交互式数据可视化在Python中用Bokeh实现(2)_python教程_开发教程

在Bokeh服务器上进行可视化绘图有多个优点：

图表有更多的受众

可对大数据集进行交互式可视化

可根据数据流自动更新图表

创建控制面板和应用程序

开始在Bokeh服务器上绘图之前，我先运行了“bokeh-server”指令对其进行初始化，然后再运行用于可视化的相关指令。

绘图

Plotting是一个中级接口，是以构建视觉符号为核心的接口。在这里，你可以综合各种视觉元素（点、圆、线、补丁和许多其它元素）和工具（悬停、缩放、保存、重置和其它工具）来创建可视化。

使用Bokeh的Plotting接口创建的图表自带一组默认的工具和视觉效果。绘图可按照以下步骤进行：

1. 导入库、方法或函数

2. 选择输出方式（Notebook文档、Web浏览器、服务器）

3. 激活图（类似matplotlib）

4. 执行后续的绘图操作，这将影响已经生成的图形。

5. 图表可视化

为了更好地理解这些步骤，让我举例演示：

绘图范例-1：在Notebook文档中创建二维散点图（正方形标记）

同样，你可以创建各种其它类型的图：如线、角和圆弧、椭圆、图像、补丁以及许多其它的图。

绘图范例-2：将两种视觉元素合并在一张图中

绘图范例-3：为上图添加一个悬停工具和坐标轴标签

绘图范例-4：使用纬度和经度数据来绘制印度地图

注：我已经有一个CSV格式的印度边界的纬度和经度的多边形数据。我将使用该数据来绘图。

在这里，我们将使用补丁绘图，让我们看看下面的命令：

结语

在本文中，我们讨论了用Bokeh创建可视化以及如何将可视化结果呈现在Notebook文档、html文档以及bokeh服务器上。我们还谈到了如何使用绘图接口创建个性化的可视化图表，通过该功能，你可以将多种视觉元素结合到一起来展示数据信息。

(责任编辑：最模板)