Nachrichtensymbol
Zum Fußzeileninhalt springen
  1. IronPDF for Python
  2. IronPDF for Python Blog
  3. Python Unterstützung
  4. Bokeh in Python
PYTHON-HILFE

Bokeh zur Datenvisualisierung in Python verwenden

Curtis Chau
Curtis Chau
Aktualisiert:

Die Erstellung interaktiver Visualisierungen und deren Einbettung in hochwertige PDF-Veröffentlichungen kann leicht durch die Integration von Bokeh Python mit IronPDF für Python erreicht werden.

Bokeh ist ein robustes Python-Framework zur Erstellung hochwertiger, interaktiver Infografiken, die leicht geteilt und in Online-Apps eingebettet werden können. Tiefgehende Datenanalyse und -präsentation können durch die komplizierten Grafiken, die es erstellen kann, wie Blasendiagramme, Boxplots und Diagramme mit Fehlerbalken, stark unterstützt werden.

IronPDF ist in erster Linie eine .NET-Bibliothek, aber Sie können es nutzen, um seine Fähigkeiten zu erweitern. Durch die Nutzung von Bokeh für die visuelle Darstellung und IronPDF für die PDF-Erstellung können Benutzer effektiv komplexe und dynamische visuelle Daten in statische PDF-Berichte einfügen.

Das Erstellen von Visualisierungen mit Bokeh, das Exportieren dieser Diagramme als Bilder und dann die Verwendung von IronPDF, um diese Bilder in PDF-Dokumente einzubetten, macht diesen Integrationsprozess aus. Diese Methode kombiniert die besten Eigenschaften der Erzeugung statischer Dokumente mit interaktiven Visualisierungen, um Datenwissenschaftler, Analysten und Entwickler in die Lage zu versetzen, umfassende, ästhetisch ansprechende Berichte zu erstellen, die einfach zu verteilen und zu überprüfen sind.

Was ist Bokeh Python?

Bokeh Python bietet eine leistungsstarke Plotting-Schnittstelle mit seinem plotting-Import figure-Modul, das es Benutzern ermöglicht, eine Vielzahl interaktiver Datenvisualisierungen zu erstellen. Seine Flexibilität erstreckt sich auf das Layout-Management, wobei layouts import row und layouts import gridplot die nahtlose Anordnung mehrerer Plots erleichtert.

Als eine für moderne Webbrowser optimierte Bibliothek für interaktive Visualisierungen rendert Bokeh beeindruckende Bokeh-Plotting, die dynamisch auf Benutzerinteraktionen reagieren. Von einfachen Liniendiagrammen bis zu komplexen Balkendiagrammen übertreffen sich Bokeh bei der klaren und präzisen Darstellung von Datenpunkten, was es zu einem unschätzbaren Werkzeug für interaktive Datenvisualisierung, -erforschung und -präsentation macht.

Bokeh Python (How It Works For Developers): Figure 1

Bokeh eignet sich für eine Vielzahl von Datenwissenschafts- und Visualisierungsaufgaben, dank seiner breiten Auswahl an Plotstilen, zu denen Liniendiagramme, Balkendiagramme, Streudiagramme, Boxplots, Blasendiagramme und Diagramme mit Fehlerbalken gehören. Aufgrund des hohen Anpassungsgrades der Bibliothek können Benutzer Plotelemente wie Farben, Beschriftungen und Legenden ändern, um optisch ansprechende und bildende Bilder zu erzeugen.

Interaktive Plots

Mit Bokeh lassen sich interaktive Diagramme erstellen, die es Benutzern ermöglichen, Daten durch Zoomen, Schwenken und Überfahren tiefer zu erkunden. Für tiefere Einblicke und Datenrecherche oder selbst wenn Sie einfach nur öffentlich verfügbare Daten darstellen möchten, ist diese Interaktivität unerlässlich.

Hochwertige Visualisierungen

Bokeh erstellt optisch beeindruckende und hochwertige Visualisierungen, die sich für Veröffentlichungen und Präsentationen eignen. Die Bilder sollen sowohl bildend als auch ästhetisch ansprechend sein.

Anpassung

Bokeh bietet eine Vielzahl von Optionen zur Anpassung von Plots. Plotelemente, Farben, Beschriftungen und andere Merkmale sind vom Benutzer anpassbar, was maßgeschneiderte und genaue Darstellungen ermöglicht.

Serverseitige Interaktivität

Bokeh verfügt über einen integrierten Bokeh-Server, der es Ihnen ermöglicht, dynamische Dashboards und Online-Apps zu erstellen. Diese Fähigkeit ist perfekt für dynamische Datenvisualisierungsbedürfnisse, da sie das Echtzeit-Datenstreaming und -aktualisierungen erlaubt.

Integration mit Web-Technologien

Bokeh-Visualisierungen können als eigenständige HTML-Dateien exportiert oder in Web-Apps integriert werden. Diese Verbindung macht das Teilen interaktiver Visualisierungen im Internet einfach.

Widgets und Layouts

Bokeh erleichtert die Erstellung komplizierter Layouts und interaktiver Widgets (wie Dropdown-Menüs und Schieberegler), die die Erstellung anspruchsvoller Daten-Dashboards und Apps ermöglichen.

Umgang mit großen Datensätzen

Große Datensätze können mit Bokeh effektiv gehandhabt werden. Selbst mit großen Datenmengen verwendet es effektive Rendering-Algorithmen, um die Reaktionsfähigkeit und Interaktivität der Visualisierungen aufrechtzuerhalten.

Bokeh Python erstellen und konfigurieren

Von der Installation bis zur Erzeugung interaktiver Plots gibt es mehrere Schritte bei der Einrichtung und Konfiguration von Bokeh in Python.

Installieren Sie Bokeh

Sie müssen zuerst die Bokeh-Bibliothek installieren. Pip kann dafür verwendet werden:

pip install bokeh
pip install bokeh
SHELL

Bokeh-Bibliotheken importieren

Nach der Installation von Bokeh müssen die erforderlichen Teile von Bokeh importiert werden.

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

Daten vorbereiten und Plot erstellen

Bereiten Sie die Informationen für die Visualisierung vor. Diese Daten können als Pandas DataFrames, NumPy-Arrays oder Listen präsentiert werden. Die figure-Funktion in Bokeh kann verwendet werden, um einen neuen Plot zu erstellen. Die Anpassung von Plots umfasst das Ändern der Beschriftungen, Titel und anderer Details des Plots.

# Sample data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Bokeh figure
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')
# Sample data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Bokeh figure
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')
PYTHON

Renderer hinzufügen

Fügen Sie Renderer (wie Linien, Kreise und Balken) zum Plot hinzu, um Ihre Daten darzustellen.

# Add a line renderer
p.line(x, y, legend_label="Line Example", line_width=2)
# Add a line renderer
p.line(x, y, legend_label="Line Example", line_width=2)
PYTHON

Ausgabe konfigurieren

Geben Sie den gewünschten Ausgabestandort für den Plot an. Es kann inline angezeigt oder in eine Datei exportiert werden.

# Output to an HTML file
output_file("bokeh_plot.html")
# Output to an HTML file
output_file("bokeh_plot.html")
PYTHON

Zeigen Sie den Plot an

Verwenden Sie die Anzeigefunktion, um die Bokeh-Plots darzustellen.

# Show the plot
show(p)
# Show the plot
show(p)
PYTHON

Einstieg

Die Schritte zur Integration von Bokeh mit IronPDF in Python umfassen die Erstellung von interaktiven Visualisierungen mit Bokeh, deren Export als statische Fotos und dann die Erstellung eines PDF-Dokuments mit diesen Bildern. Wir werden die Python-Bibliothek IronPDF verwenden, um das PDF-Dokument zu erstellen.

Was ist IronPDF?

Verwenden Sie die leistungsstarke IronPDF für Python-Bibliothek, um PDF-Dateien zu erstellen, zu ändern und zu konvertieren. Es ermöglicht Programmierern, mit vorhandenen PDFs zu arbeiten, HTML in PDFs zu konvertieren und verschiedene programmierbasierte Aufgaben im Zusammenhang mit PDFs durchzuführen. IronPDF bietet eine anpassungsfähige und benutzerfreundliche Möglichkeit, hochwertige PDF-Dokumente zu erstellen, was es zu einer nützlichen Lösung für Anwendungen macht, die dynamische PDF-Erstellung und -Verarbeitung erfordern.

Bokeh Python (How It Works For Developers): Figure 2

Konvertieren Sie HTML in PDF

Sie können IronPDF verwenden, um HTML-Informationen in PDF-Dokumente zu konvertieren. Dies ermöglicht es, moderne HTML5-, CSS3- und JavaScript-Elemente zu nutzen, um optisch ansprechende PDF-Veröffentlichungen aus Webinhalten zu erstellen.

PDF-Erstellung und -Bearbeitung

Programmgesteuert erstellte neue PDF-Dokumente können Text, Bilder, Tabellen und anderes Material enthalten. IronPDF ermöglicht es Ihnen, vorhandene PDF-Dokumente zu öffnen und zu bearbeiten. Sie können den Inhalt des PDFs hinzufügen oder ändern sowie bestimmte Abschnitte entfernen.

Erweiterte Gestaltung und Layout

Verwenden Sie CSS, um den Inhalt in PDFs zu stylen. Dies beinhaltet Unterstützung für komplexe Layouts, Schriftarten, Farben und andere Designelemente. Erstellen Sie dynamisches Material in PDFs, indem Sie HTML-Inhalt rendern, der mit JavaScript verwendet werden kann.

Installieren Sie IronPDF

Pip kann verwendet werden, um IronPDF zu installieren. Um es zu installieren, verwenden Sie den folgenden Befehl:

pip install ironpdf
pip install ironpdf
SHELL

PDF-Dokument mit Bokeh-Diagrammen erstellen

Erstellen Sie ein Diagramm, indem Sie Bokeh verwenden. Lassen Sie uns ein einfaches Liniendiagramm erstellen, um dies zu veranschaulichen.

# Step 1: Import Bokeh Libraries
from bokeh.plotting import figure, output_file, show

# Step 2: Import the IronPDF library
from ironpdf import ChromePdfRenderer

# Prepare Your Data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Plot
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')

# Add a line renderer to the plot
p.line(x, y, legend_label="Line Example", line_width=2)

# Configure output to an HTML file
output_file("bokeh_plot.html")

# Show the plot (optional)
show(p)

# Step 3: Instantiate a PDF renderer
iron_pdf = ChromePdfRenderer()

# Render HTML content to the PDF
pdf = iron_pdf.RenderHtmlFileAsPdf("bokeh_plot.html")

# Save the generated PDF to a file
pdf.SaveAs("BokehPlot.pdf")

print("PDF document generated successfully.")
# Step 1: Import Bokeh Libraries
from bokeh.plotting import figure, output_file, show

# Step 2: Import the IronPDF library
from ironpdf import ChromePdfRenderer

# Prepare Your Data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Plot
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')

# Add a line renderer to the plot
p.line(x, y, legend_label="Line Example", line_width=2)

# Configure output to an HTML file
output_file("bokeh_plot.html")

# Show the plot (optional)
show(p)

# Step 3: Instantiate a PDF renderer
iron_pdf = ChromePdfRenderer()

# Render HTML content to the PDF
pdf = iron_pdf.RenderHtmlFileAsPdf("bokeh_plot.html")

# Save the generated PDF to a file
pdf.SaveAs("BokehPlot.pdf")

print("PDF document generated successfully.")
PYTHON

Hier importieren wir die erforderlichen Funktionen von Bokeh zuerst. Legen Sie die Beispieldatenwerte des Plots fest und erstellen Sie eine Bokeh-Figur mit Achsenbeschriftungen und einem Titel. Wir verwenden dann p.line(), um dem Plot einen Linien-Renderer hinzuzufügen. Die output_file()-Funktion wird von Bokeh importiert, um den Ausgabedateinamen für die HTML-Darstellung des Plots anzugeben.

Als Nächstes importieren wir aus IronPDF die ChromePdfRenderer-Klasse, die zum Rendern der HTML-Datei als PDF verwendet wird. Wir instanziieren den IronPDF-Renderer und verwenden die RenderHtmlFileAsPdf()-Methode, um die HTML-Datei in ein PDF zu konvertieren. Schließlich speichern wir das erzeugte PDF mit der SaveAs()-Methode.

Bokeh Python (How It Works For Developers): Figure 3

Abschluss

Abschließend, obwohl Bokeh Python und IronPDF nicht direkt integriert sind, können wir dennoch vergleichbare Funktionalität erreichen, indem wir Bokeh-Diagramme als Bilder exportieren und diese dann mit IronPDF in PDF-Dokumente einbetten. Während IronPDF for Python programmatische Fähigkeiten zur Erstellung von PDF-Dokumenten bietet, bietet Bokeh leistungsstarke Tools zur Erstellung dynamischer und auffälliger Diagramme.

Sie können einfach Bokeh-Diagramme in Ihre PDF-Berichte und -Dokumente hinzufügen, indem Sie die oben aufgeführten Anweisungen befolgen. Dies ermöglicht es, umfassende, ästhetisch ansprechende Texte mit dynamischer interaktiver Datenvisualisierung zu erstellen, die die Präsentation und Kommunikation von datenbasierten Erkenntnissen verbessern.

Durch die Einbindung von IronPDF und Iron Software-Produkten in Ihren Entwicklungsstapel können Sie sicherstellen, dass Ihre Kunden und Endbenutzer funktionsreiche, hochwertige Softwarelösungen erhalten. Darüber hinaus wird dies zur Optimierung von Prozessen und Projekten beitragen.

Mit ausführlicher Dokumentation, einer aktiven Community und regelmäßigen Updates ist IronPDF ein nützliches Werkzeug. IronPDF bietet eine kostenlose Testversion und verschiedene Preisoptionen, so dass Sie weiterhin das Beste aus diesem Produkt herausholen können. Iron Software ist ein zuverlässiger Partner für moderne Softwareentwicklungsprojekte.

Curtis Chau
Curtis Chau
  Jetzt mit dem Ingenieurteam chatten
Technischer Autor

Curtis Chau hat einen Bachelor-Abschluss in Informatik von der Carleton University und ist spezialisiert auf Frontend-Entwicklung mit Expertise in Node.js, TypeScript, JavaScript und React. Leidenschaftlich widmet er sich der Erstellung intuitiver und ästhetisch ansprechender Benutzerschnittstellen und arbeitet gerne mit modernen Frameworks sowie der Erstellung gut strukturierter, optisch ansprechender ...

Weiterlesen

Verwandte Artikel

30-Tage-Testversion → Volles Produkt. Keine Grenzen. Keine Karte. Gratis testen