Utilizando Bokeh para visualização de dados em Python

Gráficos interativos

O Bokeh possibilita a criação de gráficos interativos que permitem aos usuários explorar os dados com maior profundidade, ampliando, deslocando e passando o cursor sobre eles. Para análises mais aprofundadas e pesquisa de dados, ou mesmo se você simplesmente quiser plotar dados disponíveis publicamente, essa interatividade é essencial.

Visuais de alta qualidade

O Bokeh cria visualizações visualmente impressionantes e de alta qualidade, adequadas para publicação e apresentação. As imagens têm o objetivo de serem educativas e esteticamente agradáveis.

Personalização

O Bokeh oferece uma ampla gama de opções de personalização de gráficos. Os elementos do gráfico, as cores, os rótulos e outros recursos são todos ajustáveis ​​pelo usuário, permitindo visualizações personalizadas e precisas.

Interatividade do lado do servidor

O Bokeh vem com um servidor Bokeh integrado que permite criar dashboards dinâmicos e aplicativos online. Essa funcionalidade é perfeita para necessidades de visualização de dados dinâmicos, pois permite o streaming e a atualização de dados em tempo real.

Integração com tecnologias web

As visualizações do Bokeh podem ser exportadas como arquivos HTML independentes ou integradas a aplicativos da web. Essa integração facilita o compartilhamento de visualizações interativas na internet.

Widgets e Layouts

O Bokeh facilita a produção de layouts complexos e widgets interativos (como menus suspensos e controles deslizantes) que permitem a criação de painéis de dados e aplicativos sofisticados.

Manipulação de grandes conjuntos de dados

O Bokeh consegue lidar eficazmente com grandes conjuntos de dados. Mesmo com grandes volumes de dados, utiliza algoritmos de renderização eficazes para manter a capacidade de resposta e a interatividade das visualizações.

Instalar Bokeh

Primeiro, você precisa instalar a biblioteca Bokeh. O pip pode ser usado para isso:

pip install bokeh

pip install bokeh

Importar Bibliotecas Bokeh

Após instalar o Bokeh, você deve importar as peças necessárias do Bokeh.

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

Preparar os dados e criar um gráfico.

Prepare as informações para visualização. Esses dados podem ser apresentados como DataFrames, arrays ou listas. A função figure do Bokeh pode ser usada para criar um novo gráfico. A personalização do enredo inclui a alteração dos rótulos, títulos e outros detalhes do mesmo.

# 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')

Adicionar renderizadores

Para representar seus dados, adicione elementos gráficos (como linhas, círculos e barras) ao 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 saída

Indique a localização de saída desejada para o gráfico. Pode ser visualizado diretamente no texto ou exportado para um arquivo.

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

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

Mostrar o enredo

Utilize a função de exibição para renderizar os gráficos Bokeh.

# Show the plot
show(p)

# Show the plot
show(p)

O que é o IronPDF?

pip install ironpdf

pip install ironpdf

Gere um documento PDF com gráficos bokeh.

Crie um gráfico utilizando o Bokeh. Vamos criar um gráfico de linhas simples para ilustrar isso.

# 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.")

Aqui, primeiro importamos as funções necessárias do Bokeh. Definimos os valores dos dados de amostra do gráfico e produzimos uma figura do Bokeh com rótulos nos eixos e um título. Em seguida, usamos p.line() para adicionar um renderizador de linha ao gráfico. A função output_file() é importada do Bokeh para especificar o nome do arquivo de saída para a representação HTML do gráfico.

Em seguida, do IronPDF, importamos a classe ChromePdfRenderer, que é usada para renderizar o arquivo HTML como um PDF. Instanciamos o renderizador IronPDF e usamos o método RenderHtmlFileAsPdf() para converter o arquivo HTML em um PDF. Por fim, salvamos o PDF gerado usando o método SaveAs().