Bokeh快速入门(1)-白红宇

Bokeh入门(1)

摘录:Bokeh (Bokeh.js) 是一个 Python 交互式可视化库，支持现代化 Web 浏览器，提供非常完美的展示功能。Bokeh 的目标是使用样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。Boken 可以快速的创建交互式的绘图，仪表盘和数据应用

先放一张自己做的图吧：

个人觉得最实用的功能就是保存为图片以及实时拖动了，另外就是重置功能了

前言：如果需要在web页面上展示图像，我想js绝对是不二选择，但是碍于学习成本又不想花太多时间去学js，那么作为一个对python情有独钟的非典型运维人员，当然得找找python强大的支持库了，一共找到了三款，mpld3，pyxley，bokeh，第一款个人觉得不够强大，主要是不能直接在浏览器上保存为图片，pyxley属于较新的python项目，官方自己都说说明文档coming soon！！！然后就选择bokeh了，再者bokeh真的异常的强大，还在慢慢摸索ing

下面是官方文档的入门教程，直接手工翻译的，如有错误还望指正。

参考:

Bokeh同时提供强大而灵活的功能，使得用户可以进行非常高阶的个人定制，一方面十分简洁而另一方面，Bokeh根据用户的需要公开不同的等级的接口级别给不同级别的用户：

Bokeh.models是一个相对而言低阶的接口，提供了尽可能多的的灵活性给以应用程序开发人员。

Bokeh.plotting是一个相对而言中阶的接口，主要以视觉图形为中心。

Bokeh.charts是一个相对而高阶接口，用来快速而尽可能简单地构建复杂的统计图。

本次快速入门主要侧重于bokeh.plotting接口

快速安装：

有很多种不同的安装方式安装Bokeh

如果你用的是Anaconda （推荐），用以下的命令通过bash或者windows的命令行就可直接安装了。

                         
conda 
install
bokeh

这种安装方式，Anaconda已经准备了运行Bokeh之前所有需要的所有依赖，这也是Bokeh强烈推荐的安装方式，无论任何平台，包括windows，它都可以将安装成本趋近于零。它也会安装一些例子在examples/目录，即Anaconda安装目录的子目录。

如图：

当然，如果你有绝对的自信解决这些依赖，依赖包括Numpy，pandas及redis等，你也可以用pip安装

                         
pip 
install
bokeh

Note

通过pip方式安装，不会安装这些例子，不过可以通过git clone 下载这些例子(examples/)。

入门指南

Bokeh是一个公开很多能力的大型库，所以这一部分只是一个关于Bokeh常见实用案例以及工作流程的快速的导航。更多的细节请查阅完整的

下面通过一些实例开始。

用python基本数据类型list的一些数据画一个线状图，并包括缩放(zoom)，区域选择(pan)，调整尺寸(resize)，保存(save)等工具，是一个简答又直接的方式。

注：建议使用ipython notebook，如果不了解，去了解一下吧

                         
from
bokeh.plotting 
import
figure, output_file, show
# prepare some data
x 
=
[
1
, 
2
, 
3
, 
4
, 
5
]y 
=
[
6
, 
7
, 
2
, 
4
, 
5
]
# output to static HTML file
output_file(
"lines.html"
, title
=
"line plot example"
)
# create a new plot with a title and axis labels
p 
=
figure(title
=
"simple line example"
, x_axis_label
=
'x'
, y_axis_label
=
'y'
)
# add a line renderer with legend and line thickness
p.line(x, y, legend
=
"Temp."
, line_width
=
2
)
# show the results
show(p)
        
      

当你执行这个脚本的时候，你将会发现，在当前目录会创建一个”lines.html”的文件，而且浏览器会自动打开一个窗口并展示这个创建的html文件，效果如上图所示。(为了展示效果，所以才会在教程中直接叫结果嵌在这篇文档中)

通过接口创建图像的基本步骤如下：

1．准备数据(如这个例子中的lise列表)

2．告诉Bokeh将文件输出的位置(这个例子中用的是,并制定”lines.html”作为文件名保存)

3．调用figure()去创建图形，并设置一些全体的参数，如标题，工具，轴标签等。

4．为数据添加渲染器(这个例子中的Figure.line)，并加入一些可视化的定制，比如颜色，图标以及这个图形的宽度等

5．让Bokeh去或者

其中步骤3,4可以重复创建不止一个图形，详情见下面的其他实例。

该接口也非常便利，如果我们需要在输出更多的一些自定义的数据序列，图标，指数轴线等。它当然也可以非常简单的组合多个图标在一张图形上，如下图所示

                         
from
bokeh.plotting 
import
figure, output_file, show
# prepare some data
x 
=
[
0.1
, 
0.5
, 
1.0
, 
1.5
, 
2.0
, 
2.5
, 
3.0
]
y0 
=
[i
*
*
2
for
i 
in
x]
y1 
=
[
10
*
*
i 
for
i 
in
x]
y2 
=
[
10
*
*
(i
*
*
2
) 
for
i 
in
x]
# output to static HTML file
output_file(
"log_lines.html"
)
# create a new plot
p 
=
figure(
   
tools
=
"pan,box_zoom,reset,save"
,
   
y_axis_type
=
"log"
, y_range
=
[
0.001
, 
10
*
*
11
], title
=
"log axis example"
,
   
x_axis_label
=
'sections'
, y_axis_label
=
'particles'
)
# add some renderers
p.line(x, x, legend
=
"y=x"
)
p.circle(x, x, legend
=
"y=x"
, fill_color
=
"white"
, size
=
8
)
p.line(x, y0, legend
=
"y=x^2"
, line_width
=
3
)
p.line(x, y1, legend
=
"y=10^x"
, line_color
=
"red"
)
p.circle(x, y1, legend
=
"y=10^x"
, fill_color
=
"red"
, line_color
=
"red"
, size
=
6
)
p.line(x, y2, legend
=
"y=10^x^2"
, line_color
=
"orange"
, line_dash
=
"4 4"
)
# show the resultsshow(p)
        
      

很好看，有没有

后记：搜了一下51cto的视频学院，不管是免费的还是收费的，居然都没有数据分析的课程，虽然自不量力，但是也希望在51CTO上录一个通过numpy，matplotlib，pandas的数据分析课程，一方面借鉴国外视频的先进经验，一方面也整理下自己的心得。这里有个不错的视频教程，关于pandas的，但是全英文的。

Learning Python for Data Analysis

链接：http://pan.baidu.com/s/1eQoEeeY 密码：x6of

有兴趣的可以瞧瞧。

本文转自 youerning 51CTO博客，原文链接:http://blog.51cto.com/youerning/1709113