Cara menggunakan Bokeh untuk membina aplikasi visualisasi data interaktif

Cara menggunakan Bokeh untuk membina aplikasi visualisasi data interaktif

Pengenalan:
Dalam era data besar hari ini, visualisasi data adalah sangat penting. Melalui teknologi visualisasi, kami boleh memaparkan data dalam bentuk grafik untuk lebih memahami ciri dan arah aliran data. Bokeh ialah perpustakaan Python yang berkuasa yang menyediakan set alat dan fungsi yang kaya untuk membina aplikasi visualisasi data interaktif. Artikel ini menerangkan cara menggunakan Bokeh untuk membina aplikasi visualisasi data interaktif, bersama-sama dengan contoh kod.

1. Pasang Bokeh
Pertama, kita perlu memasang perpustakaan Bokeh. Buka tetingkap baris arahan dan masukkan arahan berikut:

pip install bokeh

2. Konsep asas
Sebelum kita mula, kita perlu memahami beberapa konsep asas. Bokeh menyediakan dua bentuk asas antara muka: antara muka peringkat rendah dan peringkat tinggi. Antara muka peringkat rendah ialah blok binaan asas pustaka Bokeh, yang melaluinya pengguna boleh membina komponen visualisasi tersuai manakala antara muka peringkat tinggi mencipta visualisasi biasa dengan cara yang lebih mudah dan lebih pantas. Artikel ini terutamanya memperkenalkan antara muka peringkat tinggi.

Bokeh adalah berdasarkan objek plot, yang boleh berupa carta, ikon, jadual atau kombinasi yang lebih kompleks. Kita boleh mencipta dan mengubah suai objek lukisan ini menggunakan antara muka peringkat tinggi Bokeh. Untuk memaparkan objek ini kita memerlukan mod output, terdapat beberapa pilihan untuk dipilih termasuk memaparkan dalam penyemak imbas, menyimpan ke fail atau menjana imej statik.

3. Mula Pantas
Sekarang, mari laksanakan aplikasi visualisasi data interaktif yang mudah. Kami mengambil set data iris sebagai contoh, memvisualisasikannya sebagai plot serakan dan melaksanakan beberapa fungsi interaktif.

Mula-mula, kita perlu mengimport perpustakaan dan modul yang diperlukan:

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

Kemudian, kami memuatkan dataset iris dan mencipta objek plot 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)

Seterusnya, kami memplot data dalam dataset sebagai Plot titik serakan, dan gunakan warna untuk mewakili jenis bunga:

# 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))

Menggunakan kod di atas, kami melukis plot taburan di mana paksi-x mewakili panjang kelopak dan paksi-y mewakili lebar kelopak, dan menggunakan warna untuk mewakili jenis bunga.

Seterusnya, kami menambah beberapa ciri interaktif, seperti memaparkan data pada tetikus:

# 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)

Menggunakan kod di atas, apabila tetikus dilegar di atas titik taburan, maklumat tentang jenis bunga, panjang kelopak dan lebar kelopak akan dipaparkan .

Akhir sekali, kami memilih mod output tertentu dan memaparkan objek plot:

# 在浏览器中显示
output_notebook()

# 显示绘图对象
show(plot)

Melalui langkah di atas, kami berjaya melaksanakan aplikasi visualisasi data interaktif yang mudah, di mana setiap titik data boleh dilihat dengan melayang tetikus di atas butiran titik serakan .

Kesimpulan:
Bokeh ialah perpustakaan Python yang sangat berkuasa yang boleh membantu kami membina aplikasi visualisasi data interaktif. Artikel ini memperkenalkan secara ringkas langkah asas menggunakan antara muka peringkat tinggi Bokeh untuk membina aplikasi visualisasi data interaktif dan melampirkan contoh kod. Saya berharap pembaca dapat memahami penggunaan asas Bokeh melalui pengenalan artikel ini, dan menggunakannya secara fleksibel dalam amalan untuk membina aplikasi visualisasi data yang lebih maju dan kompleks.

Atas ialah kandungan terperinci Cara menggunakan Bokeh untuk membina aplikasi visualisasi data interaktif. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!