Python使用Bokeh进行数据可视化

Bokeh是Python中的数据可视化库, 可提供高性能的交互式图表和绘图。Bokeh输出可以通过笔记本, html和服务器等各种介质获得。可以将bokeh图嵌入Django和flask应用程序中。

Bokeh为用户提供了两个可视化界面：

bokeh.models：一种低级接口, 为应用程序开发人员提供了高度的灵活性。
bokeh.plotting：用于创建可视字形的高级界面。

要安装bokeh软件包, 请在终端中运行以下命令：

pip install bokeh

用于生成散景图的数据集是从Kaggle（https://www.kaggle.com/mcdonalds/nutrition-facts）中收集的。

代码1：散点标记

要创建散点圆标记，使用circle()方法。

# import modules
from bokeh.plotting import figure, output_notebook, show
  
# output to notebook
output_notebook()
  
# create figure
p = figure(plot_width = 400 , plot_height = 400 )
  
# add a circle renderer with
# size, color and alpha
p.circle([ 1 , 2 , 3 , 4 , 5 ], [ 4 , 7 , 1 , 6 , 3 ], size = 10 , color = "navy" , alpha = 0.5 )
  
# show the results
show(p)

输出：

代码2：单线

要创建单线, 使用line()方法。

# import modules
from bokeh.plotting import figure, output_notebook, show
  
# output to notebook
output_notebook()
  
# create figure
p = figure(plot_width = 400 , plot_height = 400 )
   
# add a line renderer
p.line([ 1 , 2 , 3 , 4 , 5 ], [ 3 , 1 , 2 , 6 , 5 ], line_width = 2 , color = "green" )
  
# show the results
show(p)

输出：

代码3：条形图

条形图显示带有矩形条的分类数据。条的长度与所表示的值成比例。

# import necessary modules
import pandas as pd
from bokeh.charts import Bar, output_notebook, show
  
# output to notebook
output_notebook()
  
# read data in dataframe
df = pd.read_csv(r "D:/kaggle/mcdonald/menu.csv" )
  
# create bar
p = Bar(df, "Category" , values = "Calories" , title = "Total Calories by Category" , legend = "top_right" )
  
# show the results
show(p)

输出：

代码4：箱形图

箱形图用于表示图上的统计数据。它有助于总结数据中存在的各种数据组的统计属性。

# import necessary modules
from bokeh.charts import BoxPlot, output_notebook, show
import pandas as pd
  
# output to notebook
output_notebook()
  
# read data in dataframe
df = pd.read_csv(r "D:/kaggle /mcdonald /menu.csv" )
  
# create bar
p = BoxPlot(df, values = "Protein" , label = "Category" , color = "yellow" , title = "Protein Summary (grouped by category)" , legend = "top_right" )
  
# show the results
show(p)

输出：

代码5：直方图

直方图用于表示数值数据的分布。直方图中矩形的高度与分类间隔中值的频率成正比。

# import necessary modules
from bokeh.charts import Histogram, output_notebook, show
import pandas as pd
  
# output to notebook
output_notebook()
  
# read data in dataframe
df = pd.read_csv(r "D:/kaggle /mcdonald /menu.csv" )
  
# create histogram
p = Histogram(df, values = "Total Fat" , title = "Total Fat Distribution" , color = "navy" )
  
# show the results
show(p)

输出：

代码6：散点图

散点图用于绘制数据集中两个变量的值。它有助于找到所选的两个变量之间的相关性。

# import necessary modules
from bokeh.charts import Scatter, output_notebook, show
import pandas as pd
  
# output to notebook
output_notebook()
  
# read data in dataframe
df = pd.read_csv(r "D:/kaggle /mcdonald /menu.csv" )
  
# create scatter plot
p = Scatter(df, x = "Carbohydrates" , y = "Saturated Fat" , title = "Saturated Fat vs Carbohydrates" , xlabel = "Carbohydrates" , ylabel = "Saturated Fat" , color = "orange" )
   
# show the results
show(p)

输出：

参考文献：

https://bokeh.pydata.org/en/latest/

首先, 你的面试准备可通过以下方式增强你的数据结构概念：Python DS课程。