在 Python 中使用 Bokeh 实现数据可视化

通过将 Bokeh Python 与 IronPDF for Python 集成，可以轻松完成交互式可视化的创建并将其嵌入到高质量的 PDF 出版物中。

Bokeh 是一个强大的 Python 框架，可用于制作高质量的交互式信息图表，易于分享并可嵌入在线应用程序。 它可以创建复杂的图表，如气泡图、方框图和带误差条的图表，这对深入的数据分析和演示大有帮助。

IronPDF 主要是一个 .NET 库，但您可以使用它来增强其能力。 通过利用 Bokeh 进行可视化表示和 IronPDF 生成 PDF，用户可以有效地将复杂的动态可视化数据纳入静态 PDF 报告。

使用 Bokeh 创建可视化图，将这些图导出为图像，然后使用 IronPDF 将这些图像嵌入 PDF 文档，就构成了这个集成程序。 这种方法将静态文档生成的最佳功能与交互式可视化相结合，使数据科学家、分析师和开发人员能够创建全面、美观、易于分发和审阅的报告。

什么是 Bokeh Python？

Bokeh Python 通过其 plotting import figure 模块提供了强大的绘图界面，使用户能够创建各种交互式数据可视化。 它的灵活性扩展到布局管理，其中 layouts import row 和 layouts import gridplot 可以方便地无缝排列多个绘图。

作为专为现代网络浏览器优化的交互式可视化库，Bokeh 可渲染令人惊叹的虚化绘图，并动态响应用户交互。 从简单的折线图到复杂的条形图，Bokeh 都能清晰、准确地传达数据点，是交互式数据可视化、探索和展示的宝贵工具。

Bokeh 适用于各种数据科学和可视化工作，因为它有多种图表样式可供选择，包括折线图、条形图、散点图、盒图、气泡图和带误差条的图表。 由于该库具有高度的定制性，用户可以更改颜色、标签和图例等绘图元素，以生成具有视觉吸引力和教育意义的图像。

交互式绘图

Bokeh 可以创建交互式图表，让用户通过缩放、平移和悬停来更深入地探索数据。 如果您想深入了解和研究数据，或者只是想绘制公开数据，那么这种交互性是必不可少的。

高质量的视觉效果

Bokeh 制作的视觉效果极佳的高质量可视化作品适合出版和展示。 图片既要有教育意义，又要美观大方。

定制

Bokeh 提供广泛的情节定制选择。 绘图元素、颜色、标签和其他功能均可由用户调整，从而实现定制化的准确显示。

服务器端交互性

Bokeh 附带一个集成的 Bokeh 服务器，可让您创建动态仪表盘和在线应用程序。这种功能非常适合动态数据可视化需求，因为它允许实时数据流和更新。

与网络技术整合

Bokeh 可视化可导出为独立的 HTML 文件或集成到网络应用程序中。通过这种连接，在互联网上共享交互式可视化变得非常简单。

小工具和布局

Bokeh 可帮助制作复杂的布局和交互式小部件(如下拉菜单和滑块)用于创建复杂数据仪表板和应用程序。

大型数据集处理

Bokeh 可以有效处理大数据集。 即使数据量很大，也要利用有效的渲染算法来保持可视化的响应性和交互性。

创建和配置 Bokeh Python

从安装到交互式绘图生成，在 Python 中设置和配置 Bokeh 涉及多个步骤。

安装 Bokeh

您必须先安装 Bokeh 库。Pip 可用于此目的：

pip install bokeh

导入 Bokeh 库

安装 Bokeh 后，您必须从 Bokeh 中导入所需的部分。

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

准备数据并创建绘图

准备好可视化信息。 这些数据可以以 Pandas DataFrames、NumPy 数组或列表的形式呈现。 Bokeh 中的 "figure "功能可用于绘制新图。 情节定制包括更改情节的标签、标题和其他细节。

# 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')

添加渲染器

要描述您的数据，请添加呈现器(如直线、圆圈和条形图)情节。

# 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)

配置输出

指明所需的绘图输出位置。 它可以内嵌查看，也可以导出到文件中。

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

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

显示绘图

使用显示功能渲染虚化图。

# Show the plot
show(p)

# Show the plot
show(p)

入门

使用 Bokeh 创建交互式可视化图像，将其导出为静态照片，然后将这些图像制作成 PDF 文档，这就是在 Python 中将 Bokeh 与 IronPDF 集成的步骤。 我们将利用 Python 库 IronPDF 来构建 PDF 文档。

什么是IronPDF？

使用强大的 IronPDF Python 库创建、修改和转换 PDF 文件。 它使程序员能够处理现有的 PDF，将 HTML 转换为 PDF，并执行与 PDF 相关的各种基于编程的任务。 IronPDF 提供了一种可调整且用户友好的方式来创建高质量的 PDF 文档，使其成为需要动态生成和处理 PDF 的应用程序的有用解决方案。

将 HTML 转换为 PDF

您可以使用 IronPDF 将 HTML 信息转换为 PDF 文档。 这样就可以利用现代 HTML5、CSS3 和 JavaScript，从网页内容中创建出具有视觉吸引力的 PDF 出版物。

PDF 创建和编辑

通过程序创建的新 PDF 文档可以添加文本、图像、表格和其他材料。 IronPDF 允许您打开和编辑现有的 PDF 文档。 您可以添加、修改PDF的内容，也可以删除特定部分。

高级样式和布局

使用 CSS 对 PDF 中的内容进行样式调整。 这包括对复杂布局、字体、颜色和其他设计元素的支持。 通过渲染可与 JavaScript 配合使用的 HTML 内容，在 PDF 中创建动态材料。

安装 IronPDF

Pip 可用于安装 IronPDF。 要安装它，请使用以下命令：

pip install ironpdf

用虚化图表生成 PDF 文档

利用 Bokeh 制作图表。 让我们制作一个基本的折线图来说明这一点。

# 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.")

我们导入了 Bokeh 所需的功能。 建立绘图的样本数据值，并制作带有轴标签和标题的虚化图。 然后使用 p.line()为绘图添加线渲染器。 使用 Bokeh 的output_file()将虚化图导出为 HTML 文件或图像的方法(如 PNG).

输出文件()功能从 Bokeh 导入。 还可以使用给定的文件名将 Bokeh 图表导出为 HTML 文件。 使用 IronPDF 创建 PDF 文档，并将导出的 Bokeh 图表插入其中。

我们从 IronPDF 中导入了 ChromePdfRenderer 类。 我们启动一个全新的 IronPDF 实例。 使用 RenderHtmlFileAsPdf()我们将导出的 Bokeh 图表 HTML 文件附加到 PDF 文档中。 最后，我们使用SaveAs()保存 PDF 文档。

结论

总之，尽管 Bokeh Python 和 IronPDF 没有直接集成，但我们还是可以通过将 Bokeh 图表导出为图片，然后使用 IronPDF 将其嵌入到 PDF 文档中来实现类似的功能。 IronPDF 为 Python 提供了制作 PDF 文档的编程功能，而 Bokeh 则为创建动态和醒目的图表提供了强大的工具。

您可以按照所列说明轻松地将 Bokeh 图表添加到您的 PDF 报告和文档中。 这样就可以制作出详尽、美观的文本，并配以动态的交互式数据可视化，从而改进数据驱动型见解的展示和交流方式。

通过将 IronPDF 和 Iron Software 产品纳入您的开发堆栈，您可以确保您的客户和最终用户获得功能丰富的高端软件解决方案。 此外，这还将有助于流程和项目优化。

IronPDF 拥有详尽的文档、活跃的社区和定期的更新，是一款非常适合随身携带的工具。 IronPdf 提供免费试用版，价格从 749 美元起，您可以持续获得该产品的最佳效果。 Iron Software 是现代软件开发项目的可靠合作伙伴。