Usando Bokeh para la Visualización de Datos en Python

Tramas interactivos

Bokeh permite crear gráficos interactivos que dejan a los usuarios explorar datos en mayor profundidad haciendo zoom, desplazándose y pasando el cursor sobre ellos. Para obtener ideas más profundas e investigación de datos, o incluso si solo quieres trazar datos disponibles públicamente, esta interactividad es esencial.

Visuales de alta calidad

Bokeh crea visualizaciones impresionantes y de alta calidad que son adecuadas para publicaciones y presentaciones. Las imágenes están destinadas a ser tanto educativas como estéticamente placenteras.

Personalización

Bokeh proporciona una amplia variedad de opciones de personalización de trazados. Los elementos del trazado, colores, etiquetas y otras características son ajustables por el usuario, lo que permite muestras personalizadas y precisas.

Interactividad del lado del servidor

Bokeh viene con un servidor Bokeh integrado que te permite crear paneles de control dinámicos y aplicaciones en línea. Esta capacidad es perfecta para las necesidades de visualización de datos dinámicos porque permite la transmisión y actualización de datos en tiempo real.

Integración con tecnologías web

Las visualizaciones de Bokeh pueden ser exportadas como archivos HTML independientes o integradas en aplicaciones web. Compartir visualizaciones interactivas en internet se hace sencillo con esta conexión.

Widgets y diseños

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

Manejo de grandes conjuntos de datos

Bokeh maneja eficazmente grandes conjuntos de datos. Incluso con grandes volúmenes de datos, hace uso de algoritmos de representación efectivos para mantener la capacidad de respuesta e interactividad de las visualizaciones.

Instalar Bokeh

Debes instalar la biblioteca Bokeh primero. Pip se puede usar para esto:

pip install bokeh

pip install bokeh

Importar bibliotecas Bokeh

Después de instalar Bokeh, debes importar las partes necesarias de Bokeh.

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

Preparar datos y crear un gráfico

Prepara la información para la visualización. Estos datos pueden presentarse como Pandas DataFrames, NumPy matrices o listas. La función figure de Bokeh se puede utilizar para crear un nuevo gráfico. La personalización del trazado incluye cambiar las etiquetas del trazado, títulos y otros detalles.

# 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 tus datos, añade representadores (como líneas, círculos y barras) al gráfico.

# 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

Indica la ubicación de salida deseada para el gráfico. Se puede ver en línea o exportar 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 trama

Utiliza la función de visualización para renderizar los gráficos Bokeh.

# Show the plot
show(p)

# Show the plot
show(p)

¿Qué es IronPDF?

pip install ironpdf

pip install ironpdf

Generar documento PDF con gráficos Bokeh

Crea un gráfico utilizando Bokeh. Haremos un gráfico de líneas básico para ilustrar esto.

# 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.")

P Luego usamos p.line() para agregar un renderizador de línea al gráfico. La función output_file() se importa de Bokeh para especificar el nombre del archivo de salida para la representación HTML del gráfico.

A continuación, desde IronPDF, importamos la clase ChromePdfRenderer, que se utiliza para representar el archivo HTML como PDF. Instanciamos el renderizador IronPDF y usamos el método RenderHtmlFileAsPdf() para convertir el archivo HTML en un PDF. Por último, guardamos el PDF generado utilizando el método SaveAs().