕都將在新選項卡上開啟。
滑塊: 向繪圖新增乙個滑塊。 它還需要乙個自定義的 j**ascript 函式。
示例:from bokeh.io import show
from bokeh.models import customjs, slider
slider = slider(start=1, end=20, value=1, step=2, title="slider")
slider.js_on_change("value", customjs(code="""
console.log('slider: value=' + this.value, this.tostring())
"""))
show(slider)
輸出:同樣，更多的小部件可用，如下拉列表或選項卡小部件可以新增。
下一節我們繼續談第四個庫—— plotly
本文標題: python 資料視覺化之bokeh詳解
本文位址:
python資料視覺化之matplotlib
用matplotlib進行資料視覺化探索 一.柱狀圖 import matplotlib.pyplot as plt import matplotlib import pandas as pd import numpy as npdef bar plot bar plot 生成測試資料 means ...
Python資料視覺化之Matplotlib基礎
python資料視覺化之matplotlib學習筆記 1 簡介 matplotlib是python最著名的繪相簿，它提供了一整套類似matlab的api，非常適合互動式繪圖。它的文件相當完備，並且 gallery頁面 中有上百幅縮圖，開啟之後都有源程式。因此如果你需要繪製某種型別的圖，只需要在這個頁...
Python之pyplot 資料視覺化
先導入pyplot import matplotlib.pyplot as plt 生成0 25之間均分的40個數 x np.linspace 0,25,40 y np.copy x 將y打亂 np.random.shuffle y print x end print x print y end p...