python可視化交互庫Bokeh 0.12.6 dev4綠色免費版

python可視化交互庫Bokeh 0.12.6 dev4綠色免費版是一個Python交互數據可視化庫，支持現代化 Web 瀏覽器，提供非常完美的展示功能。Bokeh 的目標是使用 D3.js 樣式提供優雅，簡潔新穎的圖形化風格，同時提供大型數據集的高性能交互功能。Boken 可以快速的創建交互式的繪圖，儀表盤和數據應用。

Bokeh的優勢

Bokeh允許你通過簡單的指令就可以快速創建複雜的統計圖，

Bokeh提供到各種媒體，如HTML，Notebook文檔和服務器的輸出

我們也可以將Bokeh可視化嵌入flask和django程序

Bokeh可以轉換寫在其它庫（如matplotlib, seaborn和ggplot）中的可視化

Bokeh能靈活地將交互式應用、布局和不同樣式選擇用於可視化

Bokeh麵臨的挑戰

與任何即將到來的開源庫一樣，Bokeh正在經曆不斷的變化和發展。所以，你今天寫的代碼可能將來並不能被完全再次使用。

與D3.js相比，Bokeh的可視化選項相對較少。因此，短期內Bokeh無法挑戰D3.js的霸主地位。

綜合Bokeh的優點及其麵臨的挑戰，Bokeh是當前用於快速開發原型產品的理想工具。然而，如果你想在產品的環境下搞點新東西，D3.js可能仍然是你最好的選擇。

用Bokeh實現可視化

Bokeh提供了強大而靈活的功能，使其操作簡單並高度定製化。它為用戶提供了多個可視化界麵，如下圖所示：

圖表（Charts）：一個高級接口（high-level interface），用以簡單快速地建立複雜的統計圖表。

繪圖（Plotting）：一個中級接口（intermediate-level interface），以構建各種視覺符號為核心。

模塊（Models）：一個低級接口（low-level interface），為應用程序開發人員提供最大的靈活性。

本文中，我們僅涉及前兩個接口，圖表（Charts）和繪圖（Plotting）。

圖表

如上所述，它是一個高級接口，用於通過標準的可視化方式呈現信息。這些方式包括箱形圖、柱狀圖、麵積圖、熱圖、甜甜圈圖和許多其它圖形。你隻需輸入數據框（data frames）、numpy數組或字典就可以生成這些圖。

讓我們來看看創建一個圖表的通用方法：

1. 導入庫和函數/方法

2. 準備數據

3. 設置輸出模式（Notebook文檔、Web瀏覽器或服務器）

4. 創建圖表並選擇圖表的樣式（如果需要）

5. 可視化圖表

為了更好地理解這些步驟，讓我用下麵的例子來演示一下：

圖表範例-1：使用Bokeh創建一個柱狀圖並在Web瀏覽器上顯示

我們將遵循上述列出的步驟來創建一個圖表：

在上麵的圖表中，你可以看到頂部的工具選項（縮放、調整大小、重置、旋轉縮放），這些工具可以幫助你與圖表進行互動。同時，你也可以看到多個圖表選項（圖例、X軸名標注、Y軸名標注、坐標網格線、寬度、高度等）和各種圖表的範例。

繪圖

Plotting是一個中級接口，是以構建視覺符號為核心的接口。在這裏，你可以綜合各種視覺元素（點、圓、線、補丁和許多其它元素）和工具（懸停、縮放、保存、重置和其它工具）來創建可視化。

使用Bokeh的Plotting接口創建的圖表自帶一組默認的工具和視覺效果。繪圖可按照以下步驟進行：

1. 導入庫、方法或函數

2. 選擇輸出方式（Notebook文檔、Web瀏覽器、服務器）

3. 激活圖（類似matplotlib）

4. 執行後續的繪圖操作，這將影響已經生成的圖形。

5. 圖表可視化

為了更好地理解這些步驟，讓我舉例演示：

繪圖範例-1：在Notebook文檔中創建二維散點圖（正方形標記）

同樣，你可以創建各種其它類型的圖：如線、角和圓弧、橢圓、圖像、補丁以及許多其它的圖。