手把手|在Python中用Bokeh实现交互式数据可视化

编译:黄念 席雄芬 校对:王婧 图片来源:bokeh.pydata.org

◆ ◆ ◆

引言

最近,我一直在看美国德克萨斯州奥斯汀举办的SciPy 2015会议上的一段视频——“用Blaze和Bokeh创建Python数据应用程序”,并且情不自禁地反复思考这两个库赋予世界各地使用Python的数据科学家们的强大能力。在本文中,我将带你体验使用Bokeh实现数据可视化的各种可能途径,以及Bokeh为什么是每位数据科学家的必备“神器”。

◆ ◆ ◆

什么是Bokeh?

Bokeh是一个专门针对Web浏览器的呈现功能的交互式可视化Python库。这是Bokeh与其它可视化库最核心的区别。正如下图所示,它说明了Bokeh如何将数据展示到一个Web浏览器上的流程。

正如你所看到的,Bokeh捆绑了多种语言(Python, R, lua和Julia)。这些捆绑的语言产生了一个JSON文件,这个文件作为BokehJS(一个Javascript库)的一个输入,之后会将数据展示到现代Web浏览器上。

Bokeh可以像D3.js那样创建简洁漂亮的交互式可视化效果,即使是非常大型的或是流数据集也可以进行高效互动。Bokeh可以帮助所有人快速方便地创建互动式的图表、控制面板以及数据应用程序。

◆ ◆ ◆

Bokeh能为像我这样的数据科学家提供什么?

我起初是作为一名商业智能从业者(BI professional)开始我的数据科学之旅的,随后,又逐渐学习了预测建模,数据科学和机器学习。我主要使用QlikView和Tableau进行数据可视化,用SAS和Python来做预测分析和数据分析。我几乎没有用过JavaScript。

因此,对于我之前所有的数据产品或想法,我只能要么将其外包要么通过网站线框图向别人展示,这两者都不适合创建快速原型。现在,有了Bokeh,我就可以继续使用Python,并且快速创建这些原型。

Bokeh的优势:

  • Bokeh允许你通过简单的指令就可以快速创建复杂的统计图,
  • Bokeh提供到各种媒体,如HTML,Notebook文档和服务器的输出
  • ·我们也可以将Bokeh可视化嵌入flask和django程序
  • Bokeh可以转换写在其它库(如matplotlib, seaborn和ggplot)中的可视化
  • ·Bokeh能灵活地将交互式应用、布局和不同样式选择用于可视化

综合Bokeh的优点及其面临的挑战,Bokeh是当前用于快速开发原型产品的理想工具。然而,如果你想在产品的环境下搞点新东西,D3.js可能仍然是你最好的选择。

Bokeh面临的挑战:

  • 与任何即将到来的开源库一样,Bokeh正在经历不断的变化和发展。所以,你今天写的代码可能将来并不能被完全再次使用。
  • 与D3.js相比,Bokeh的可视化选项相对较少。因此,短期内Bokeh无法挑战D3.js的霸主地位。

综合Bokeh的优点及其面临的挑战,Bokeh是当前用于快速开发原型产品的理想工具。然而,如果你想在产品的环境下搞点新东西,D3.js可能仍然是你最好的选择。

用Bokeh实现可视化

Bokeh提供了强大而灵活的功能,使其操作简单并高度定制化。它为用户提供了多个可视化界面,如下图所示:

  • 图表(Charts):一个高级接口(high-level interface),用以简单快速地建立复杂的统计图表。
  • 绘图(Plotting):一个中级接口(intermediate-level interface),以构建各种视觉符号为核心。
  • 模块(Models):一个低级接口(low-level interface),为应用程序开发人员提供最大的灵活性。

本文中,我们仅涉及前两个接口,图表(Charts)和绘图(Plotting)。

图表

如上所述,它是一个高级接口,用于通过标准的可视化方式呈现信息。这些方式包括箱形图、柱状图、面积图、热图、甜甜圈图和许多其它图形。你只需输入数据框(data frames)、numpy数组或字典就可以生成这些图。

让我们来看看创建一个图表的通用方法:

1. 导入库和函数/方法

2. 准备数据

3. 设置输出模式(Notebook文档、Web浏览器或服务器)

4. 创建图表并选择图表的样式(如果需要)

5. 可视化图表

为了更好地理解这些步骤,让我用下面的例子来演示一下:

图表范例-1:使用Bokeh创建一个柱状图并在Web浏览器上显示

我们将遵循上述列出的步骤来创建一个图表:

#导入库函数 from bokeh.charts import Bar, output_file, show #在电脑屏幕上使用 output_notebook来可视化数据 #准备数据 (模拟数据) data = {"y": [1, 2, 3, 4, 5]} #输出到Line.HTML output_file("lines.html", title="line plot example") #创建一个新的含有标题和轴标签的窗口在线窗口 p = Bar(data, title="Line Chart Example", xlabel='x', ylabel='values', width=400, height=400) #显示结果 show(p)

在上面的图表中,你可以看到顶部的工具选项(缩放、调整大小、重置、旋转缩放),这些工具可以帮助你与图表进行互动。同时,你也可以看到多个图表选项(图例、X轴名标注、Y轴名标注、坐标网格线、宽度、高度等)和各种图表的范例。

图表范例-2:在Notebook文档中,利用箱线图比较IRIS数据集中的萼片长度(sepal length)和花瓣长度(petal length)的分布情况

要创建这个可视化图表,我首先要使用Sklearn库导入IRIS数据集。然后,按照上述步骤在ipython Notebook文档中进行图表可视化。

#IRIS 数据集 from sklearn.datasets import load_iris import pandas as pd iris = load_iris() df=pd.DataFrame(iris.data) df.columns=['petal_width','petal_length','sepal_width','sepal_length'] #导入库函数 from bokeh.charts import BoxPlot, output_notebook, show data=df[['petal_length','sepal_length']] #输出到电脑屏幕上 output_notebook() #创建一个新的含有标题和轴标签的窗口在线窗口 p = BoxPlot(data, width=400, height=400) # 显示结果 show(p)

图表范例-3:创建一个线图到Bokeh服务器

在绘制可视化图表到Bokeh服务器之前,你首先需要运行服务器。

如果你使用的是conda包,你可以在任何目录下使用运行命令“bokeh-server”。如果不是,“python ./bokeh-server”通常也可以。

在Bokeh服务器上进行可视化绘图有多个优点:

  • 图表有更多的受众
  • 可对大数据集进行交互式可视化
  • 可根据数据流自动更新图表
  • 创建控制面板和应用程序

开始在Bokeh服务器上绘图之前,我先运行了“bokeh-server”指令对其进行初始化,然后再运行用于可视化的相关指令。

from bokeh.plotting import figure, output_server, show

output_server("line")

p = figure(plot_width=400, plot_height=400)

# 添加线渲染

p.line([5, 2, 3, 4, 5], [5, 7, 2, 4, 5], line_width=2)

show(p)

绘图

Plotting是一个中级接口,是以构建视觉符号为核心的接口。在这里,你可以综合各种视觉元素(点、圆、线、补丁和许多其它元素)和工具(悬停、缩放、保存、重置和其它工具)来创建可视化。

使用Bokeh的Plotting接口创建的图表自带一组默认的工具和视觉效果。绘图可按照以下步骤进行:

1.导入库、方法或函数

2.选择输出方式(Notebook文档、Web浏览器、服务器)

3.激活图(类似matplotlib)

4.执行后续的绘图操作,这将影响已经生成的图形。

5.图表可视化

为了更好地理解这些步骤,让我举例演示:

绘图范例-1:在Notebook文档中创建二维散点图(正方形标记)

from bokeh.plotting import figure, output_notebook, show # 输出到电脑屏幕上 output_notebook() p = figure(plot_width=400, plot_height=400) #添加一个矩形框,标有大小、颜色、alpha值 p.square([2, 5, 6, 4], [2, 3, 2, 1, 2], size=20, color="navy") #显示结果 show(p)

同样,你可以创建各种其它类型的图:如线、角和圆弧、椭圆、图像、补丁以及许多其它的图。

绘图范例-2:将两种视觉元素合并在一张图中

from bokeh.plotting import figure, output_notebook, show # 输出到电脑屏幕上 output_notebook() p = figure(plot_width=400, plot_height=400) #添加一个矩形框,标有大小、颜色、alpha值 p.square([2, 5, 6, 4], [2, 3, 2, 1, 2], size=20, color="navy") p.line([1, 2, 3, 4, 5], [1, 2, 2, 4, 5], line_width=2) #added a line plot to existing figure # 显示结果 show(p)

绘图范例-3:为上图添加一个悬停工具和坐标轴标签

from bokeh.plotting import figure, output_notebook, show from bokeh.models import HoverTool, BoxSelectTool #For enabling tools # 输出到电脑屏幕上 output_notebook() #添加悬停工具 TOOLS = [BoxSelectTool(), HoverTool()] p = figure(plot_width=400, plot_height=400, tools=TOOLS) #添加一个矩形框,标有大小、颜色、alpha值 p.square([2, 5, 6, 4], [2, 3, 2, 1, 2], size=20, color="navy", alpha=0.5) #显示轴标签 p.xaxis.axis_label = "X-axis" p.yaxis.axis_label = "Y-axis" # 显示结果 show(p)

绘图范例-4:使用纬度和经度数据来绘制印度地图

注:我已经有一个CSV格式的印度边界的纬度和经度的多边形数据。我将使用该数据来绘图。

在这里,我们将使用补丁绘图,让我们看看下面的命令:

#导入库函数 import pandas as pd from bokeh.plotting import figure, show, output_notebook #导入经纬度坐标 India=pd.read_csv('E:/India.csv') del India['ID'] India.index=['IN0','IN1','IN2','IN3','IN4','IN5'] #如果数据框中的坐标是字符类型转换字符值为浮点值 for j in range(0,len(India)): a = India['lats'][j] India['lats'][j] = [float(i) for i in a[1:len(a)-1].split(",")] for j in range(0,len(India)): a = India['lons'][j] India['lons'][j] = [float(i) for i in a[1:len(a)-1].split(",")] #输出到电脑屏幕上 output_notebook() # 创建画板 p = figure(plot_height=400, plot_width=400, toolbar_location="right",x_axis_type=None, y_axis_type=None) p.patches(xs=India['lons'], ys=India['lats'], fill_color="white",line_color="black", line_width=0.5) #可视化图标 show(p)

◆ ◆ ◆

结语

在本文中,我们讨论了用Bokeh创建可视化以及如何将可视化结果呈现在Notebook文档、html文档以及bokeh服务器上。我们还谈到了如何使用绘图接口创建个性化的可视化图表,通过该功能,你可以将多种视觉元素结合到一起来展示数据信息。

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2016-03-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

Github 项目推荐 | 真实全景图像强化学习 AI 平台 —— Matterport3DSimulator

Matterport3DSimulator 可以使用视觉信息(RGB-D 图像)开发与真实 3D 环境交互的 AI Agent,它主要应用于深度强化学习的研究以...

523120
来自专栏算法+

基于RNN的音频降噪算法 (附完整C代码)

前几天无意间看到一个项目rnnoise。 项目地址: https://github.com/xiph/rnnoise 基于RNN的音频降噪算法。 采用的是 GR...

2.4K50
来自专栏CSDN技术头条

开源神器,无需一行代码就能搞定机器学习,不会数学也能上手

作者丨Shantanu Kumar 翻译丨魏伟 对于机器学习和数据科学的初学者来说,最大的挑战之一是需要同时学习太多知识,特别是如果你不知道如何编码。你需要快速...

27780
来自专栏web前端教室

面试时对方问你,“xxx需求你是怎么做的”?你可以这样回答

如何去分析一个需求?这两天在给零基础课的同学们讲课的时候,正好讲到了,产品详情页的图片展示这里,ui是这样的, ? 跟京东那个的ui交互操作是一样的,我跟他们讲...

20850
来自专栏Fish

CUDA C最佳实践-CUDA Best Practices(一)

这文档堪称CUDA官方手册里最有用TOP3了。 ps:全文翻译会累死猿哒,意译意译,各位看官凑合一下啦 前言 文档的作用 这文档能干嘛,是用来帮助开发者从N...

37360
来自专栏企鹅号快讯

如何将Civil3D生成的道路模型导出至Infraworks

本文共:641 字 12 图 预计阅读时间: 8 分钟 本文作者:同济大学BIM学生俱乐部成员李东帅 一、Civil3d处理过程 1. 生成道路曲面 右键——道...

258100
来自专栏WeTest质量开放平台团队的专栏

UPA深度性能报告解读

UPA作为腾讯WeTest与Unity官方联合打造的客户端性能分析工具,为开发者提供了极大的便利和效能提升。产出的分析报告内容详尽,但您是否真的读懂了报告?是否...

9020
来自专栏WeTest质量开放平台团队的专栏

UPA深度性能报告解读

原文链接:http://wetest.qq.com/lab/view/403.html

12720
来自专栏数据小魔方

不等款柱形图(时间刻度实现)

今天要分享的图表仍然是昨天的不等款柱形图! ▽▼▽ 虽然最终制作出来的最终图表效果是相同的,但是制作理念和数据组织方式却截然不同,非常值得尝试! ●●●●● 数...

36960
来自专栏人工智能头条

无需一行代码就能搞定机器学习的开源神器

16520

扫码关注云+社区

领取腾讯云代金券