Comment utiliser Bokeh pour créer des applications interactives de visualisation de données

Comment utiliser Bokeh pour créer des applications interactives de visualisation de données

Introduction :
À l'ère actuelle du Big Data, la visualisation des données est très importante. Grâce à la technologie de visualisation, nous pouvons afficher les données sous forme de graphiques pour mieux comprendre les caractéristiques et les tendances des données. Bokeh est une puissante bibliothèque Python qui fournit un riche ensemble d'outils et de fonctions pour créer des applications interactives de visualisation de données. Cet article explique comment utiliser Bokeh pour créer des applications interactives de visualisation de données, ainsi que des exemples de code.

1. Installer Bokeh
Tout d'abord, nous devons installer la bibliothèque Bokeh. Ouvrez la fenêtre de ligne de commande et entrez la commande suivante :

pip install bokeh

2. Concepts de base
Avant de commencer, nous devons comprendre certains concepts de base. Bokeh fournit deux formes d'interfaces de base : les interfaces de bas niveau et de haut niveau. Les interfaces de bas niveau sont les éléments de base de la bibliothèque Bokeh, grâce auxquels les utilisateurs peuvent créer des composants de visualisation personnalisés ; tandis que les interfaces de haut niveau créent des visualisations communes de manière plus pratique et plus rapide. Cet article présente principalement l'interface de haut niveau.

Bokeh est basé sur des objets de tracé, qui peuvent être des graphiques, des icônes, des tableaux ou des combinaisons plus complexes. Nous pouvons créer et modifier ces objets de dessin à l'aide de l'interface de haut niveau de Bokeh. Pour afficher ces objets, nous avons besoin d'un mode de sortie, vous avez le choix entre plusieurs options, notamment l'affichage dans le navigateur, l'enregistrement dans un fichier ou la génération d'une image statique.

3. Démarrage rapide
Maintenant, implémentons une application simple de visualisation de données interactive. Nous prenons l'ensemble de données sur l'iris comme exemple, le visualisons sous forme de nuage de points et implémentons certaines fonctions interactives.

Tout d'abord, nous devons importer les bibliothèques et modules requis :

import pandas as pd
from bokeh.plotting import figure, show
from bokeh.io import output_notebook, output_file
from bokeh.models import ColumnDataSource, CategoricalColorMapper, HoverTool

Ensuite, nous chargeons l'ensemble de données d'iris et créons un objet de tracé Bokeh :

# 加载鸢尾花数据集
iris = pd.read_csv('iris.csv')

# 创建绘图对象
plot = figure(title='鸢尾花数据集', 
              x_axis_label='花瓣长度', y_axis_label='花瓣宽度',
              plot_width=600, plot_height=400)

Ensuite, nous traçons les données de l'ensemble de données sous forme de points de dispersion Plot et utilisons couleurs pour représenter les types de fleurs :

# 创建颜色映射器
color_mapper = CategoricalColorMapper(factors=['setosa', 'versicolor', 'virginica'], 
                                      palette=['red', 'green', 'blue'])

# 添加散点图
plot.circle(x='petal_length', y='petal_width', 
            color={'field': 'species', 'transform': color_mapper},
            size=10, alpha=0.5, source=ColumnDataSource(iris))

En utilisant le code ci-dessus, nous dessinons un nuage de points où l'axe des x représente la longueur des pétales et l'axe des y représente la largeur des pétales, et utilise des couleurs pour représenter les types de fleurs.

Ensuite, nous ajoutons quelques fonctionnalités interactives, telles que l'affichage des données au survol de la souris :

# 添加悬停工具
hover = HoverTool(tooltips=[('花的种类', '@species'),
                            ('花瓣长度', '@petal_length'),
                            ('花瓣宽度', '@petal_width')])
plot.add_tools(hover)

En utilisant le code ci-dessus, lorsque la souris passe sur le point de dispersion, des informations sur le type de fleur, la longueur et la largeur des pétales seront affichées. .

Enfin, nous sélectionnons le mode de sortie spécifique et affichons l'objet de tracé :

# 在浏览器中显示
output_notebook()

# 显示绘图对象
show(plot)

Grâce aux étapes ci-dessus, nous avons implémenté avec succès une application simple de visualisation de données interactive, où chaque point de données peut être visualisé en passant la souris sur les détails des points de dispersion. .

Conclusion :
Bokeh est une bibliothèque Python très puissante qui peut nous aider à créer des applications interactives de visualisation de données. Cet article présente brièvement les étapes de base pour créer des applications interactives de visualisation de données à l'aide de l'interface de haut niveau de Bokeh et joint des exemples de code. J'espère que les lecteurs pourront comprendre l'utilisation de base de Bokeh grâce à l'introduction de cet article et l'utiliser de manière flexible dans la pratique pour créer des applications de visualisation de données plus avancées et plus complexes.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!