Рубрики
Без рубрики

Визуализация данных с использованием Python Bokeh

В этой статье мы рассмотрим визуализацию данных с помощью Python Bokeh.

Автор оригинала: Pankaj Kumar.

В этой статье мы рассмотрим визуализацию данных с помощью Python Bokeh.

Боке позволяет пользователям принимать данные в любом формате, таком как CSV, JSON, жестко закодированные данные или базы данных. С помощью этой библиотеки мы можем создавать точечные диаграммы, линейные диаграммы и т. Д. Он широко используется для анализа фондового рынка в отрасли, потому что очень легко интегрировать эту библиотеку с различными веб-фреймворками, такими как JS, Django и HTML.

Продолжайте читать эту статью, чтобы получить некоторое представление об использовании Боке

содержание

  • Особенности Python Bokeh
  • Начиная С Визуализации Данных с использованием Python Bokeh
    • 1. Построение линейного графика
    • 2. Построение графиков из CSV-файлов
  • Вывод

Особенности Python Bokeh

  1. Interactive : Боке-это очень интерактивная библиотека, которая обеспечивает функциональность интерактивности графиков в дополнение к статическим диаграммам.
  2. Мощный : Bokeh-это мощная библиотека, потому что она позволяет добавлять JavaScript для вариантов использования.
  3. Portable : Выходные данные диаграмм Боке могут быть отображены на любом веб-фреймворке, таком как Django и Python, а также на ноутбуках Jupyter.
  4. Гибкость : Простота построения пользовательских и сложных вариантов использования.
  5. Взаимодействие с другими популярными инструментами: Позволяет легко взаимодействовать с инструментами pydata, такими как Pandas и Jupyter notebook.
Боке Является Интерактивным 2

Начиная С Визуализации Данных с использованием Python Bokeh

Всякий раз, когда мы что-либо делаем с python, рекомендуется создавать виртуальную среду, и лучший способ сделать это-выполнить команду pip install pipenv . После выполнения этой команды у вас будет доступ к команде pipe , и вы сможете запустить оболочку pipe . Это гарантирует, что виртуальная среда настроена.

Теперь вы можете использовать виртуальную среду для установки панд Боке и Питона . Вы можете использовать команду:

pipenv install bokeh pandas

Мы будем использовать pandas, потому что эта библиотека позволяет нам читать CSV-файл как фрейм данных.

1. Построение линейного графика

Прежде чем приступить к построению диаграмм из CSV-файла, мы проведем вас через процесс построения простой линейной диаграммы, чтобы вы ознакомились с Боке.

from bokeh.plotting import figure, output_file, show
  • рисунок модуль поможет пользователям создавать графики.
  • output_file определит имя создаваемого HTML-файла.
  • модуль show сгенерирует и покажет HTML-файл.
x=[1,2,3,4,5]
y=[4,3,3,5,4]

Для данных мы просто создаем их в виде 2 списков -[1,2,3,4,5] и [4,3,3,5,4].

Это такие моменты, как (1,4), (2,3), (3,3), и так далее.

output_file('index.html')

Мы устанавливаем выходной файл в index.html используя приведенный выше код.

p = figure(
    title = 'Example chart',
    x_axis_label = 'X axis',
    y_axis_label = 'Y axis'
)

Мы используем фигуру() для создания графика. Фигура() принимает несколько атрибутов. Вы можете обратиться к документации этого модуля для получения более подробной информации.

Мы будем использовать title , x_axis_label и y_axis_label .

p.line(x, y, legend="test", line_width=1.5)

Теперь, переходя к рендерингу глифа, мы будем использовать приведенный выше фрагмент кода. Мы указываем два списка x и y , определенных ранее. Мы также указываем дополнительные параметры, такие как legend и line_width .

Пожалуйста, обратите внимание, что эти параметры используются здесь, потому что мы используем line chart. Эти параметры, как правило, различаются для других типов графиков.

show(p)

Мы используем функцию show() для отображения результата, и результат отображается на index.html как показано ниже. Весь код также прилагается.

from bokeh.plotting import figure, output_file, show
x=[1,2,3,4,5]
y=[4,3,3,5,4]

# defining the output file
output_file('index.html')

# Adding the plot
p = figure(
    title = 'Example chart',
    x_axis_label = 'X axis',
    y_axis_label = 'Y axis'
)

# Rendering the graph
p.line(x, y, legend="test", line_width=1.5)

# Display the results
show(p)
Выходная Диаграмма, Показанная На Индексном Html

2. Построение графиков из CSV-файлов

Чтобы построить график, мы будем использовать простой набор данных автомобилей, который имеет 2 столбца, а именно название автомобиля и мощность. Мы поймем корреляцию между этими параметрами с помощью графиков. Набор данных выглядит следующим образом

Да

Приведенный выше набор данных может быть построен в виде гистограммы (гистограммы) с использованием Боке, и код для этого выглядит следующим образом:

from bokeh.plotting import figure, output_file, show, save, ColumnDataSource
from bokeh.models.tools import HoverTool
from bokeh.transform import factor_cmap
from bokeh.palettes import Blues8
from bokeh.embed import components
import pandas

df = pandas.read_csv('cars.csv')

source = ColumnDataSource(df)

output_file('index.html')
car_list = source.data['Car'].tolist()

# Add plot
p = figure(
    y_range=car_list,
    plot_width=800,
    plot_height=600,
    title='Cars With Top Horsepower',
    x_axis_label='Horsepower',
    tools="pan,box_select,zoom_in,zoom_out,save,reset"
)

# Render glyph
p.hbar(
    y='Car',
    right='Horsepower',
    left=0,
    height=0.4,
    fill_color=factor_cmap(
      'Car',
      palette=Blues8,
      factors=car_list
    ),
    fill_alpha=0.9,
    source=source,
    legend='Car'
)

# Add Legend
p.legend.orientation = 'vertical'
p.legend.location = 'top_right'
p.legend.label_text_font_size = '10px'


# Show results
show(p)

Вывод, отображаемый на index.html выглядит следующим образом:

Вывод графика

Вывод

Таким образом, мы подходим к концу этой статьи. Боке-это одна из надежных библиотек визуализации данных, которую вы можете использовать для всех своих проектов. Попробуйте примеры из этой статьи и дайте нам знать, что вы чувствуете в разделе комментариев ниже.