浅谈python可视化包Bokeh

本文研究的主要是python可视化包Bokeh的相关内容,具体如下。

问题:需要把pandas的数据绘图并通过网页显示,matplotlib需要先保存图像,不合适。

解决:在网上搜了一下,找到一篇介绍文章 python可视化工具概述,其中介绍了几个python包,总结如下:

  • Pandas对于简单绘图,可以随手用,但你需要学习定制matplotlib。
  • Seaborn可以支持更多复杂的可视化方式,但仍然需要matplotlib知识,上色功能是个亮点。
  • ggplot有很多功能,但还需要发展。
  • bokeh是一个有效的工具,如果你想建立一个可视化的服务器,这几乎是杀鸡用牛刀的事情。
  • pygal独立运行,可用来生成交互的svg图表和png文件。它没有基于matploglib的方案那样灵活。
  • Plotly可生成大多数可交互图表。你可以保存为离线文件,然后建立丰富的基于web的可视化。
  • 感觉Bokeh比较合适,就认真研究了一下,找到一篇简单介绍Bokeh使用的文章 交互式数据可视化,在Python中用Bokeh实现,Bokeh可以直接跟Jinja2集成,将生成的图像在网页中直接显示,正满足需求。大体流程如下:

1、生成图像

p = figure(title = code, plot_width=1024, plot_height=600, x_axis_type='datetime') 
p.line(x=trd_df['date'], y=trd_df['close']) 
script, div = components(p)

2、在flask中传递参数

return render_template('show_stock.html', 
bk_js = bokeh.resources.INLINE.render_js(),
bk_css = bokeh.resources.INLINE.render_css(), 
p_script = script, div = p_div)

3、在html中调用显示

<!doctype html> 
<html lang="en"> 
<head> 
  <meta charset='utf-8' /> 
  <meta http-equiv='content-type' content='text/html; charset=utf-8' /> 
 
  <title>Embed Demo</title> 
 
  {{ js_resources|indent(4)|safe }} 
 
  {{ css_resources|indent(4)|safe }} 
 
  {{ p_script|indent(4)|safe }} 
 
</head> 
<body> 
 
  {{ p_div|indent(4)|safe }} 
 
</body> 
</html>

总结

以上就是本文关于浅谈python可视化包Bokeh的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题,如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!

相关推荐