- Bokeh 教程
- Bokeh - 首页
- Bokeh - 简介
- Bokeh - 环境设置
- Bokeh - 入门
- Bokeh - Jupyter Notebook
- Bokeh - 基本概念
- Bokeh - 使用 Glyph 绘制图形
- Bokeh - 面积图
- Bokeh - 圆形 Glyph
- Bokeh - 矩形、椭圆和多边形
- Bokeh - 扇形和弧形
- Bokeh - 专用曲线
- Bokeh - 设置范围
- Bokeh - 坐标轴
- Bokeh - 注释和图例
- Bokeh - Pandas
- Bokeh - ColumnDataSource
- Bokeh - 数据过滤
- Bokeh - 布局
- Bokeh - 图表工具
- Bokeh - 样式化视觉属性
- Bokeh - 自定义图例
- Bokeh - 添加小部件
- Bokeh - 服务器
- Bokeh - 使用 Bokeh 子命令
- Bokeh - 导出图表
- Bokeh - 嵌入图表和应用程序
- Bokeh - 扩展 Bokeh
- Bokeh - WebGL
- Bokeh - 使用 JavaScript 开发
- Bokeh 有用资源
- Bokeh - 快速指南
- Bokeh - 有用资源
- Bokeh - 讨论
Bokeh - 简介
Bokeh 是一个用于 Python 的数据可视化库。与 Matplotlib 和 Seaborn 不同，它们也是 Python 的数据可视化包，Bokeh 使用 HTML 和 JavaScript 渲染其图表。因此，它被证明对于开发基于 Web 的仪表板非常有用。
Bokeh 项目由 NumFocus 赞助 https://numfocus.org/. NumFocus 还支持 PyData，这是一个教育项目，参与开发其他重要工具，例如 NumPy、Pandas 等。Bokeh 可以轻松地与这些工具连接，并生成交互式图表、仪表板和数据应用程序。
特点
Bokeh 主要将数据源转换为 JSON 文件，该文件用作 BokehJS（一个 JavaScript 库）的输入，BokehJS 又用 TypeScript 编写，并在现代浏览器中渲染可视化效果。
以下是一些 **Bokeh 的重要功能** −
灵活性
Bokeh 可用于常见的绘图需求以及自定义和复杂的用例。
生产力
Bokeh 可以轻松地与其他流行的 Pydata 工具（如 Pandas 和 Jupyter Notebook）进行交互。
交互性
这是 Bokeh 相对于 Matplotlib 和 Seaborn 的一个重要优势，两者都生成静态图表。Bokeh 创建交互式图表，这些图表会在用户与之交互时发生变化。您可以为您的受众提供各种选项和工具，用于从各种角度推断和查看数据，以便用户可以执行“假设分析”。
强大
通过添加自定义 JavaScript，可以为专门的用例生成可视化效果。
可共享
图表可以嵌入到启用 **Flask** 或 **Django** 的 Web 应用程序的输出中。它们也可以渲染在
Jupyter
笔记本中。开源
Bokeh 是一个开源项目。它在 Berkeley Source Distribution (BSD) 许可下分发。其源代码可在 https://github.com/bokeh/bokeh. 获取。