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！