如何使用Python的Bokeh更改刻度标签大小

---

Bokeh是Python中可用的数据可视化库之一，它允许用户在Web浏览器中创建交互式图表、数据应用程序和仪表板。Bokeh提供各种图表，例如散点图、线图、条形图和面积图等，以及更专业的热力图和地理地图。这是一个拥有活跃开发者社区的开源库。

使用Python中的Bokeh创建图表

Bokeh库提供两种主要的界面来创建图表，一种是低级界面，用于从单个组件开发图表；另一种是高级界面，用于从简单的Python代码开发图表。高级界面比低级界面更高级，提供更直观、更简单的方法来创建不同类型的图表。

Bokeh库支持广泛的选项，允许用户通过添加注释和交互来控制图表，并允许我们包含来自各种来源的数据。

Bokeh库的特性

以下是Bokeh库的关键特性。

• 它在Web浏览器中提供交互式数据可视化。

• 该库的输出可以是HTML、PNG和SVG。

• 它支持实时和流数据。

• 它还支持地理地图和数据探索。

• 它可以与NumPy和Pandas等库集成。

在数据可视化和绘图中，刻度是图表中用于标识显示数据的少量标记或指示器。绘图中提供了两种类型的刻度。一种是x轴刻度，另一种是y轴刻度。

安装Bokeh库

要在Python中使用Bokeh库，首先必须使用以下代码安装该库。

pip install bokeh

在Python中成功安装Bokeh库后，将生成以下输出

pip install bokeh
Collecting bokeh
  Downloading bokeh-3.1.1-py3-none-any.whl (8.3 MB)
     ---------------------------------------- 8.3/8.3 MB 44.2 MB/s eta 0:00:00
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
  Downloading six-1.16.0-py2.py3-none-any.whl (11 kB)
Installing collected packages: pytz, xyzservices, tzdata, tornado, six, PyYAML, pillow, packaging, numpy, MarkupSafe, python-dateutil, Jinja2, contourpy, pandas, bokeh
  Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.
  Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.
Successfully installed Jinja2-3.1.2 MarkupSafe-2.1.2 PyYAML-6.0 bokeh-3.1.1 contourpy-1.0.7 numpy-1.24.3 packaging-23.1 pandas-2.0.1 pillow-9.5.0 python-dateutil-2.8.2 pytz-2023.3 six-1.16.0 tornado-6.3.2 tzdata-2023.3 xyzservices-2023.2.0

示例

在这个示例中，我们将使用Bokeh库创建图表，而无需在图表中指定刻度。以下是可用作参考的代码。

在下面的代码中，我们从Bokeh库导入figure和show函数，然后指定图表的尺寸，并为x和y变量的数据绘制散点图，最后显示创建的图表。

from bokeh.plotting import figure, show
p = figure(width=600, height=400)
x = [1, 2, 3, 4, 5]
y = [2, 5, 3, 6, 1]
p.scatter(x, y)
show(p)

输出

以下是使用Bokeh库创建的散点图的输出。

示例

在下面的示例中，我们将使用Bokeh库的NumeralTickFormatter()函数指定刻度。

from bokeh.plotting import figure, show
from bokeh.models import NumeralTickFormatter
p = figure(width=600, height=400)
x = [1, 2, 3, 4, 5]
y = [2, 5, 3, 6, 1]
p.scatter(x, y)
p.yaxis.formatter = NumeralTickFormatter(format="$0,0")
p.xaxis.formatter = NumeralTickFormatter(format = "%0,0")
show(p)

输出

以下是使用带有x轴和y轴刻度的Bokeh函数创建的散点图的输出。

示例

让我们再看一个示例，通过使用NumeralTickFormatter()函数在x轴和y轴上应用刻度。

from bokeh.plotting import figure, show
from bokeh.models import NumeralTickFormatter
import numpy as np
p = figure(width=600, height=400)
x = np.arange(10,40,2)
y = np.random.randn(20)
p.line(x, y)
p.yaxis.formatter = NumeralTickFormatter(format="%0,0")
p.xaxis.formatter = NumeralTickFormatter(format = "$0,0")
show(p)

输出

以下是使用scatter()和NumeralTickFormatter()函数绘制的图表中使用的刻度的输出。