PYTHON-HILFE

Bokeh zur Datenvisualisierung in Python verwenden

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

Aktualisiert:Juni 22, 2025

Die Erstellung interaktiver Visualisierungen und deren Einbettung in hochwertige PDF-Publikationen ist durch die Integration von Bokeh Python mit IronPDF for Python problemlos möglich.

Bokeh ist ein robustes Python-Framework zur Erstellung hochwertiger, interaktiver Infografiken, das sich leicht mit anderen teilen und in Online-Anwendungen einbetten lässt. Eine detaillierte Datenanalyse und -präsentation kann durch die komplizierten Diagramme, die damit erstellt werden können, wie z. B. Blasendiagramme, Boxplots und Diagramme mit Fehlerbalken, erheblich unterstützt werden.

IronPDF ist in erster Linie eine .NET-Bibliothek, aber Sie können sie nutzen, um ihre Fähigkeiten zu erweitern. Durch den Einsatz von Bokeh für die visuelle Darstellung und IronPDF für die PDF-Generierung können Benutzer komplexe und dynamische visuelle Daten in statische PDF-Berichte einfügen.

Die Erstellung von Visualisierungen mit Bokeh, der Export dieser Darstellungen als Bilder und die anschließende Verwendung von IronPDF zur Einbettung dieser Bilder in PDF-Dokumente bilden dieses Integrationsverfahren. Diese Methode kombiniert die besten Eigenschaften der statischen Dokumentenerstellung mit interaktiven Visualisierungen, um es Datenwissenschaftlern, Analysten und Entwicklern zu ermöglichen, umfassende, ästhetisch ansprechende Berichte zu erstellen, die einfach zu verteilen und zu überprüfen sind.

Was ist Bokeh Python?

Bokeh Python bietet mit dem Modul plotting import figure eine leistungsstarke Plot-Schnittstelle, mit der Benutzer eine breite Palette interaktiver Datenvisualisierungen erstellen können. Die Flexibilität erstreckt sich auch auf die Layout-Verwaltung, wo layouts import row und layouts import gridplot die nahtlose Anordnung mehrerer Plots erleichtern.

Als interaktive Visualisierungsbibliothek, die für moderne Webbrowser optimiert ist, rendert Bokeh beeindruckende Bokeh-Darstellungen, die dynamisch auf Benutzerinteraktionen reagieren. Von einfachen Liniendiagrammen bis hin zu komplexen Balkendiagrammen zeichnet sich Bokeh durch eine klare und präzise Darstellung von Datenpunkten aus, was es zu einem unschätzbaren Werkzeug für die interaktive Datenvisualisierung, -erforschung und -präsentation macht.

Bokeh Python (Wie es für Entwickler funktioniert): Abbildung 1

Bokeh eignet sich für eine Vielzahl von datenwissenschaftlichen und Visualisierungsaufgaben, da es eine große Auswahl an Darstellungsformen bietet, darunter Liniendiagramme, Balkendiagramme, Streudiagramme, Boxplots, Blasendiagramme und Diagramme mit Fehlerbalken. Aufgrund des hohen Anpassungsgrads der Bibliothek können die Benutzer Plot-Elemente wie Farben, Beschriftungen und Legenden ändern, um visuell ansprechende und lehrreiche Bilder zu erstellen.

Interaktive Diagramme

Mit Bokeh können interaktive Diagramme erstellt werden, die es dem Benutzer ermöglichen, Daten durch Zoomen, Schwenken und Bewegen des Mauszeigers zu vertiefen. Für tiefere Einblicke und Datenrecherchen oder auch wenn Sie nur öffentlich verfügbare Daten darstellen wollen, ist diese Interaktivität unerlässlich.

Hochwertiges Bildmaterial

Bokeh erstellt visuell beeindruckende und hochwertige Visualisierungen, die für Veröffentlichungen und Präsentationen geeignet sind. Die Bilder sollen sowohl lehrreich als auch ästhetisch ansprechend sein.

Anpassung

Bokeh bietet eine breite Palette von Möglichkeiten zur Anpassung des Plots. Plot-Elemente, Farben, Beschriftungen und andere Funktionen sind alle vom Benutzer anpassbar, so dass individuelle und genaue Anzeigen möglich sind.

Server-seitige Interaktivität

Bokeh wird mit einem integrierten Bokeh-Server geliefert, mit dem Sie dynamische Dashboards und Online-Anwendungen erstellen können. Diese Funktion eignet sich perfekt für die dynamische Datenvisualisierung, da sie das Streamen und Aktualisieren von Daten in Echtzeit ermöglicht.

Integration mit Webtechnologien

Bokeh-Visualisierungen können als eigenständige HTML-Dateien exportiert oder in Webanwendungen integriert werden. Das Teilen von interaktiven Visualisierungen im Internet wird durch diese Verbindung vereinfacht.

Widgets und Layouts

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

Verarbeitung großer Datensätze

Große Datensätze können von Bokeh effektiv verarbeitet werden. Selbst bei großen Datenmengen werden effektive Rendering-Algorithmen verwendet, um die Reaktionsfähigkeit und Interaktivität der Visualisierungen zu erhalten.

Erstellen und Konfigurieren von Bokeh Python

Die Einrichtung und Konfiguration von Bokeh in Python erfolgt in mehreren Schritten, von der Installation bis zur interaktiven Plotgenerierung.

Bokeh installieren

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

pip install bokeh

pip install bokeh

SHELL

Bokeh-Bibliotheken importieren

Nach der Installation von Bokeh müssen Sie die benötigten Teile aus Bokeh importieren.

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

PYTHON

Daten vorbereiten und ein Diagramm erstellen

Bereiten Sie die Informationen für die Visualisierung vor. Diese Daten können als Pandas DataFrames, NumPy Arrays oder Listen dargestellt werden. Mit der Funktion figure in Bokeh kann ein neues Diagramm erstellt werden. Die Plotanpassung umfasst das Ändern von Beschriftungen, Titeln und anderen 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

Um Ihre Daten darzustellen, fügen Sie Renderer (z. B. Linien, Kreise und Balken) in die Darstellung ein.

# 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 Ausgabeort für den Plot an. Sie kann inline betrachtet 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

Den Plot anzeigen

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

# Show the plot
show(p)

# Show the plot
show(p)

PYTHON

Einstieg

Die Integration von Bokeh in IronPDF for Python umfasst die Erstellung interaktiver Visualisierungen mit Bokeh, den Export dieser Bilder als statische Fotos und die anschließende 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 robuste IronPDF for Python-Bibliothek, um PDF-Dateien zu erstellen, zu ändern und zu konvertieren. Sie ermöglicht es Programmierern, mit vorhandenen PDFs zu arbeiten, HTML in PDFs zu konvertieren und verschiedene programmierbasierte Aufgaben im Zusammenhang mit PDFs auszuführen. IronPDF bietet eine anpassbare und benutzerfreundliche Möglichkeit zur Erstellung hochwertiger PDF-Dokumente und ist damit eine nützliche Lösung für Anwendungen, die eine dynamische PDF-Erzeugung und -Verarbeitung erfordern.

Bokeh Python (Wie es für Entwickler funktioniert): Abbildung 2

Konvertieren von HTML in PDF

Sie können IronPDF verwenden, um HTML-Informationen in PDF-Dokumente zu konvertieren. Dies ermöglicht die Nutzung von modernem HTML5, CSS3 und JavaScript, um visuell ansprechende PDF-Publikationen aus Webinhalten zu erstellen.

PDF-Erstellung und -Bearbeitung

Programmatisch erstellte neue PDF-Dokumente können mit Text, Bildern, Tabellen und anderem Material versehen werden. Mit IronPDF können Sie vorhandene PDF-Dokumente öffnen und bearbeiten. Sie können den Inhalt der PDF-Datei ergänzen oder ändern und auch bestimmte Abschnitte entfernen.

Erweitertes Styling und Layout

Verwenden Sie CSS, um den Inhalt in PDFs zu gestalten. Dazu gehört auch die Unterstützung von komplexen Layouts, Schriftarten, Farben und anderen Designelementen. Erstellen Sie dynamisches Material in PDFs durch Rendering von HTML-Inhalten, die mit JavaScript verwendet werden können.

IronPDF installieren

Pip kann zur Installation von IronPDF verwendet werden. Zur Installation verwenden Sie den folgenden Befehl:

pip install ironpdf

pip install ironpdf

SHELL

PDF-Dokument mit Bokeh-Diagrammen generieren

Erstellen Sie ein Diagramm unter Verwendung von Bokeh. Erstellen wir ein einfaches Liniendiagramm, 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 zunächst die erforderlichen Funktionen von Bokeh. Legen Sie die Werte der Beispieldaten fest und erzeugen Sie eine Bokeh-Abbildung mit Achsenbeschriftungen und einem Titel. Anschließend verwenden wir p.line(), um dem Diagramm einen Linien-Renderer hinzuzufügen. Die Funktion output_file() wird aus Bokeh importiert, um den Namen der Ausgabedatei für die HTML-Darstellung des Plots anzugeben.

Als Nächstes importieren wir von IronPDF die Klasse ChromePdfRenderer, die zum Rendern der HTML-Datei als PDF verwendet wird. Wir instanziieren den IronPDF-Renderer und verwenden die Methode RenderHtmlFileAsPdf(), um die HTML-Datei in eine PDF-Datei zu konvertieren. Zum Schluss speichern wir die generierte PDF-Datei mit der Methode SaveAs().

Bokeh Python (Wie es für Entwickler funktioniert): Abbildung 3

Abschluss

Zusammenfassend lässt sich sagen, dass Bokeh Python und IronPDF zwar nicht direkt integriert sind, aber dennoch eine vergleichbare Funktionalität bieten, indem man Bokeh-Diagramme als Bilder exportiert und sie dann mit IronPDF in PDF-Dokumente einbettet. Während IronPDF für Python programmatische Möglichkeiten zur Erstellung von PDF-Dokumenten bietet, verfügt Bokeh über leistungsstarke Werkzeuge zur Erstellung dynamischer und ansprechender Diagramme.

Sie können Bokeh-Diagramme ganz einfach zu Ihren PDF-Berichten und -Dokumenten hinzufügen, indem Sie die oben aufgeführten Anweisungen befolgen. Dies ermöglicht die Erstellung gründlicher, ästhetisch ansprechender Texte mit dynamischer, interaktiver Datenvisualisierung, die die Präsentation und Kommunikation datengestützter Erkenntnisse verbessert.

Wenn Sie die Produkte von IronPDF und Iron Software in Ihr Entwicklungspaket aufnehmen, können Sie sicherstellen, dass Ihre Kunden und Endbenutzer funktionsreiche, hochwertige Softwarelösungen erhalten. Darüber hinaus wird dies zur Prozess- und Projektoptimierung beitragen.

Mit einer ausführlichen Dokumentation, einer aktiven Community und regelmäßigen Updates ist IronPDF ein großartiges Tool, das man immer zur Hand haben sollte. IronPDF bietet eine kostenlose Testversion und verschiedene Preisoptionen an, so dass Sie auch weiterhin das Beste aus diesem Produkt herausholen können. Iron Software ist ein zuverlässiger Partner für moderne Softwareentwicklungsprojekte.

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 ...