Uso de Bokeh para la visualización de datos en Python

La creación de visualizaciones interactivas y su incrustación en publicaciones PDF de alta calidad puede realizarse con facilidad integrando Bokeh Python con IronPDF for Python.

Bokeh es un robusto framework de Python para crear infografías interactivas de alta calidad que se pueden compartir e integrar fácilmente en aplicaciones en línea. El análisis y la presentación de datos en profundidad pueden verse enormemente facilitados por los complicados gráficos que puede crear, como gráficos de burbujas, gráficos de cajas y gráficos con barras de error.

IronPDF es principalmente una biblioteca .NET, pero puede utilizarla para mejorar su capacidad. Mediante la utilización de Bokeh para la representación visual e IronPDF para la generación de PDF, los usuarios pueden incluir eficazmente datos visuales complejos y dinámicos en informes PDF estáticos.

Este procedimiento de integración consiste en crear visualizaciones con Bokeh, exportarlas como imágenes y utilizar IronPDF para incrustarlas en documentos PDF. Este método combina las mejores características de la generación de documentos estáticos con visualizaciones interactivas para permitir a los científicos de datos, analistas y desarrolladores crear informes completos y estéticamente ricos que sean sencillos de distribuir y revisar.

¿Qué es Bokeh Python?

Bokeh Python ofrece una potente interfaz de trazado con su módulo plotting import figure, que permite a los usuarios crear una amplia gama de visualizaciones interactivas de datos. Su flexibilidad se extiende a la gestión de los trazados, donde layouts import row y layouts import gridplot facilitan la disposición de múltiples trazados sin problemas.

Bokeh es una biblioteca de visualización interactiva optimizada para los navegadores web modernos, que ofrece asombrosos trazados bokeh que responden dinámicamente a las interacciones del usuario. Desde simples gráficos de líneas a complejos gráficos de barras, Bokeh destaca en la transmisión de puntos de datos con claridad y precisión, por lo que es una herramienta muy valiosa para la visualización interactiva de datos, exploración y presentación.

Bokeh es apropiado para una gran variedad de trabajos de visualización y ciencia de datos debido a su amplia selección de estilos de gráficos, que incluyen gráficos de líneas, gráficos de barras, gráficos de dispersión, gráficos de cajas, gráficos de burbujas y gráficos con barras de error. Gracias al alto grado de personalización de la biblioteca, los usuarios pueden alterar elementos de la trama como colores, etiquetas y leyendas para producir imágenes visualmente atractivas y educativas.

Parcelas interactivas

Bokeh permite crear gráficos interactivos que permiten a los usuarios explorar los datos en mayor profundidad haciendo zoom, desplazándose y pasando el ratón por encima. Esta interactividad es esencial para profundizar en el conocimiento y la investigación de los datos, o incluso si sólo quieres trazar los datos disponibles públicamente.

Imágenes de alta calidad

Bokeh crea visualizaciones impactantes y de alta calidad, adecuadas para su publicación y presentación. Las imágenes pretenden ser a la vez educativas y estéticas.

Personalización

Bokeh ofrece una amplia gama de opciones de personalización de la trama. El usuario puede ajustar los elementos del gráfico, los colores, las etiquetas y otras características, lo que permite una visualización personalizada y precisa.

Interactividad en el servidor

Bokeh incluye un servidor Bokeh integrado que permite crear cuadros de mando dinámicos y aplicaciones en línea. Esta capacidad es perfecta para las necesidades de visualización de datos dinámicos, ya que permite la transmisión y actualización de datos en tiempo real.

Integración con tecnologías web

Las visualizaciones de Bokeh pueden exportarse como archivos HTML independientes o integrarse en aplicaciones web. Compartir visualizaciones interactivas en Internet es muy sencillo gracias a esta conexión.

Widgets y diseños

Bokeh facilita la producción de diseños intrincados y widgets interactivos(como menús desplegables y deslizadores) que permiten crear sofisticados cuadros de mando de datos y aplicaciones.

Manejo de grandes conjuntos de datos

Bokeh puede gestionar eficazmente grandes conjuntos de datos. Incluso con grandes volúmenes de datos, hace uso de eficaces algoritmos de renderizado para mantener la capacidad de respuesta y la interactividad de las visualizaciones.

Crear y configurar Bokeh Python

Desde la instalación hasta la generación interactiva de gráficos, hay varios pasos para instalar y configurar Bokeh en Python.

Instalar Bokeh

Primero debe instalar la biblioteca Bokeh. Para ello se puede utilizar Pip:

pip install bokeh

Importar bibliotecas Bokeh

Después de instalar Bokeh, debe importar las piezas necesarias de Bokeh.

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

Preparar los datos y crear un gráfico

Prepara la información para su visualización. Estos datos pueden presentarse como Pandas DataFrames, NumPy arrays, o listas. La función figure de Bokeh puede utilizarse para crear un nuevo gráfico. La personalización de la parcela incluye el cambio de las etiquetas, títulos y otros detalles de la parcela.

# 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')

Añadir renderizadores

Para representar sus datos, añada renderizadores(como líneas, círculos y barras) a la trama.

# 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)

Configurar salida

Indique la ubicación de salida deseada para la parcela. Puede verse en línea o exportarse a un archivo.

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

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

Mostrar la parcela

Utilice la función de visualización para representar los trazados Bokeh.

# Show the plot
show(p)

# Show the plot
show(p)

Primeros pasos

Crear visualizaciones interactivas utilizando Bokeh, exportarlas como fotos estáticas y luego producir un documento PDF con estas imágenes son los pasos necesarios para integrar Bokeh con IronPDF en Python. Utilizaremos la librería de Python IronPDF para construir el documento PDF.

¿Qué es IronPDF?

Utilice la robusta biblioteca IronPDF for Python para crear, modificar y convertir archivos PDF. Permite a los programadores trabajar con PDF existentes, convertir HTML en PDF y realizar diversas tareas de programación asociadas a los PDF. IronPDF ofrece una forma ajustable y fácil de usar de crear documentos PDF de alta calidad, lo que lo convierte en una solución útil para aplicaciones que requieren la generación y el procesamiento dinámicos de PDF.

Convertir HTML a PDF

Puede utilizar IronPDF para convertir información HTML en documentos PDF. Esto permite aprovechar HTML5, CSS3 y JavaScript contemporáneos para crear publicaciones PDF visualmente atractivas a partir de contenido web.

Creación y edición de PDF

A los nuevos documentos PDF creados mediante programación se les puede añadir texto, imágenes, tablas y otros materiales. IronPDF permite abrir y editar documentos PDF existentes. Puede añadir o modificar el contenido del PDF, así como eliminar secciones concretas.

Estilización y diseño avanzados

Utilice CSS para dar estilo al contenido de los PDF. Esto incluye la compatibilidad con diseños complejos, fuentes, colores y otros elementos de diseño. Cree material dinámico en PDF mediante la representación de contenido HTML que puede utilizarse con JavaScript.

Instalar IronPDF

Pip puede utilizarse para instalar IronPDF. Para instalarlo, utilice el siguiente comando:

pip install ironpdf

Generar documento PDF con gráficos Bokeh

Haz un gráfico utilizando Bokeh. Hagamos un gráfico lineal básico para ilustrarlo.

# Step 1: Import Bokeh Libraries
from bokeh.plotting import figure, output_file, show
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 Renderers
p.line(x, y, legend_label="Line Example", line_width=2)

# Configure Output
output_file("bokeh_plot.html")

# Create a PDF document
iron_pdf = ChromePdfRenderer()

# Add HTML content to the PDF (you can also add text, CSS, or JavaScript)
pdf = iron_pdf.RenderHtmlFileAsPdf("bokeh_plot.html")

# Save the PDF document
pdf.SaveAs("BokehPlot.pdf")

print("PDF document generated successfully.")

# Step 1: Import Bokeh Libraries
from bokeh.plotting import figure, output_file, show
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 Renderers
p.line(x, y, legend_label="Line Example", line_width=2)

# Configure Output
output_file("bokeh_plot.html")

# Create a PDF document
iron_pdf = ChromePdfRenderer()

# Add HTML content to the PDF (you can also add text, CSS, or JavaScript)
pdf = iron_pdf.RenderHtmlFileAsPdf("bokeh_plot.html")

# Save the PDF document
pdf.SaveAs("BokehPlot.pdf")

print("PDF document generated successfully.")

Importamos las funciones necesarias de Bokeh. Establezca los valores de los datos de muestra del gráfico y produzca una figura Bokeh con etiquetas de eje y un título. A continuación, utilice p.line() para añadir un renderizador de líneas al gráfico. Utilice output_file de Bokeh()` método para exportar el gráfico Bokeh como archivo HTML, o imagen(como un PNG).

El archivo_de_salida()la función es importada de Bokeh. El gráfico Bokeh también puede exportarse como archivo HTML utilizando el nombre de archivo indicado. Cree un documento PDF con IronPDF e inserte en él el gráfico Bokeh exportado.

De IronPDF, importamos la clase ChromePdfRenderer. Iniciamos una nueva instancia de IronPDF. Uso de RenderHtmlFileAsPdf(), añadimos el archivo HTML del gráfico Bokeh exportado al documento PDF. Por último, utilizamos SaveAs() para guardar el documento PDF.

Conclusión

En conclusión, aunque Bokeh Python y IronPDF no están directamente integrados, podemos lograr una funcionalidad comparable exportando gráficos Bokeh como imágenes y utilizando IronPDF para incrustarlos en documentos PDF. Mientras que IronPDF proporciona a Python capacidades programáticas para crear documentos PDF, Bokeh ofrece sólidas herramientas para crear gráficos dinámicos y vistosos.

Puede añadir fácilmente gráficos Bokeh a sus informes y documentos PDF siguiendo las instrucciones indicadas. Esto permite producir textos minuciosos y estéticamente agradables con una visualización de datos interactiva y dinámica que mejora la forma de presentar y comunicar los conocimientos basados en datos.

Al incluir los productos IronPDF y Iron Software en su pila de desarrollo, puede asegurarse de que sus clientes y usuarios finales reciban soluciones de software de gama alta y ricas en funciones. Además, esto ayudará a optimizar procesos y proyectos.

Con una documentación exhaustiva, una comunidad activa y actualizaciones periódicas, IronPDF es una gran herramienta para tener a mano. IronPDF ofrece una prueba gratuita y precios a partir de $749, para que puedas seguir aprovechando al máximo este producto. Iron Software es un socio fiable para proyectos modernos de desarrollo de software.