Bokeh 包是一个交互式的可视化库。其利用 web 浏览器进行展示，目标是以 D3.js 的风格绘制图案，这样图会看起来很优美，而且很容易构造。Bokeh 支持大量的流式的数据集。你可以用这个库创建各种图表/图形。它的一个主要竞争对手可能要属 Plotly 了。
译注：D3.js 是一个可用于创建“数据驱动文档”（Data Driven Documents） JavaScript 库。详情看这里
注意：这不是一篇关于 Bokeh 库的深度教程，因为它所能绘制的不同图表和可视化图形实在太多了。因此，本文的目的是带读者领略一下 Bokeh 库的丰姿，看看它能做哪些有趣的事情。
让我们花一点时间安装 Bokeh。最简单的方式是使用 pip 或 conda，比如使用 pip：
pip install bokeh
这条命令会安装 Bokeh 以及它所有的依赖包。因为这个原因，你可能想要在一个虚拟环境下安装 Bokeh，但这完全取决于你。现在，让我们通过一个简单的例子，检查是否安装成功。将下面的代码保存到文件，文件名按你喜欢的来就好。
from bokeh.plotting import figure, output_file, show
output_file("/path/to/test.html")
x = range(1, 6)
y = [10, 5, 7, 1, 6]
plot = figure(title="Line example", x_axis_label="x", y_axis_label="y")
plot.line(x, y, legend="Test", line_width=4)
show(plot)
这里，我们仅仅从 Bokeh 库导入了一些条目，也仅仅说明了将输出保存到哪里。你会注意到，输出是 HTML 文档 。然后我们为 x 轴和 y 轴生成了一些值，用于创建图表。再然后，我们创建了一个 figure 对象，设置了标题和两个坐标轴的标签。最后，我们画出这条折线，给出了图例，设置了线宽，并显示。命令 show 会自动打开你的默认浏览器，并在其中显示图表。最终你看到的将是这样的：
Bokeh 还支持 Jupyter Notebook，唯一需要修改的就是用 output_notebook 代替 output_file。
译注：output_notebook()，不再需要参数。
Bokeh 的快速入门指南已经提供了一个在网格线上绘制一系列正弦波的简明例子。我稍微削减了代码，只留下一个正弦波。注意了，要让下面的例子能正常执行，你需要先安装好 NumPy。
import numpy as np
from bokeh.layouts import gridplot
from bokeh.plotting import figure, output_file, show
N = 100
x = np.linspace(0, 4*np.pi, N)
y0 = np.sin(x)
output_file("sinewave.html")
sine = figure(width=500, plot_height=500, title="Sine")
sine.circle(x, y0, size=10, color="navy", alpha=0.5)
p = gridplot([[sine]], toolbar_location=None)
show(p)
这个例子与前一个的主要不同是，我们用 NumPy 来生成数据点，以及我们将图形放在了网格线内部，而不是画出图形本身。当你运行这段代码，最终看到的图表应该是这样的：
如果你不喜欢圆形，Bokeh 还支持其他的形状，总有你喜欢的，比如正方形，三角形，以及其他多种图形。
小结
Bokeh 项目确实很有趣，它提供了简单易用的 API，用于创建图案、图表和其他数据可视化形式。Bokeh 的文档梳理得相当好，它包含了大量的例子，以展示你都能用它做什么。你值得浏览一遍它的文档，这样你会见识到，其他的一些图表是长什么样的，以及生成如此美丽结果的代码是多么简短。
我唯一抱怨的一点是，Bokeh 并没有提供一种通过编程就能保存图片的方法。两年来，这一直是他们致力于修改的 bug。好消息是，他们找到了一种方式，也许不久就会支持这一功能。除此之外，我觉得它简直酷毙了。
python利用socket远程执行|Python利用 Bokeh进行可视化的方法
http://m.bbyears.com/jiaocheng/109029.html
推荐访问:利用python进行数据分析 python怎么读 python教程