Bokeh 如何在 Jupyter notebook 中获得交互式 bokeh

在本文中，我们将介绍如何在 Jupyter notebook 中使用 Bokeh 库创建交互式的数据可视化图表。Bokeh 是一个强大的 Python 库，可以用于创建各种类型的交互式图表，包括散点图、线图、柱状图等。使用 Bokeh，我们可以轻松地通过数据可视化来探索和展示数据。

Bokeh 的一个主要特点是其交互性。通过添加交互式功能，用户可以与图表进行互动，例如缩放、平移和弹出详细信息等。这为数据分析和演示提供了更多的灵活性和可视化效果。

阅读更多：Bokeh 教程

准备工作

在开始之前，我们需要先安装 Bokeh 库。可以使用以下命令在终端或命令提示符中安装 Bokeh：

pip install bokeh

请确保您已经安装了 Python 和相应的包管理器（如 pip）。

创建 Bokeh 图表

在我们开始创建交互式 bokeh 图表之前，让我们先导入所需的库：

import numpy as np
from bokeh.plotting import figure, show
from bokeh.io import output_notebook

# 输出 bokeh 图表到 notebook
output_notebook()

首先，我们需要创建一个 figure 对象，该对象将用于绘制我们的图表。figure 函数接受一些可选参数，用于定义图表的大小、标题和轴等属性。

# 创建一个新的 bokeh 图表
p = figure(title="示例图表", width=800, height=400)

接下来，我们可以使用 line 方法在图表中绘制一条线。例如，我们可以创建一个简单的折线图：

# 创建一个简单的折线图
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

p.line(x, y, line_width=2, line_color="blue")

在这个例子中，我们使用 linspace 函数生成 x 轴上的坐标点，然后使用 sin 函数计算相应的 y 坐标点。接下来，我们使用 line 方法将线条绘制到图表上。

添加交互性

一旦我们创建了基本的 bokeh 图表，我们可以通过添加交互功能来增强它。Bokeh 提供了一系列的工具，可以用于缩放、平移、选择和弹出详细信息等。

下面是一些常用的交互工具：

PanTool：用于平移图表。
ZoomTool：用于缩放图表。
BoxZoomTool：用于通过框选缩放特定区域。
ResetTool：用于重置图表的缩放和平移。
HoverTool：用于在鼠标悬停时弹出详细信息。

要添加交互工具，我们可以使用 add_tools 方法：

# 添加交互工具
p.add_tools(pan_tool, zoom_tool, box_zoom_tool, reset_tool, hover_tool)

显示图表

当我们完成图表的创建和定制后，可以使用 show 函数来显示图表：

# 显示图表
show(p)

图表将在 Jupyter notebook 中显示，并且可以进行交互操作。

示例

下面是一个完整的示例，展示了如何创建一个交互式的折线图：

import numpy as np
from bokeh.plotting import figure, show
from bokeh.io import output_notebook
from bokeh.models import PanTool, ZoomTool, BoxZoomTool, ResetTool, HoverTool

# 输出 bokeh 图表到 notebook
output_notebook()

# 创建一个新的 bokeh 图表
p = figure(title="示例图表", width=800, height=400)

# 创建一个简单的折线图
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

p.line(x, y, line_width=2, line_color="blue")

# 添加交互工具
pan_tool = PanTool()
zoom_tool = ZoomTool()
box_zoom_tool = BoxZoomTool()
reset_tool = ResetTool()
hover_tool = HoverTool(tooltips=[("x", " $x"), ("y", "$ y")])
p.add_tools(pan_tool, zoom_tool, box_zoom_tool, reset_tool, hover_tool)

# 显示图表
show(p)

运行以上示例代码，您将在 Jupyter notebook 中看到一个交互式的折线图。您可以使用鼠标进行平移、缩放，并通过鼠标悬停在线上来查看详细信息。