通過“中級”接口 - bokeh.plotting喝滞，介紹Bokeh的可視化過程。

最基礎(chǔ)的編寫包含如下三個部分

1. 導(dǎo)入
2. 定義畫布膏秫，繪畫
3. 輸出

樣例1：
1右遭、導(dǎo)入

from bokeh.io import output_file, show
from bokeh.plotting import figure

plotting 可以理解為一堆用于作圖的工具, 而figure就是其中的一頁用于作圖的紙
output_file 用于指定輸出到的文件。 如果使用Jupyter Notebook/ Lab的話缤削， 使用output_notebook更合適窘哈。
show 則是代碼層面告訴程序， 我已經(jīng)畫完了亭敢， 可以輸出了的指令滚婉。

2、 定義畫布帅刀， 繪畫让腹。 該案例為一張“散點(diǎn)圖”

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

p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=15, line_color="navy", fill_color="orange", fill_alpha=0.5)

通過figure(plot_width=400, plot_height=400)定義好一個400x400的一頁畫布， 取個名字叫p
通過定義一個“記號”(glyph) p.circle 告訴程序扣溺， 我想用圓來做標(biāo)記骇窍。
circle參數(shù)

[1, 2, 3, 4, 5], [6, 7, 2, 4, 5] 橫坐標(biāo)，縱坐標(biāo)
size=15 Bokeh的所有散列標(biāo)記均接受size參數(shù)锥余， 指定散列標(biāo)記的大小像鸡， 該大小以背景空間的單個元素大小作為單位。該案例中哈恰， 特別的由于標(biāo)記點(diǎn)為圓形只估， 所以也接受redius作為參數(shù)， 定義標(biāo)點(diǎn)的半徑大小着绷。

3蛔钙、 輸出

output_file("file_name.html")  
show(p)  

example

矩形散列圖

如果想用矩形作為標(biāo)記作圖， 那么使用square方法即可荠医。

# create a new plot using figure
p = figure(plot_width=400, plot_height=400)

# add a square renderer with a size, color, alpha, and sizes
p.square([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=[10, 15, 20, 25, 30], color="firebrick", alpha=0.6)

show(p) # show the results

注意到上面的例子中吁脱， 我們針對每一個獨(dú)立的標(biāo)記設(shè)定了大小桑涎。

example2

線條圖

# create a new plot (with a title) using figure
p = figure(plot_width=400, plot_height=400, title="My Line Plot")

# add a line renderer
p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], line_width=2)

show(p) # show the results  

線條圖案中除了line_width參數(shù)以外， 還有例如line_color或者line_dash參數(shù)可以設(shè)定兼贡。

example2

時間坐標(biāo)

本案例為攻冷，葡萄糖含量隨時間的變化

from bokeh.plotting import figure
from bokeh.io import output_file, show
from bokeh.sampledata.glucose import data
data.head()

# reduce data size to one week
week = data.loc['2010-10-01':'2010-10-08']

p = figure(x_axis_type="datetime", title="Glocose Range", plot_height=350, plot_width=800)
p.xgrid.grid_line_color=None
p.ygrid.grid_line_alpha=0.5
p.xaxis.axis_label = 'Time'
p.yaxis.axis_label = 'Value'

p.line(week.index, week.glucose)

output_file("time_axes.html")
show(p)

葡萄糖隨時間變化曲線圖

bokeh.sampledata.glucose.data 來源于pandas下的DataFrame
week = data.loc['2010-10-01':'2010-10-08'] 用于創(chuàng)建一個有關(guān)時間的列表, 通過print(week.index)和print(week.glucose)我們可以分別看到如下信息:

DatetimeIndex(['2010-10-01 00:04:00', '2010-10-01 00:09:00',
              '2010-10-01 00:14:00', '2010-10-01 00:19:00',
              '2010-10-01 00:24:00', '2010-10-01 00:29:00',
              '2010-10-01 00:34:00', '2010-10-01 00:39:00',
              '2010-10-01 00:44:00', '2010-10-01 00:49:00',
              ...
              '2010-10-08 23:12:00', '2010-10-08 23:17:00',
              '2010-10-08 23:22:00', '2010-10-08 23:27:00',
              '2010-10-08 23:32:00', '2010-10-08 23:37:00',
              '2010-10-08 23:42:00', '2010-10-08 23:47:00',
              '2010-10-08 23:52:00', '2010-10-08 23:57:00'],
             dtype='datetime64[ns]', name='datetime', length=2217, freq=None)  

 datetime
 2010-10-01 00:04:00     92
 2010-10-01 00:09:00    100
 2010-10-01 00:14:00    108
 2010-10-01 00:19:00    115
 2010-10-01 00:24:00    120
                       ... 
 2010-10-08 23:37:00     99
 2010-10-08 23:42:00     99
 2010-10-08 23:47:00     98
 2010-10-08 23:52:00     97
 2010-10-08 23:57:00     97
 Name: glucose, Length: 2217, dtype: int64

Pandas 是一個強(qiáng)大的分析結(jié)構(gòu)化數(shù)據(jù)的工具集。DataFrame和Series都是其厲害的武器遍希。
該案例中等曼，行坐標(biāo)時間由DataFrame快速生成， 列坐標(biāo)通過Series快速生成
本案例中新出現(xiàn)其他內(nèi)容：

figure(x_axis_type="datetime", 定義畫布的x軸坐標(biāo)類型為datatime凿蒜。
p.xgrid.grid_line_color=None x軸上的網(wǎng)格線透明禁谦， 即讓網(wǎng)格線中的豎線消失
p.ygrid.grid_line_alpha=0.5 y軸上的網(wǎng)格線半透明，即讓網(wǎng)格線中的橫線以半透明形式展示

六邊形圖案樣例

import numpy as np
from bokeh.plotting import figure
from bokeh.io import output_file, show
from bokeh.palettes import Viridis256
from bokeh.util.hex import hexbin

n = 50000
x = np.random.standard_normal(n)
y = np.random.standard_normal(n)

bins = hexbin(x, y, 0.1)

# color map the bins by hand, will see how to use linear_cmap later
color = [Viridis256[int(i)] for i in bins.counts/max(bins.counts)*255]

# match_aspect ensures neither dimension is squished, regardless of the plot size
p = figure(tools="wheel_zoom,reset", match_aspect=True, background_fill_color='#440154')
p.grid.visible = False

p.hex_tile(bins.q, bins.r, size=0.1, line_color=None, fill_color=color)

output_file("hex_tiling.html")
show(p)

運(yùn)行效果

Hex_Tiling.PNG

NumPy 是使用Python進(jìn)行科學(xué)計算的基礎(chǔ)軟件包
Viridis256 是Bokeh提供的一套預(yù)設(shè)（大）調(diào)色板

Palettes.PNG

通過修改上面代碼废封， 換一個調(diào)色板

import numpy as np
from bokeh.plotting import figure
from bokeh.io import output_file, show
from bokeh.util.hex import hexbin
# from bokeh.palettes import Viridis256
from bokeh.palettes import Inferno256

n = 50000
x = np.random.standard_normal(n)
y = np.random.standard_normal(n)

bins = hexbin(x, y, size=0.1)

# color = [Viridis256[int(i)] for i in bins.counts/max(bins.counts)*255]
color = [Inferno256[int(i)] for i in bins.counts/max(bins.counts)*255]

# p = figure(tools="wheel_zoom,reset", match_aspect=True, background_fill_color='#440154')
p = figure(tools="wheel_zoom,reset", match_aspect=True, background_fill_color='#000003')

p.grid.visible = False

p.hex_tile(bins.q, bins.r, size=0.1, line_color=None, fill_color=color)

output_file("hex_tiling.html")
show(p)

效果如下

Hex_Tiling_1.PNG

本章節(jié)我們接觸了Bokeh的基本邏輯過程州泊， 包括：
1、導(dǎo)入
2漂洋、定義畫布遥皂、畫散列標(biāo)記或曲線
3、輸出

同時也感受了一下Pandas和NumPy功能的強(qiáng)大刽漂， 為我們學(xué)習(xí)作圖的初期階段提供了巨大的便利

下一篇 二渴肉、Bokeh風(fēng)格與主題