Używanie Bokeh do wizualizacji danych w Python

Interaktywne wykresy

Bokeh umożliwia tworzenie interaktywnych wykresów, które pozwalają użytkownikom na głębszą analizę danych poprzez Zoom, przesuwanie i najeżdżanie kursorem. Ta interaktywność jest niezbędna do uzyskania głębszego wglądu i badania danych, a nawet jeśli chcesz po prostu wykreślić publicznie dostępne dane.

Wysokiej jakości grafika

Bokeh tworzy oszałamiające wizualnie i wysokiej jakości wizualizacje, które nadają się do publikacji i prezentacji. Obrazy mają charakter zarówno edukacyjny, jak i estetyczny.

Dostosowanie

Bokeh oferuje szeroki wybór opcji dostosowywania wykresów. Elementy wykresu, kolory, etykiety i inne funkcje są regulowane przez użytkownika, co umożliwia spersonalizowane i dokładne wyświetlanie.

Interaktywność po stronie serwera

Bokeh jest wyposażony w zintegrowany serwer Bokeh, który umożliwia tworzenie dynamicznych pulpitów nawigacyjnych i aplikacji internetowych. Ta funkcja idealnie nadaje się do dynamicznej wizualizacji danych, ponieważ pozwala na strumieniowe przesyłanie i aktualizowanie danych w czasie rzeczywistym.

Integracja z technologiami internetowymi

Wizualizacje Bokeh można eksportować jako samodzielne pliki HTML lub zintegrować z aplikacjami internetowymi. Dzięki temu połączeniu udostępnianie interaktywnych wizualizacji w Internecie jest proste.

Widżety i układy

Bokeh ułatwia tworzenie skomplikowanych układów i interaktywnych widżetów (takich jak menu rozwijane i suwaki), które pozwalają na tworzenie zaawansowanych pulpitów danych i aplikacji.

Obsługa dużych zbiorów danych

Bokeh pozwala na efektywne przetwarzanie dużych zbiorów danych. Nawet przy dużych ilościach danych wykorzystuje skuteczne algorytmy renderowania, aby zachować responsywność i interaktywność wizualizacji.

Zainstaluj Bokeh

Najpierw należy zainstalować bibliotekę Bokeh. Można do tego użyć programu Pip:

pip install bokeh

pip install bokeh

Importuj biblioteki Bokeh

Po zainstalowaniu Bokeh należy zaimportować wymagane części z Bokeh.

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

Przygotuj dane i utwórz wykres

Przygotuj informacje do wizualizacji. Dane te mogą być przedstawione jako Pandas ramki danych, NumPy tablice lub listy. Funkcja figure w Bokeh może służyć do tworzenia nowego wykresu. Dostosowanie wykresu obejmuje zmianę etykiet, tytułów i innych szczegółów wykresu.

# 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')

Dodaj renderery

Aby przedstawić dane, dodaj do wykresu elementy renderujące (takie jak linie, okręgi i słupki).

# 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)

Konfiguracja wyników

Wskaż żądaną lokalizację wyjściową dla wykresu. Można go przeglądać w trybie inline lub wyeksportować do pliku.

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

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

Pokaż fabułę

Użyj funkcji display do renderowania wykresów Bokeh.

# Show the plot
show(p)

# Show the plot
show(p)

Czym jest IronPDF?

pip install ironpdf

pip install ironpdf

Generowanie dokumentu PDF z wykresami Bokeh

Utwórz wykres przy użyciu biblioteki Bokeh. Stwórzmy prosty wykres liniowy, aby to zilustrować.

# 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.")

W tym miejscu najpierw importujemy wymagane funkcje Bokeh. Ustalamy przykładowe wartości danych wykresu i tworzymy figurę Bokeh z etykietami osi i tytułem. Następnie używamy p.line(), aby dodać renderer linii do wykresu. Funkcja output_file() jest importowana z biblioteki Bokeh w celu określenia nazwy pliku wyjściowego dla reprezentacji wykresu w formacie HTML.

Następnie z IronPDF importujemy klasę ChromePdfRenderer, która służy do renderowania pliku HTML jako pliku PDF. Tworzymy instancję renderera IronPDF i używamy metody RenderHtmlFileAsPdf() do konwersji pliku HTML na PDF. Na koniec zapisujemy wygenerowany plik PDF przy użyciu metody SaveAs().