Bokeh是一个专门针对Web浏览器的交互式可视化Pytho

　　1说明：
　　1。1Bokeh是专门针对Web浏览器的交互式、可视化Python绘图库。
　　1。2Bokeh，可以做出像D3。js简洁漂亮的交互可视化效果，但是使用难度低于D3。js。
　　1。3不需要使用Javascript。
　　2官网：
　　https：docs。bokeh。orgenlatesthttps：github。combokehbokeh
　　3安装：
　　pipinstallbokeh本机安装sudopip3。8installbokeh
　　4环境：
　　华为笔记本电脑、深度deepinlinux操作系统、python3。8和微软vscode编辑器。
　　5静态基本作图：
　　5。1柱状图：
　　5。1。1代码：frombokeh。ioimportoutputfile，showfrombokeh。plottingimportfigure数据，支持中文fruits〔苹果，Pears，Nectarines，Plums，Grapes，Strawberries〕counts〔5，3，4，2，4，6〕绘图pfigure（xrangefruits，plotheight350，titleFruitCounts，toolbarlocationNone，tools）柱状图，vbar是指垂直柱状图p。vbar（xfruits，topcounts，width0。9）导出文件：文件名和指定路径，注意没有这一行，也会自动在代码所在的生成同名的html文件outputfile（homexgjDesktopbokehbarbasic。html）展示图show（p）
　　5。1。2图：
　　5。2折线图
　　5。2。1代码：frombokeh。ioimportoutputfile，showfrombokeh。plottingimportfigure数据，支持中文fruits〔苹果，Pears，Nectarines，Plums，Grapes，Strawberries〕counts〔5，3，4，2，4，6〕绘图pfigure（xrangefruits，plotheight350，titleFruitCounts，toolbarlocationNone，tools）柱状图p。line（xfruits，ycounts）展示图show（p）
　　5。2。2图：
　　5。3散点图：
　　5。3。1代码：frombokeh。ioimportoutputfile，showfrombokeh。plottingimportfigure，outputfile，show同上数据，支持中文fruits〔苹果，Pears，Nectarines，Plums，Grapes，Strawberries〕counts〔5，3，4，2，4，6〕绘图pfigure（xrangefruits，plotheight350，titleFruitCounts，toolbarlocationNone，tools）柱状图p。scatter（xfruits，ycounts，size20，fillcolor74add1）展示图show（p）
　　5。3。2图：
　　基本作图方便，优美；比matplotlib简单，暂时介绍到这里
　　6高级作图：
　　6。1jsevents：调用js事件
　　6。2代码：importnumpyasnpfrombokehimporteventsfrombokeh。ioimportoutputfile，showfrombokeh。layoutsimportcolumn，rowfrombokeh。modelsimportButton，CustomJS，Divfrombokeh。plottingimportfigure定义js和事件defdisplayevent（p，attributes〔〕）：stylefloat：clear：fontsize：13pxreturnCustomJS（argsdict（pp），varargs〔〕；for（vari0；iattrs。i）｛varvalJSON。stringify（cbobj〔attrs〔i〕〕，function（key，val）｛returnval。toFixed？Number（val。toFixed（2））：｝）args。push（attrs〔i〕val）｝varlinespanstylerbcbobj。eventnameb（args。join（，））vartextp。text。concat（line）；varlinestext。split（n）if（lines。length35）lines。shift（）；p。textlines。join（n）；（attributes，style））数据N4000xnp。random。random（sizeN）100ynp。random。random（sizeN）100radiinp。random。random（sizeN）1。5colors〔02x02x02x（int（r），int（g），150）forr，ginzip（502x，302y）〕pfigure（toolspan，wheelzoom，zoomin，zoomout，reset，tap，lassoselect，boxselect）调用散点图p。scatter（x，y，radiusradii，fillcolorcolors，fillalpha0。6，linecolorNone）容器实例化，宽pDiv（width1000）buttonButton（labelButton，buttontypesuccess，width300）layoutcolumn（button，row（p，p））注册事件回调按钮事件button。jsonevent（events。ButtonClick，displayevent（p））LOD事件p。jsonevent（events。LODStart，displayevent（p））p。jsonevent（events。LODEnd，displayevent（p））Pointevents点事件pointattributes〔x，y，sx，sy〕p。jsonevent（events。Tap，displayevent（p，attributespointattributes））p。jsonevent（events。DoubleTap，displayevent（p，attributespointattributes））p。jsonevent（events。Press，displayevent（p，attributespointattributes））p。jsonevent（events。PressUp，displayevent（p，attributespointattributes））Mousewheeleventp。jsonevent（events。MouseWheel，displayevent（p，attributespointattributes〔delta〕））Mousemove，enterandleavep。jsonevent（events。MouseMove，displayevent（p，attributespointattributes））p。jsonevent（events。MouseEnter，displayevent（p，attributespointattributes））p。jsonevent（events。MouseLeave，displayevent（p，attributespointattributes））Paneventspanattributespointattributes〔deltax，deltay〕p。jsonevent（events。Pan，displayevent（p，attributespanattributes））p。jsonevent（events。PanStart，displayevent（p，attributespointattributes））p。jsonevent（events。PanEnd，displayevent（p，attributespointattributes））Pincheventspinchattributespointattributes〔scale〕p。jsonevent（events。Pinch，displayevent（p，attributespinchattributes））p。jsonevent（events。PinchStart，displayevent（p，attributespointattributes））p。jsonevent（events。PinchEnd，displayevent（p，attributespointattributes））Selectioneventsp。jsonevent（events。SelectionGeometry，displayevent（p，attributes〔geometry，final〕））show（layout）
　　6。3效果图：
　　6。4图形总体
　　6。4。1代码：frombokeh。core。enumsimportMarkerTypefrombokeh。layoutsimportrowfrombokeh。modelsimportColumnDataSource，Panel，Tabsfrombokeh。plottingimportfigure，outputfile，showfrombokeh。sampledata。irisimportflowerssourceColumnDataSource（flowers）defmakeplot（title，marker，backend）：pfigure（titletitle，plotwidth350，plotheight350，outputbackendbackend）p。scatter（petallength，petalwidth，sourcesource，colorblue，fillalpha0。2，size12，markermarker）returnptabs〔〕formarkerinMarkerType：p1makeplot（marker，marker，canvas）p2makeplot（markerSVG，marker，svg）p3makeplot（markerGL，marker，webgl）tabs。append（Panel（childrow（p1，p2，p3），titlemarker））outputfile（markercompare。html，titleCompareregular，SVG，andWebGLmarkers）show（Tabs（tabstabs））
　　6。4。2效果图
　　一般基本作图是小白和普通人需要的掌握的，下次重点讲
　　7机器学习：scikitlearnproject
　　7。1代码：importnumpyasnpfromsklearnimportcluster，datasetsfromsklearn。preprocessingimportStandardScalerfrombokeh。layoutsimportcolumn，rowfrombokeh。plottingimportfigure，outputfile，showprint（Thisexamplemaytakeseveralsecondstorunbeforedisplaying。）print（该示例展示前需要等待几秒。）N50000PLOTSIZE400generatedatasets。np。random。seed（0）noisycirclesdatasets。makecircles（nsamplesN，factor。5，noise。04）noisymoonsdatasets。makemoons（nsamplesN，noise。05）centers〔（2，3），（2，3），（2，3），（2，3）〕blobs1datasets。makeblobs（centerscenters，nsamplesN，clusterstd0。4，randomstate8）blobs2datasets。makeblobs（centerscenters，nsamplesN，clusterstd0。7，randomstate8）colorsnp。array（〔xforxin（00f，0f0，f00，0ff，f0f，ff0）〕）colorsnp。hstack（〔colors〕20）createclusteringalgorithmsdbscancluster。DBSCAN（eps。2）birchcluster。Birch（nclusters2）meanscluster。MiniBatchKMeans（nclusters2）spectralcluster。SpectralClustering（nclusters2，eigensolverarpack，affinitynearestneighbors）affinitycluster。AffinityPropagation（damping。9，preference200）changehere，toselectclusteringalgorithm（note：spectralisslow）algorithmdbscanSELECTALGplots〔〕fordatasetin（noisycircles，noisymoons，blobs1，blobs2）：X，ydatasetXStandardScaler（）。fittransform（X）predictclustermembershipsalgorithm。fit（X）ifhasattr（algorithm，labels）：ypredalgorithm。labels。astype（np。int）else：ypredalgorithm。predict（X）pfigure（outputbackendwebgl，titlealgorithm。class。name，plotwidthPLOTSIZE，plotheightPLOTSIZE）p。scatter（X〔：，0〕，X〔：，1〕，colorcolors〔ypred〕。tolist（），alpha0。1，）plots。append（p）generatelayoutfortheplotslayoutcolumn（row（plots〔：2〕），row（plots〔2：〕））outputfile（clustering。html，titleclusteringwithsklearn）show（layout）
　　7。2效果图：
　　自己整理并分享出来
　　喜欢的就点赞、转发、评论、关注和收藏。