使用 Bokeh 在 Python 中进行数据可视化

互動式圖表

Bokeh 可以建立互動式圖表，讓使用者透過縮放、平移和懸停等方式更深入地探索資料。 對於更深入的洞察和數據研究，或即使只是想繪製公開可用的數據，這種互動性也至關重要。

高品質視覺效果

Bokeh 可以創造視覺效果驚艷、品質優良的視覺化效果，適合出版和示範。 這些圖片旨在兼具教育意義和美觀。

客製化

Bokeh 提供了豐富的繪圖自訂選項。 圖表元素、顏色、標籤和其他功能均可由使用者調整，從而實現個人化和精確的顯示。

伺服器端交互

Bokeh 內建了 Bokeh 伺服器，可用於建立動態儀表板和線上應用程式。此功能非常適合動態資料視覺化需求，因為它支援即時資料流傳輸和更新。

與網路技術的集成

Bokeh視覺化效果可以匯出為獨立的HTML文件，也可以整合到網路應用程式中。這種連接方式使得在互聯網上共享互動式視覺化效果變得非常簡單。

小工具和佈局

Bokeh 有助於建立複雜的佈局和互動式小工具（例如下拉式選單和滑桿），從而可以建立複雜的資料儀表板和應用程式。

大型資料集處理

Bokeh 可以有效地處理大型資料集。 即使處理大量數據，它也能利用有效的渲染演算法來保持可視化的回應性和互動性。

安裝 Bokeh

您必須先安裝 Bokeh 函式庫。可以使用 pip 來完成此操作：

pip install bokeh

pip install bokeh

導入 Bokeh 庫

安裝 Bokeh 後，您必須從 Bokeh 匯入所需的零件。

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

準備數據並創建圖表

準備好用於可視化的信息。 這些資料可以以Pandas DataFrame、 NumPy陣列或列表的形式呈現。 Bokeh 中的figure函數可以用來繪製新圖。 圖表自訂包括更改圖表的標籤、標題和其他詳細資訊。

# 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')

新增渲染器

若要描繪您的數據，請在圖表中新增渲染器（例如線條、圓圈和長條圖）。

# 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)

配置輸出

指定圖表的預期輸出位置。 既可直接查看，也可匯出至文件。

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

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

顯示圖表

使用顯示函數渲染散景圖。

# Show the plot
show(p)

# Show the plot
show(p)

什麼是 IronPDF？

pip install ironpdf

pip install ironpdf

產生帶有散景圖表的PDF文檔

使用 Bokeh 製作圖表。 讓我們畫一個簡單的折線圖來說明這一點。

# 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.")

首先，我們匯入 Bokeh 所需的函數。然後，確定繪圖的樣本資料值，並產生帶有座標軸標籤和標題的 Bokeh 圖形。 然後我們使用p.line()向圖表中新增線條渲染器。 output_file()函數是從 Bokeh 匯入的，用於指定圖表的 HTML 表示形式的輸出檔名。

接下來，我們從 IronPDF 匯入ChromePdfRenderer類，該類別用於將 HTML 檔案渲染為 PDF。 我們實例化 IronPDF 渲染器，並使用RenderHtmlFileAsPdf()方法將 HTML 檔案轉換為 PDF。 最後，我們使用SaveAs()方法來儲存產生的 PDF。

Bokeh Python（開發者使用指南）：圖 3