首頁 > 文章 > 後端開發 > Bokeh 是一個有趣的 Python 資料視覺化資料工具

Bokeh 是一個有趣的 Python 資料視覺化資料工具

王林原創: 2024-09-08 16:30:04840瀏覽

資料視覺化在解釋大量資訊方面發揮關鍵作用。 Bokeh 等工具已成為建立互動式儀表板和報告的熱門解決方案。每個工具都具有獨特的優勢，具體取決於您專案的複雜性和您首選的程式語言。在本文中，我們將深入研究每個工具，然後專注於 Bokeh，包括實踐範例和雲端中的部署。

所以...

什麼是散景？
Bokeh 是一個互動式視覺化函式庫，針對現代 Web 瀏覽器進行示範。它提供優雅簡潔的圖形，使開發人員能夠建立具有高級互動性的儀表板。 Bokeh 特別適合使用 Python 的資料科學家和開發人員，提供高階介面和對繪圖的精細控制。

如何使用這個工具？

安裝依賴項：

pip 安裝散景
pip 安裝gunicorn

創建情節：在這種情況下，我在主頁中開發了兩個圖，然後我稱之為「app.py」

Bokeh an interesting data tool in python for data visualization

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

# Sample data for line plot
line_data = {
    'x': [1, 2, 3, 4, 5],
    'y1': [6, 7, 2, 4, 7],
    'y2': [1, 4, 8, 6, 9]
}

# Data for scatter plot
N = 4000
x_scatter = np.random.random(size=N) * 100
y_scatter = np.random.random(size=N) * 100
radii = np.random.random(size=N) * 1.5
colors = np.array([(r, g, 150) for r, g in zip(50 + 2 * x_scatter, 30 + 2 * y_scatter)], dtype="uint8")

# Create ColumnDataSource for line plot
source = ColumnDataSource(data={'x': line_data['x'], 'y': line_data['y1']})

# Create a figure for line plot
plot_line = figure(title="Interactive Line Plot", x_axis_label='X', y_axis_label='Y')
line1 = plot_line.line('x', 'y', source=source, line_width=3, color='blue', legend_label='y1')
line2 = plot_line.line('x', 'y2', source=source, line_width=3, color='red', legend_label='y2', line_alpha=0.5)

# Create a figure for scatter plot
plot_scatter = figure(title="Scatter Plot", tools="hover,crosshair,pan,wheel_zoom,zoom_in,zoom_out,box_zoom,undo,redo,reset,tap,save,box_select,poly_select,lasso_select,examine,help")
plot_scatter.circle(x_scatter, y_scatter, radius=radii,
                    fill_color=colors, fill_alpha=0.6,
                    line_color=None)

# Dropdown widget to select data for line plot
select = Select(title="Y-axis data", value='y1', options=['y1', 'y2'])

# Update function to change data based on selection
def update(attr, old, new):
    selected_y = select.value
    source.data = {'x': line_data['x'], 'y': line_data[selected_y]}
    # Update line colors based on selection
    line1.visible = (selected_y == 'y1')
    line2.visible = (selected_y == 'y2')
    plot_line.title.text = f"Interactive Line Plot - Showing {selected_y}"

select.on_change('value', update)

# Arrange plots and widgets in a layout
layout = column(select, plot_line, plot_scatter)

# Add layout to current document
curdoc().add_root(layout)
`

在 Heroku 中建立您的頁面並執行後續步驟。