Python庫?Bokeh?數(shù)據(jù)可視化實(shí)用指南

更新時間：2021年11月25日 08:36:14 作者：Python學(xué)習(xí)與數(shù)據(jù)挖掘

大家好，今天跟大家分享的是交互式可視化神器?Python?Bokeh?的詳細(xì)使用教程，Bokeh是一個面向現(xiàn)代web瀏覽器的交互式可視化庫。它提供了多功能圖形的優(yōu)雅、簡潔的構(gòu)造，并在大型數(shù)據(jù)集或流式數(shù)據(jù)集上提供了高性能的交互性，接下來讓我們詳細(xì)看看吧

什么是 Bokeh

Bokeh 是 Python 中的交互式可視化庫。Bokeh提供的最佳功能是針對現(xiàn)代 Web 瀏覽器進(jìn)行演示的高度交互式圖形和繪圖。Bokeh 幫助我們制作出優(yōu)雅、簡潔的圖表，其中包含各種圖表。

Bokeh 主要側(cè)重于將數(shù)據(jù)源轉(zhuǎn)換為 JSON 格式，然后用作 BokehJS 的輸入。Bokeh的一些最佳功能是：

靈活性： Bokeh 也為復(fù)雜的用例提供簡單的圖表和海關(guān)圖表。
功能強(qiáng)： Bokeh 具有易于兼容的特性，可以與 Pandas 和 Jupyter 筆記本一起使用。
樣式：我們可以控制圖表，我們可以使用自定義 Javascript 輕松修改圖表。
開源： Bokeh 提供了大量的示例和想法，并在 Berkeley Source Distribution (BSD) 許可下分發(fā)。

使用Bokeh，我們可以輕松地將大數(shù)據(jù)可視化并以吸引人的優(yōu)雅方式創(chuàng)建不同的圖表。

在哪使用 Bokeh 圖

有很多可視化庫，為什么我們只需要使用Bokeh？我們可以使用 Bokeh 庫在網(wǎng)頁上嵌入圖表。使用Bokeh，我們可以將圖表嵌入網(wǎng)絡(luò)、制作實(shí)時儀表板和應(yīng)用程序。Bokeh 為圖表提供了自己的樣式選項(xiàng)和小部件。這是使用 Flask 或 Django 在網(wǎng)站上嵌入Bokeh圖的優(yōu)勢。

安裝Bokeh庫

用pip安裝Bokeh庫，運(yùn)行以下命令

pip install pandas-Bokeh

為conda環(huán)境安裝Bokeh庫，運(yùn)行以下命令

conda install -c patrikhlobil pandas-Bokeh

導(dǎo)入Bokeh庫

為Bokeh庫導(dǎo)入必要的包。

import pandas as pd
# pip install pandas_Bokeh
import pandas_Bokeh
from Bokeh.io import show, output_notebook
from Bokeh.plotting import figure
pandas_Bokeh.output_notebook()
pd.set_option('plotting.backend', 'pandas_Bokeh')

Bokeh繪圖是一個用于創(chuàng)建交互式視覺效果的界面，我們從中導(dǎo)入它作為保存我們圖表的容器。 figure

from Bokeh.plotting import figure

我們需要以下命令來顯示圖表。

from Bokeh.io import show, output_notebook

我們需要以下命令來在 jupyter notebook 中顯示圖表的輸出。

pandas_Bokeh.output_notebook()

要將圖表嵌入為 HTML，請運(yùn)行以下命令。

pandas_bokeh.output_file（文件名）

Hovertool 用于在我們使用鼠標(biāo)指針懸停在數(shù)據(jù)上時顯示值， ColumnDataSource 是 DataFrame 的 Bokeh 版本。

from Bokeh.models import HoverTool, ColumnDataSource

繪制圖表的語法

使用Pandas Bokeh

現(xiàn)在，通過以下代碼將Bokeh繪圖庫用于 Pandas 數(shù)據(jù)框。

dataframe.plot_Bokeh()

為Bokeh創(chuàng)建 Figure 對象

我們將創(chuàng)建一個圖形對象，它只不過是一個保存圖表的容器。我們可以給 figure() 對象取任何名字，這里我們給了 fig.

fig = figure()
'''
自定義繪圖代碼
'''
show(fig)

使用 ColumnDataSource 創(chuàng)建圖表

要將 ColumnDataSource 與渲染函數(shù)一起使用，我們至少需要傳遞 3 個參數(shù)：

x – 包含圖表 x 軸數(shù)據(jù)的 ColumnDataSource 列的名稱
y – 包含圖表 y 軸數(shù)據(jù)的 ColumnDataSource 列的名稱
source – ColumnDataSource 列的名稱，該列包含我們?yōu)?x 軸和 y 軸引用的數(shù)據(jù)

要在單獨(dú)的 HTML 文件中顯示輸出圖表，請運(yùn)行以下命令。

output_file('abc.html')

使用Bokeh庫主題

Bokeh主題有一組預(yù)定義的設(shè)計，可以將它們應(yīng)用到您的繪圖中。Bokeh 提供了五個內(nèi)置主題。

caliber,
dark_minimal,
light_minimal,
night_sky,
contrast.

下圖顯示了圖表在內(nèi)置主題中的外觀。在這里，我采取了不同主題的折線圖。

運(yùn)行以下代碼以使用內(nèi)置主題繪制圖表。

圖表樣式

為了增強(qiáng)圖表，我們可以使用不同的屬性。對象共有的三組主要屬性：

線屬性
填充屬性
文本屬性

基本造型

我將只添加自定義圖表所需的代碼，您可以根據(jù)需要添加代碼。最后，我將展示帶有演示代碼的圖表，以便清楚地理解。好吧，還有更多屬性的詳細(xì)解釋請參見官方文檔。

為圖表添加背景顏色。

fig = figure(background_fill_color="#fafafa")

設(shè)置圖表寬度和高度的值我們需要在figure()中添加高度和寬度。

fig = figure(height=350, width=500)

隱藏圖表的 x 軸和 y 軸。

fig.axis.visible=False

隱藏圖表的網(wǎng)格顏色。

fig.grid.grid_line_color = None

要更改圖表顏色的強(qiáng)度，我們使用 alpha 。

fig.background_fill_alpha=0.3

要為圖表添加標(biāo)題，我們需要在 figure() 中添加標(biāo)題。

fig = figure(title="abc")

要添加或更改 x 軸和 y 軸標(biāo)簽，請運(yùn)行以下命令。

fig.xaxis.axis_label='X-axis'
fig.yaxis.axis_label='Y-axis'

簡單樣式的演示圖表

x = list(range(11))
y0 = x

fig = figure(width=500, height=250,title='Title',background_fill_color="#fafafa")

fig.circle(x, y0, size=12, color="#53777a", alpha=0.8)
fig.grid.grid_line_color = None
fig.xaxis.axis_label='X-axis'
fig.yaxis.axis_label='Y-axis'

show(fig)

使用 Bokeh.plotting 界面創(chuàng)建圖表的步驟是：

準(zhǔn)備數(shù)據(jù)
創(chuàng)建一個新的情節(jié)
為您的數(shù)據(jù)添加渲染，以及您對繪圖的可視化自定義
指定生成輸出的位置（在 HTML 文件中或在 Jupyter Notebook 中）
顯示結(jié)果

Python 中的 Bokeh用例

數(shù)據(jù)

讓我們加載數(shù)據(jù)并再創(chuàng)建一個特征User ID；用戶 id 會告訴我們它像用戶 1、用戶 2 等哪個用戶。

import glob
path = 'archive' 
all_files = glob.glob(path + "/*.csv")
li = []
usr=0
for filename in all_files:
    usr+=1
    df = pd.read_csv(filename, index_col=None, header=0)
    df['User ID']=usr
    li.append(df)
df = pd.concat(li, axis=0, ignore_index=True)
df[:2]

數(shù)據(jù)說明

Game Completed Date-游戲完成的日期和時間
Team團(tuán)隊(duì)- 告訴我們玩家是冒名頂替者還是船員
Outcome結(jié)果- 告訴我們游戲是否贏/輸
Task Completed已完成的任務(wù) - 船員完成的任務(wù)數(shù)
All Tasks Completed – 布爾變量顯示所有任務(wù)是否由船員完成
Murdered謀殺- 船員是否被謀殺
Imposter Kills冒名頂替者殺死 – 冒名頂替者的擊殺次數(shù)
Game Length游戲時長——游戲的總持續(xù)時間
Ejected - 玩家是否被其他玩家驅(qū)逐
Sabotages Fixed – 船員修復(fù)的破壞次數(shù)
Time to complete all tasks完成所有任務(wù)的時間——船員完成任務(wù)所用的時間
Rank Change排名變化- 比賽輸/贏后排名的變化
Region/Game Code地區(qū)/游戲代碼- 服務(wù)器和游戲代碼
User ID用戶 ID –用戶數(shù)量。

注意：本文不包含 EDA，但展示了如何在 Bokeh 中使用不同的圖表

看看數(shù)據(jù)的分布。

df.describe(include='O')

我們將創(chuàng)建一個特征 Minute 并從 Game Lenght 中提取數(shù)據(jù)。

df['Min'] = df.apply(lambda x : x['Game Length'].split(" ")[0] , axis = 1)
df['Min'] = df['Min'].replace('m', '', regex=True)
df['Min'][:2]

0    07
1    16
Name: Min, dtype: object

現(xiàn)在，我們將替換 Murdered 特征的值。

df['Murdered'].replace(['No', 'Yes', '-'], ['Not Murdered', 'Murdered', 'Missing'],inplace=True)

完成必要的清潔步驟后。首先，讓我們看看Bokeh中的基本圖表。

餅形圖

檢查一下游戲中是否有更多的船員或冒名頂替者，我們有總共 2227 人的數(shù)據(jù)。

df_team = df.Team.value_counts()
df_team.plot_Bokeh(kind='pie', title='Ration of Mposter vs Crewmate')

如圖所示，Cremates 占 79%，Imposters 占 21%，由此可見 Imposter: Crewmates 的比例為1:4。冒名頂替者較少，因此有可能贏得大部分比賽。

圓環(huán)圖

檢查游戲中是否有更多的船員或冒名頂替者被謀殺。我們將添加兩個我們將在圖表中使用的功能 Angle 和 Color。

from math import pi
df_mur = df.Murdered.value_counts().reset_index().rename(columns={'index': 'Murdered', 'Murdered': 'Value'})
df_mur['Angle'] = df_mur['Value']/df_mur['Value'].sum() * 2*pi
df_mur['Color'] = ['#3182bd', '#6baed6', '#9ecae1']

df_mur

將用annular_wedge()做一個圓環(huán)圖。

from Bokeh.transform import cumsum

fig = figure(plot_height=350, 
             title="Ration of Murdered vs Not Murdered", 
             toolbar_location=None,

tools="hover", tooltips="@Murdered: @Value", x_range=(-.5, .5))
fig.annular_wedge(x=0, y=1, inner_radius=0.15, 
                  outer_radius=0.25, direction="anticlock",

start_angle=cumsum('Angle', include_zero=True),
                  end_angle=cumsum('Angle'),

line_color="white", fill_color='Color', legend_label='Murdered', source=df_mur)

fig.axis.axis_label=None
fig.axis.visible=False
fig.grid.grid_line_color = None
show(fig)

大多數(shù)人在游戲中被謀殺，但大部分?jǐn)?shù)據(jù)丟失。所以我們不能說大多數(shù)人是在游戲中被謀殺的。

散點(diǎn)圖

首先，將創(chuàng)建 Sabotages fixed 和 Minutes 的數(shù)據(jù)框，并更改列名并在其中添加 T。

df_min = pd.crosstab(df['Min'], df['Sabotages Fixed']).reset_index()
df_min = df_min.rename(columns={0.0:'0T', 1.0:'1T',
                       2.0:'2T',3.0:'3T',4.0:'4T',5.0:'5T'
                    })
df_min[:2]

將 3 次破壞固定為 0,1 和 2 并創(chuàng)建一個數(shù)據(jù)框。

df_0 = df_min[['Min', '0T']]
df_1 = df_min[['Min', '1T']]
df_2 = df_min[['Min', '2T']]

要制作只有一個圖例的簡單散點(diǎn)圖，我們可以傳遞數(shù)據(jù)并使用scatter()它來制作圖表。

df_min.plot_Bokeh.scatter(x='Min', y='1T')

要制作包含多個圖例的散點(diǎn)圖，我們需要使用圓圈；這是圖形對象的一種方法。圓圈是Bokeh提供的眾多繪圖樣式之一，您可以使用三角形或更多。

fig = figure(title='Sabotages Fixed vs Minutes', 
             tools= 'hover', 
             toolbar_location="above", 
             toolbar_sticky=False)
fig.circle(x="Min",y='0T', 
         size=12, alpha=0.5, 
         color="#F78888", 
         legend_label='0T', 
         source=df_0),
fig.circle(x="Min",y='1T', 
         size=12, alpha=0.5, 
         color="blue", 
         legend_label='1T', 
         source=df_1),
fig.circle(x="Min",y='2T', 
         size=12, alpha=0.5, 
         color="#626262", 
         legend_label='2T', 
         source=df_2),
show(fig)

簡單直方圖

看看游戲之間的分鐘分布。將用hist來繪制直方圖。

df_minutes = df['Min'].astype('int64')
df_minutes.plot_Bokeh(kind='hist', title='Distribution of Minutes')

大多數(shù)比賽有6分鐘到14分鐘的時間。

堆積直方圖

看看游戲長度是否會增加，因此冒名頂替者和船員會減少還是增加。我們將使用 hist來制作堆疊直方圖。

df_gm_te = pd.crosstab(df['Game Length'], df['Team'])
df_gm_te

df_gm_te.plot_Bokeh.hist(title='Gamelegth vs Imposter/Crewmate', figsize=(750, 350))

Bokeh中的堆疊直方圖

冒名頂替者不傾向于長時間玩游戲，他們只想殺死所有火葬并贏得游戲。

不同類型的條形圖

簡單條形圖

看看給定的任務(wù)是否由人完成。如果所有任務(wù)都完成，那么自動火葬將獲勝。

df_tc = pd.DataFrame(df['Task Completed'].value_counts())[1:].sort_index().rename(columns={'Task Completed': 'Count'})
df_tc.plot_Bokeh(kind='bar', y='Count', title='How many people have completed given task?', figsize=(750, 350))

Bokeh中的條形圖

完成最多的任務(wù)是 7 個，完成最少的任務(wù)是 10 個。

堆積條形圖

看看誰贏了：冒名頂替者或火葬。我一直覺得冒名頂替者獲勝最多，因?yàn)樗麄冎挥幸环莨ぷ骺梢詺⑺浪腥恕?/p>

df1 = pd.crosstab(df['Team'], df['Outcome'])
df1.plot_Bokeh.bar(title='Who wins: Imposter or Crewmates',stacked=True,
figsize=(550, 350))

Bokeh中的堆積條形圖

冒名頂替者比 Crewmates 贏得更多。Imposter贏得或輸?shù)舯荣悰]有太大區(qū)別，價值非常接近。很多情況下，他們有5個火葬場和4個冒名頂替者。

堆積垂直條形圖

完成任務(wù)會不會贏得比賽讓我們拭目以待。

df['All Tasks Completed'].replace(['Yes','No'], ['Tasks Completed','Tasks Not Completed'], inplace=True)

df2 = pd.crosstab(df['Outcome'], df['All Tasks Completed'])
df2.plot_Bokeh.barh(title='Completeing task: win or loss', stacked=True,
figsize=(650, 350))

Bokeh中的堆積條形圖

完成任務(wù)將自動贏得火葬。完成任務(wù)贏得比賽的人數(shù)更多。

雙向條形圖

用雙向條形圖看看用戶是贏了還是輸了。要制作雙向條形圖，我們需要將一個度量設(shè)為負(fù)值，這里我們將損失特征設(shè)為負(fù)值。

df_user = pd.crosstab(df['User ID'], df['Outcome']).reset_index()
df_user['Loss'] = df_user['Loss']*-1
df_user['User ID'] = (df_user.index+1).astype(str) + ' User'
df_user = df_user.set_index('User ID')
df_user[:2]

現(xiàn)在完成上面的過程后，我們只需要barh() 在兩個方向上制作一個條形圖即可。

df_user.plot_Bokeh.barh(title='Users: Won or Defeat')

Bokeh中的雙向條形圖

從圖表中，我們可以輕松區(qū)分用戶是被擊敗還是贏得了比賽。

折線圖

看看游戲中火化的排出比例。我們將line 用來制作折線圖。

df_crewmate = df[df['Team'] == 'Crewmate']
df_t_ej = pd.crosstab(df_crewmate['User ID'], df_crewmate['Ejected']).reset_index()
df_t_ej = df_t_ej[['No','Yes']]
df_t_ej.plot_Bokeh.line(title='Cremates Memebers: Ejected vs Minutes', figsize=(750, 350))

Bokeh中的折線圖

沒有被逐出游戲的成員存在很大差異。

棒棒糖圖表

將獲勝的前 10 名用戶的圖表可視化。我在所有用戶 ID 中添加了一個用戶字符串。數(shù)據(jù)框看起來像這樣。

df_user_new = pd.crosstab(df['User ID'], df['Outcome']).reset_index().sort_values(by='Win', ascending=False)[:10]
df_user_new['User ID'] = (df_user_new.index+1).astype(str) + ' User'
df_user_new[:2]

在此圖表中，我們將從圖表中刪除 x 軸和 y 軸網(wǎng)格線。為了制作棒棒糖圖表，我們需要結(jié)合 segment() 和circle()。

x = df_user_new['Win']

factors = df_user_new['User ID'] #.values
fig = figure(title="Top 10 Users: Win", toolbar_location=None,tools="hover", tooltips="@x",
y_range=factors, x_range=[0,75],
plot_width=750, plot_height=350)

fig.segment(0, factors, x, factors, line_width=2, line_color="#3182bd")
fig.circle(x, factors, size=15, fill_color="#9ecae1", line_color="#3182bd", line_width=3)
fig.xgrid.grid_line_color = None
fig.ygrid.grid_line_color = None
show(fig)

Bokeh中的棒棒糖圖

面積圖

看看在這段時間（分鐘）內(nèi)修復(fù)了多少破壞事件。在這里為了簡單起見，我們將只看到兩個破壞活動 0th 和 1st。

from Bokeh.models import ColumnDataSource
from Bokeh.plotting import figure, output_file, show

# data
df_min = pd.crosstab(df['Min'], df['Sabotages Fixed']).reset_index()
df_min = df_min.rename(columns={0.0:'0T', 1.0:'1T',2.0:'2T',3.0:'3T',4.0:'4T',5.0:'5T'})

# chart
names = ['0T','1T']
source = ColumnDataSource(data=dict(x = df_min.Min,
                                    y0 = df_min['0T'],
                                    y1 = df_min['1T']))

fig = figure(width=400, height=400, title='Sabotages Fied vs Minutes')
fig.varea_stack(['y0','y1'], x='x', color=("grey", "lightgrey"),legend_label=names, source=source)

fig.grid.grid_line_color = None
fig.xaxis.axis_label='Minutes'

show(fig)

Bokeh中的面積圖

隨著時間的增加，破壞活動會減少。

到目前為止，我們已經(jīng)看到了Bokeh中的所有基本圖表，現(xiàn)在看看如何在Bokeh中使用布局。這將幫助我們創(chuàng)建儀表板或應(yīng)用程序。因此，我們可以將特定用例的所有信息集中在一個地方。

Bokeh庫的布局功能

Layout 函數(shù)將讓我們構(gòu)建一個由繪圖和小部件組成的網(wǎng)格。我們可以在一個布局中擁有盡可能多的行和列或網(wǎng)格。

有許多可用的布局選項(xiàng)：

如果要垂直顯示圖，請使用**column()**函數(shù)。
如果要水平顯示圖，請使用**row()**函數(shù)。
如果您希望以網(wǎng)格方式繪制圖形，請使用**gridplot()**函數(shù)。
如果您希望圖表以最佳方式放置，請使用**layout()**函數(shù)

取一個虛擬數(shù)據(jù)。

from Bokeh.io import output_file, show
from Bokeh.layouts import row,column
from Bokeh.plotting import figure
output_file("layout.html")
x = list(range(11))
y0 = x
y1 = [10 - i for i in x]
y2 = [abs(i - 5) for i in x]
# create three plots
s1 = figure(width=250, height=250, background_fill_color="#fafafa")
s1.circle(x, y0, size=12, color="#53777a", alpha=0.8)
s2 = figure(width=250, height=250, background_fill_color="#fafafa")
s2.triangle(x, y1, size=12, color="#c02942", alpha=0.8)
s3 = figure(width=250, height=250, background_fill_color="#fafafa")
s3.square(x, y2, size=12, color="#d95b43", alpha=0.8)

如果我們使用 column() 函數(shù)，輸出將如下所示。

show(column(s1, s2, s3))

如果我們使用 row() 函數(shù)，輸出將如下所示。

# 將結(jié)果排成一行并顯示
show(row(s1, s2, s3))

在 Bokeh 中制作儀表板布局。在這里我拍了三張圖表，一張是棒棒糖圖，另外兩張是Bokeh的餅圖。

在Bokeh中設(shè)置布局的主要邏輯是我們希望如何設(shè)置圖表。創(chuàng)建一個如下圖所示的設(shè)計。

layout = grid([[fig1],
               [fig2, fig3]])

在 Bokeh 中運(yùn)行儀表板布局的整個代碼。

from Bokeh.io import output_file, show
from Bokeh.plotting import figure
from Bokeh.layouts import column, grid
# 1 layout
df_user_new = pd.crosstab(df['User ID'], df['Outcome']).reset_index().sort_values(by='Win', ascending=False)[:10]
df_user_new['User ID'] = (df_user_new.index+1).astype(str) + ' User'
x = df_user_new['Win']
factors = df_user_new['User ID'] 
fig1 = figure(title="Top 10 Users: Win", toolbar_location=None,
              tools="hover", tooltips="@x",
              y_range=factors, x_range=[0,75], 
              width=700, height=250)
fig1.segment(0, factors, x, factors, line_width=2, line_color="#3182bd")
fig1.circle(x, factors, size=15, fill_color="#9ecae1", line_color="#3182bd", line_width=3)
# 2 layout
df_mur = df.Murdered.value_counts().reset_index().rename(columns={'index': 'Murdered', 'Murdered': 'Value'})
df_mur['Angle'] = df_mur['Value']/df_mur['Value'].sum() * 2*pi
df_mur['Color'] = ['#3182bd', '#6baed6', '#9ecae1']
fig2 = figure(height=300,width=400, title="Ration of Murdered vs Not Murdered", 
              toolbar_location=None, tools="hover", tooltips="@Murdered: @Value", x_range=(-.5, .5))
fig2.annular_wedge(x=0, y=1,  inner_radius=0.15, outer_radius=0.25, direction="anticlock",
                   start_angle=cumsum('Angle', include_zero=True), end_angle=cumsum('Angle'),
                   line_color="white", fill_color='Color', legend_label='Murdered', source=df_mur)
# 3 layout
df_team = pd.DataFrame(df.Team.value_counts()).reset_index().rename(columns={'index': 'Team', 'Team': 'Value'})
df_team['Angle'] = df_team['Value']/df_team['Value'].sum() * 2*pi
df_team['Color'] = ['#3182bd', '#6baed6']

fig3 = figure(height=300, width=300, title="Ration of Cremates vs Imposter",  
              toolbar_location=None, tools="hover", tooltips="@Team: @Value", x_range=(-.5, .5))
fig3.annular_wedge(x=0, y=1,  inner_radius=0.15, outer_radius=0.25, direction="anticlock",
                   start_angle=cumsum('Angle', include_zero=True), end_angle=cumsum('Angle'),
                   line_color="white", fill_color='Color', legend_label='Team', source=df_team)
# Styling
for fig in [fig1, fig2, fig3]:
        fig.grid.grid_line_color = None
for fig in [fig2, fig3]:
        fig.axis.visible=False
        fig.axis.axis_label=None
layout = grid([
                [fig1],
                [fig2, fig3]
       ])
show(layout)

技術(shù)交流

歡迎轉(zhuǎn)載、收藏、有所收獲點(diǎn)贊支持一下！

在這里插入圖片描述

到此這篇關(guān)于Python庫?Bokeh?數(shù)據(jù)可視化實(shí)用指南的文章就介紹到這了,更多相關(guān)Python?Bokeh數(shù)據(jù)可視化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: