from ironpdf import * # Instantiate Renderer renderer = ChromePdfRenderer() # Create a PDF from a HTML string using Python pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>") # Export to a file or Stream pdf.SaveAs("output.pdf") # Advanced Example with HTML Assets # Load external html assets: Images, CSS and JavaScript. # An optional BasePath 'C:\site\assets\' is set as the file location to load assets from myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets") myAdvancedPdf.SaveAs("html-with-assets.pdf")

PYTHON帮助

使用 Bokeh 进行 Python 数据可视化

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

Curtis Chau

已更新:六月 22, 2025

通过集成Bokeh Python和IronPDF for Python，可以轻松地创建交互式可视化，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，用于制作高质量的交互式信息图表，易于共享和嵌入到在线应用程序中。通过创建复杂的图表，例如气泡图、箱形图和带误差线的图表，可以大大辅助深入的数据分析和展示。

IronPDF主要是一个.NET库，但您可以使用它来增强其功能。通过利用Bokeh进行视觉展示和IronPDF进行PDF生成，用户可以有效地将复杂和动态的视觉数据包含到静态的PDF报告中。

创建Bokeh可视化，将这些图表导出为图像，然后使用IronPDF将这些图像嵌入到PDF文档中，构成了此集成过程。这种方法结合了静态文档生成与交互式可视化的最佳功能，使数据科学家、分析师和开发人员能够创建易于分发和审核的全面、美观丰富的报告。

什么是Bokeh Python？

Bokeh Python通过其plotting导入figure模块提供了一个强大的绘图接口，使用户能够创建一系列交互式数据可视化。其灵活性还扩展到布局管理，其中layouts导入row和layouts导入gridplot可以无缝排列多个图表。

作为一个为现代网络浏览器优化的交互式可视化库，Bokeh呈现动态响应用户互动的令人惊叹的bokeh绘图。从简单的线形图到复杂的柱形图，Bokeh擅长清晰、精确地传达数据点，使其成为交互式数据可视化、探索和展示的宝贵工具。

Bokeh Python（如何为开发人员工作）：图1

由于其广泛的绘图样式选择，包括线形图、柱形图、散点图、箱形图、气泡图和带误差线的图表，Bokeh适用于各种数据科学和可视化工作。由于库的高定制化程度，用户可以改变绘图元素，如颜色、标签和图例，产生视觉上吸引人且具有教育意义的图像。

交互式图表

Bokeh使用户能够创建交互式图表，让用户通过缩放、平移和悬停进行更深入的数据探索。对于深入洞察和数据研究，甚至只是公开可用数据，这种交互性都是必不可少的。

高质量视觉效果

Bokeh创建的视觉效果既令人惊叹又高质量，适合出版和展示。这些图像旨在既具有教育意义又具有美学吸引力。

自定义

Bokeh提供了广泛的绘图定制选项。用户可以调整绘图元素、颜色、标签和其他特征，从而实现个性化和精确的展示。

服务器端交互性

Bokeh配备了一个集成的Bokeh服务器，允许您创建动态仪表板和在线应用。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。

与网络技术的集成

Bokeh可视化可以导出为独立的HTML文件或集成到网络应用中。这种连接使得在互联网上分享交互式可视化变得简单。

小部件和布局

Bokeh可以制作复杂的布局和交互式小部件（如下拉菜单和滑块），允许创建复杂的数据仪表板和应用。

大数据集处理

Bokeh可以有效地处理大数据集。即使数据量很大，它也使用有效的渲染算法来维护可视化的响应性和交互性。

创建和配置Bokeh Python

从安装到交互式图表生成，设置和配置Bokeh在Python中涉及多个步骤。

安装Bokeh

您需要首先安装Bokeh库。可以使用Pip来完成此操作：

pip install bokeh

pip install bokeh

SHELL

导入Bokeh库

安装Bokeh后，您需要从Bokeh导入所需的部分。

from bokeh.plotting import figure, output_file, show

from bokeh.plotting import figure, output_file, show

PYTHON

准备数据并创建绘图

准备可视化的信息。这些数据可以表示为Pandas数据框、NumPy数组或列表。可以使用Bokeh中的figure函数来制作一个新的绘图。绘图定制包括更改绘图的标签、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')

PYTHON

添加渲染器

在绘图中添加渲染器（如线条、圆圈和条形）以展示您的数据。

# 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)

PYTHON

配置输出

指明绘图的期望输出位置。可以内联查看或导出到文件。

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

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

PYTHON

展示绘图

使用display函数渲染Bokeh图表。

# Show the plot
show(p)

# Show the plot
show(p)

PYTHON

开始

使用Bokeh创建交互式可视化，将其导出为静态照片，然后使用这些图像生成PDF文档是集成Bokeh和IronPDF到Python中的步骤。我们将使用Python库IronPDF来构建PDF文档。

什么是 IronPDF？

使用功能强大的IronPDF库为Python创建、修改和转换PDF文件。它使程序员能够处理现有PDF、将HTML转换为PDF，并执行与PDF相关的各种编程任务。 IronPDF提供可调整和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PDF生成和处理的应用的有用解决方案。

Bokeh Python（如何为开发人员工作）：图2

将HTML转换为PDF

您可以使用IronPDF将HTML信息转换为PDF文档。这允许利用现代HTML5、CSS3和JavaScript，从网络内容创建视觉上吸引人的PDF出版物。

PDF创建和编辑

可以程序化地制作新PDF文档，并向其中添加文本、图像、表格和其他材料。 IronPDF允许您打开和编辑现有的PDF文档。您可以添加或修改PDF的内容，也可以删除特定部分。

高级样式和布局

使用CSS来为PDF中的内容设置样式。这包括对复杂布局、字体、颜色和其他设计元素的支持。通过呈现可以与JavaScript一起使用的HTML内容来创建PDF中的动态材料。

安装 IronPDF

可以使用Pip来安装IronPDF。要进行安装，请使用以下命令：

pip install ironpdf

pip install ironpdf

SHELL

生成包含Bokeh图表的PDF文档

利用Bokeh制作图表。我们来制作一个基本的线形图来说明这一点。

# 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.")

PYTHON

在这里，我们首先导入Bokeh所需的函数。建立绘图的示例数据值，并制作一个带有轴标签和标题的Bokeh图形。然后，我们使用p.line()在绘图中添加一条线的渲染器。从Bokeh导入output_file()函数，以指定绘图HTML表示的输出文件名。

接下来，我们从IronPDF中导入ChromePdfRenderer类，用于将HTML文件呈现为PDF。我们实例化IronPDF渲染器，并使用RenderHtmlFileAsPdf()方法将HTML文件转换为PDF。最后，我们使用SaveAs()方法保存生成的PDF。

Bokeh Python（如何为开发人员工作）：图3