Python数据科学速查表 Bokeh
需积分: 0 163 浏览量
2024-01-25
16:05:24
上传
评论
收藏 746KB PDF 举报
使用 Bokeh 绘图
>>> from bokeh.plotting import gure
>>> p1 = gure(plot_width=300, tools='pan,box_zoom')
>>> p2 = gure(plot_width=300, plot_height=300,
x_range=(0, 8), y_range=(0, 8))
>>> p3 = gure()
>>> from bokeh.io import output_notebook, show
>>> output_notebook()
绘图
组件
>>> from bokeh.embed import components
>>> script, div = components(p)
图示符选择与反选
>>> p = figure(tools='box_select')
>>> p.circle('mpg', 'cyl', source=cds_df,
selection_color='red',
nonselection_alpha=0.1)
>>> from bokeh.models import CategoricalColorMapper
>>> color_mapper = CategoricalColorMapper(
factors=['US', 'Asia', 'Europe'],
palette=['blue', 'red', 'green'])
>>> p3.circle('mpg', 'cyl', source=cds_df,
color=dict(field='origin',
transform=color_mapper),
legend='Origin')
>>> from bokeh.io import output_le, show
>>> output_le('my_bar_chart.html', mode='cdn')
>>> from bokeh.models import ColumnDataSource
>>> cds_df = ColumnDataSource(df)
数据
参阅列表、Numpy 及 Pandas
通常，Bokeh在后台把数据转换为列数据源，不过也可手动转换：
自定义图示符
Bokeh 是 Python 的交互式可视图库，用于生成在浏览器里显
示的大规模数据集高性能可视图。
Bokeh 的中间层通用 bokeh.plotting 界面主要为两个组件：
数据与图示符。
使用 bokeh.plotting 界面绘图的基本步骤为：
1. 准备数据
Python列表、Numpy数组、Pandas数据框或其它序列值
2. 创建图形
3. 为数据添加渲染器，自定义可视化图
4. 指定生成的输出类型
5. 显示视图或保存结果
+ =
数据
图示符
>>> from bokeh.plotting import gure
>>> from bokeh.io import output_le, show
>>> x = [1, 2, 3, 4, 5]
>>> y = [6, 7, 2, 4, 5]
>>> p = gure(title="simple line example",
x_axis_label='x',
y_axis_label='y')
>>> p.line(x, y, legend="Temp.", line_width=2)
>>> output_le("lines.html")
>>> show(p)
Step 4
Step 2
Step 1
Step 5
Step 3
渲染器与自定义可视化
2
散点标记
>>> p1.circle(np.array([1,2,3]), np.array([3,2,1]),
ll_color='white')
>>> p2.square(np.array([1.5,3.5,5.5]), [1,4,3],
线型图示符
>>> p1.line([1,2,3,4], [3,4,5,6], line_width=2)
>>> p2.multi_line(pd.DataFrame([[1,2,3],[5,6,7]]),
pd.DataFrame([[3,4,5],[3,2,1]]),
color="blue")
3
图示符
4
1
>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame(np.array([[33.9,4,65, 'US'],
[32.4,4,66, 'Asia'],
[21.4,4,109, 'Europe']]),
columns=['mpg','cyl', 'hp', 'origin'],
index=['Toyota', 'Fiat', 'Volvo'])
参阅 数据
HTML
US
Asia
Europe
栅格布局
>>> from bokeh.layouts import gridplot
>>> row1 = [p1,p2]
>>> row2 = [p3]
>>> layout = gridplot([[p1,p2],[p3]])
标签布局
>>> from bokeh.models.widgets import Panel, Tabs
>>> tab1 = Panel(child=p1, title="tab1")
>>> tab2 = Panel(child=p2, title="tab2")
>>> layout = Tabs(tabs=[tab1, tab2])
链接图
图例位置
>>> p2.x_range = p1.x_range
>>> p2.y_range = p1.y_range
链接刷
>>> p4 = gure(plot_width = 100,
tools='box_select,lasso_select')
>>> p4.circle(
'mpg', 'cyl'
, source=cds_df)
>>> p5 = gure(plot_width = 200,
tools='box_select,lasso_select')
>>> p5.circle(
'mpg', 'hp'
, source=cds_df)
>>> layout = row(p4,p5)
>>> show(p1) >>> show(layout)
>>> save(p1) >>> save(layout)
5
>>> p.legend.orientation = "horizontal"
>>> p.legend.orientation = "vertical"
>>> p.legend.border_line_color = "navy"
>>> p.legend.background_ll_color = "white"
图例方向
图例背景与边框
行列布局
行
>>> from bokeh.layouts import row
>>> layout = row(p1,p2,p3)
列
>>> from bokeh.layouts import columns
>>> layout = column(p1,p2,p3)
行列嵌套
>>>layout = row(column(p1,p2), p3)
PNG
>>> from bokeh.io import export_png
>>> export_png(p, lename="plot.png")
SVG
>>> from bokeh.io import export_svgs
>>> p.output_backend = "svg"
>>> export_svgs(p, lename="plot.svg")
Notebook
脱机HTML
>>> from bokeh.embed import le_html
>>> from bokeh.resources import CDN
>>> html = le_html(p, CDN, "my_plot")
图形
绘图区内部
>>> p.legend.location = 'bottom_left'
绘图区外部
>>> from bokeh.models import Legend
>>> r1 = p2.asterisk(np.array([1,2,3]), np.array([3,2,1])
>>> r2 = p2.line([1,2,3,4], [3,4,5,6])
>>> legend = Legend(items=[("One" ,[p1, r1]),("Two",[r2])],
location=(0, -30))
>>> p.add_layout(legend, 'right')
绘图区内部
>>> from bokeh.models import HoverTool
>>> hover = HoverTool(tooltips=None,
mode='vline') >>> p3.add_tools(hover)
链接坐标轴
输出与导出
显示或保存图形
Python 数据科学
速查表
Bokeh
色彩表
资源评论
