【python】Bokeh 与 Plotly：创建交互式数据可视化工具

Bokeh 与 Plotly：创建交互式数据可视化工具

在现代数据分析中，交互式数据可视化已经成为一个重要的工具。它不仅能帮助我们更好地展示数据，还能通过直观的方式探索数据中的模式和异常。本文将对比两款流行的 Python 可视化库：Bokeh 和 Plotly，帮助开发者选择适合的工具，并快速上手。

1. Bokeh 简介

什么是 Bokeh？

Bokeh 是一个专注于交互式、网页友好型可视化的 Python 库。它通过 HTML 和 JavaScript 渲染图表，可以轻松地嵌入到网页应用中，支持快速创建复杂的交互式可视化。

Bokeh 的特点

高效的交互性：支持缩放、平移、悬停提示等。
适合大数据集：通过分块渲染优化大数据量可视化。
无缝集成：可嵌入在 Flask、Django 或 Jupyter Notebook 中。
灵活的布局和工具栏：可以轻松定制图表的外观和功能。

示例代码

以下是用 Bokeh 创建简单散点图的示例：

from bokeh.plotting import figure, show
from bokeh.io import output_notebook# 设置在 Notebook 中输出
output_notebook()# 创建数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]# 创建图表
p = figure(title="简单散点图", x_axis_label='X轴', y_axis_label='Y轴')
p.circle(x, y, size=10, color="navy", alpha=0.5)# 显示图表
show(p)

2. Plotly 简介

什么是 Plotly？

Plotly 是一个功能强大的 Python 可视化库，专注于创建高质量的交互式图表。它支持多种编程语言，包括 Python、R 和 JavaScript，并且能够与 Dash 框架无缝结合，用于构建数据驱动的应用。

Plotly 的特点

易用性：API 简洁直观，支持快速创建图表。
高质量输出：支持静态和交互式的图表导出，包括 PNG、SVG 和 HTML。
丰富的图表类型：包括 3D 图表、地理空间图、金融图表等。
跨平台支持：可嵌入网页、Jupyter Notebook 和商业报告中。

示例代码

以下是用 Plotly 创建简单折线图的示例：

import plotly.express as px# 创建数据
data = {'x': [1, 2, 3, 4, 5], 'y': [6, 7, 2, 4, 5]}# 创建图表
fig = px.line(data, x='x', y='y', title='简单折线图')# 显示图表
fig.show()

3. Bokeh 与 Plotly 的对比

特性	Bokeh	Plotly
入门难度	易于上手，但高级功能需要更多代码	简单直观，适合初学者
图表类型	提供丰富的基础图表类型	支持更多高级图表类型（如 3D、地理图）
交互性	强大，可定制交互工具	内置交互，开箱即用
性能	更适合大数据量场景	适合中小规模数据集
可扩展性	可与其他 Python 框架集成，灵活性更强	与 Dash 框架集成，适合构建完整应用

4. 如何选择合适的工具？

选择 Bokeh 或 Plotly 应根据以下需求：

如果你需要处理 大数据集，并且需要高度自定义的可视化效果，选择 Bokeh。
如果你关注 快速开发 和 图表多样性，特别是需要嵌入到商业报告或网页应用中，选择 Plotly。

5. 结论

Bokeh 和 Plotly 都是强大的交互式可视化工具。Bokeh 适合需要高度定制和大数据支持的用户，而 Plotly 更适合快速生成精美图表并支持多平台应用。了解各自的优势后，结合实际项目需求选择合适的工具，能够更高效地完成数据可视化任务。

6. 进阶功能：提升图表的交互性和美观性

无论是 Bokeh 还是 Plotly，它们都提供了丰富的 API 来进一步提升图表的交互性和美观性。以下是一些常见的进阶功能示例。

Bokeh 的进阶功能

1. 添加工具（Tooltips 和 Selectors）

Bokeh 提供了悬停提示（HoverTool）和交互选择器，可以为图表添加更多信息。

from bokeh.models import HoverTool
from bokeh.plotting import figure, show# 数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]# 创建图表
p = figure(title="带悬停提示的图表", x_axis_label='X轴', y_axis_label='Y轴')
p.circle(x, y, size=10, color="orange", alpha=0.8)# 添加悬停工具
hover = HoverTool(tooltips=[("X值", "@x"), ("Y值", "@y")])
p.add_tools(hover)# 显示图表
show(p)

2. 响应式布局

Bokeh 支持将多个图表组合为响应式布局，使其在不同设备上表现良好。

from bokeh.layouts import gridplot
from bokeh.plotting import figure, show# 创建两个图表
p1 = figure(title="图表 1")
p1.line([1, 2, 3], [4, 5, 6])p2 = figure(title="图表 2")
p2.circle([1, 2, 3], [6, 7, 8])# 使用网格布局
layout = gridplot([[p1, p2]])
show(layout)

Plotly 的进阶功能

1. 动画效果

Plotly 提供了内置的动画支持，可以创建动态可视化。

import plotly.express as px# 数据
df = px.data.gapminder()# 创建动画图表
fig = px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year",size="pop", color="continent", hover_name="country",log_x=True, size_max=55, title="全球 GDP 与寿命变化")fig.show()

2. 自定义外观

通过 Plotly 的 update_layout 方法，可以全面定制图表的外观。

import plotly.express as px# 创建图表
fig = px.bar(x=["A", "B", "C"], y=[10, 20, 15], title="定制化柱状图")# 修改布局
fig.update_layout(title_font_size=20,xaxis_title="类别",yaxis_title="数量",template="plotly_dark"
)fig.show()

7. 实际案例：将可视化嵌入 Web 应用

对于需要将交互式图表嵌入到 Web 应用的场景，Bokeh 和 Plotly 都有成熟的解决方案。

Bokeh 嵌入 Flask 应用

以下是将 Bokeh 图表嵌入到 Flask 应用的示例：

from flask import Flask, render_template
from bokeh.embed import components
from bokeh.plotting import figureapp = Flask(__name__)@app.route("/")
def index():# 创建图表plot = figure(title="嵌入 Flask 的 Bokeh 图表")plot.line([1, 2, 3], [4, 6, 5], line_width=2)# 嵌入图表script, div = components(plot)return render_template("index.html", script=script, div=div)if __name__ == "__main__":app.run(debug=True)

Plotly 与 Dash

Plotly 提供了 Dash 框架，用于快速构建交互式的 Web 应用。以下是一个简单示例：

from dash import Dash, dcc, html# 创建 Dash 应用
app = Dash(__name__)# 定义布局
app.layout = html.Div([dcc.Graph(id='example-plotly-chart',figure={'data': [{'x': [1, 2, 3], 'y': [4, 1, 2], 'type': 'bar', 'name': '示例'}],'layout': {'title': '嵌入 Dash 的 Plotly 图表'}})
])if __name__ == '__main__':app.run_server(debug=True)