- Bokeh 教程
- Bokeh - 主页
- Bokeh - 简介
- Bokeh - 环境设置
- Bokeh - 快速入门
- Bokeh - Jupyter Notebook
- Bokeh - 基本概念
- Bokeh - 使用符号绘制图形
- Bokeh - 面积图
- Bokeh - 圆形符号
- Bokeh - 矩形、椭圆和多边形
- Bokeh - 扇形和弧线
- Bokeh - 专用曲线
- Bokeh - 设置范围
- Bokeh - 坐标轴
- Bokeh - 注解和图例
- Bokeh - Pandas
- Bokeh - ColumnDataSource
- Bokeh - 过滤数据
- Bokeh - 布局
- Bokeh - 绘图工具
- Bokeh - 设置视觉属性样式
- Bokeh - 自定义图例
- Bokeh - 添加微件
- Bokeh - 服务器
- Bokeh - 使用 Bokeh 子命令
- Bokeh - 导出图形
- Bokeh - 嵌入图形和应用
- Bokeh - 扩展 Bokeh
- Bokeh - WebGL
- Bokeh - 使用 JavaScript 开发
- Bokeh 实用资源
- Bokeh - 快速指南
- Bokeh - 实用资源
- Bokeh - 讨论
Bokeh - 扩展 Bokeh
Bokeh 可以很好地与各种其他库集成,让你可以按照每个任务使用最合适的工具。由于 Bokeh 生成了 JavaScript,因此可以将 Bokeh 输出与各种 JavaScript 库(如 PhosphorJS)组合起来使用。
Datashader (https://github.com/bokeh/datashader) 是另一个可以扩展 Bokeh 输出的库。它是一个 Python 库,可以预先将大型数据集渲染成大尺寸栅格图像。此功能解决了浏览器在处理超大型数据时会遇到限制的问题。Datashader 包含用于构建交互式 Bokeh 图形的工具,这些图形可以在 Bokeh 中缩放和拖动时动态重新渲染其中这些图像,从而可以在网络浏览器中使用任意大型的数据集。
另一个库是 Holoviews ((http://holoviews.org/),它为构建 Bokeh 图形(尤其是在 Jupyter Notebook 中)提供了一个简洁的声明式接口。它支持快速生成数据分析所需的图形原型。
广告