Python利用Bokeh进行数据可视化的教程分享
更新时间：2022年08月07日 08:17:14 作者：海拥
Bokeh是Python中的数据可视化库，提供高性能的交互式图表和绘图。本文将利用Bokeh绘制一些可视化图表，文中的示例代码讲解详细，感兴趣的可以了解一下
介绍
Bokeh是 Python 中的数据可视化库，提供高性能的交互式图表和绘图。Bokeh 输出可以在笔记本、html 和服务器等各种媒体中获得。可以在 Django 和烧瓶应用程序中嵌入散景图。
Bokeh 为用户提供了两个可视化界面：
bokeh.models：为应用程序开发人员提供高度灵活性的低级接口。
bokeh.plotting：用于创建视觉字形的高级界面。
要安装 bokeh 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收集的。
代码1.散点标记
要创建散点圆标记，使用 circle() 方法。
# 导入模块 from bokeh.plotting import figure, output_notebook, show # 输出到 notebook output_notebook() # 创建图 p = figure(plot_width = 400, plot_height = 400) # 添加具有大小、颜色和 alpha 的圆形渲染器 p.circle([1, 2, 3, 4, 5], [4, 7, 1, 6, 3], size = 10, color = "navy", alpha = 0.5) # 显示结果 show(p)
输出 ：
代码2.单行
要创建单行，使用 line() 方法。
# 导入模块 from bokeh.plotting import figure, output_notebook, show # 输出到 notebook output_notebook() # 创建图 p = figure(plot_width = 400, plot_height = 400) # 添加线渲染器 p.line([1, 2, 3, 4, 5], [3, 1, 2, 6, 5], line_width = 2, color = "green") # 显示结果 show(p)
输出 ：
代码3.条形图
条形图用矩形条显示分类数据。条的长度与表示的值成比例。
# 导入必要的模块 import pandas as pd from bokeh.charts import Bar, output_notebook, show # 输出到 notebook output_notebook() # 读取数据框中的数据 df = pd.read_csv(r"D:/kaggle/mcdonald/menu.csv") # 创建栏 p = Bar(df, "Category", values = "Calories", title = "Total Calories by Category", legend = "top_right") # 显示结果 show(p)
输出 ：
代码4.箱线图
箱线图用于表示图表上的统计数据。它有助于总结数据中存在的各种数据组的统计属性。
# 导入必要的模块 from bokeh.charts import BoxPlot, output_notebook, show import pandas as pd # 输出到 notebook output_notebook() # 读取数据框中的数据 df = pd.read_csv(r"D:/kaggle / mcdonald / menu.csv") # 创建栏 p = BoxPlot(df, values = "Protein", label = "Category", color = "yellow", title = "Protein Summary (grouped by category)", legend = "top_right") # 显示结果 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类间隔中值的频率成正比。
# 导入必要的模块 from bokeh.charts import Histogram, output_notebook, show import pandas as pd # 输出到 notebook output_notebook() # 读取数据框中的数据 df = pd.read_csv(r"D:/kaggle / mcdonald / menu.csv") # 创建直方图 p = Histogram(df, values = "Total Fat", title = "Total Fat Distribution", color = "navy") # 显示结果 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。
# 导入必要的模块 from bokeh.charts import Scatter, output_notebook, show import pandas as pd # 输出到 notebook output_notebook() # 读取数据框中的数据 df = pd.read_csv(r"D:/kaggle / mcdonald / menu.csv") # 创建散点图 p = Scatter(df, x = "Carbohydrates", y = "Saturated Fat", title = "Saturated Fat vs Carbohydrates", xlabel = "Carbohydrates", ylabel = "Saturated Fat", color = "orange") # 显示结果 show(p)
输出：
以上就是Python利用Bokeh进行数据可视化的教程分享的详细内容，更多关于Python Bokeh数据可视化的资料请关注脚本之家其它相关文章！
相关文章
掌握Python Restful 接口测试,让你的后端服务像流水一样顺畅,本指南将带你轻松穿梭于断言和请求之间,搞定所有测试难题,一起来看,让代码在你的指尖跳舞吧！2023-12-12
很多时候有pytorch模型转onnx模型的必要,比如用tensorRT加速的时候,下面这篇文章主要给大家介绍了关于pytorch模型转onnx模型的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-08-08
这篇文章主要介绍了PyTorch小功能之TensorDataset解读，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-02-02
这篇文章主要介绍了python分割文件的常用方法,包括指定分割大小、按行分割与分割合并等技巧,非常实用,需要的朋友可以参考下2014-11-11
本文主要介绍了Pandas数据查询的集中实现方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-02-02
这篇文章主要介绍了Python实现的石头剪子布代码分享,本文和另一篇JavaScript实现的石头剪刀布游戏源码是姐妹篇,需要的朋友可以参考下2014-08-08
这篇文章主要为大家介绍了Python面向对象编程关键深度探索类与对象示例解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-05-05
这篇文章主要为大家详细介绍了如何基于Python制作一个微信聊天机器人,文中的示例代码讲解详细,具有一定的借鉴价值,有需要的小伙伴可以参考下2024-01-01
这篇文章主要介绍了Python生成随机验证码代码实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
这篇文章主要为大家详细介绍了如何使用Python制作一个恶意软件删除工具,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下2024-02-02
最新评论