Визуализация данных революционизируется благодаря мощному модулю Python Bokeh, который позволяет программистам и специалистам по данным создавать привлекательные графики и диаграммы. В этом блоге мы рассмотрим некоторые примеры использования боке в реальных условиях и предоставим несколько фрагментов кода, иллюстрирующих, как его можно использовать для интерактивной визуализации данных.

Исследовательский анализ данных (EDA):Bokeh позволяет аналитикам данных выполнять исследовательский анализ данных с помощью интерактивных визуализаций. Рассмотрим пример визуализации распределения набора данных с помощью гистограммы:

from bokeh.plotting import figure, show
from bokeh.sampledata.iris import flowers

# Create a Bokeh figure
p = figure(title="Distribution of Sepal Length", x_axis_label='Sepal Length', y_axis_label='Count')

# Add a histogram
hist, edges = np.histogram(flowers['sepal_length'], bins=30)
p.quad(top=hist, bottom=0, left=edges[:-1], right=edges[1:], fill_color='blue')

# Show the plot
show(p)

Интерактивная геопространственная визуализация. Боке — отличный выбор для создания интерактивных геопространственных визуализаций. Давайте визуализируем данные о землетрясениях на карте:

from bokeh.plotting import figure, show
from bokeh.tile_providers import CARTODBPOSITRON_RETINA
from bokeh.models import ColumnDataSource, HoverTool
from bokeh.palettes import RdYlBu11
import pandas as pd

# Load earthquake data
earthquakes = pd.read_csv('earthquake_data.csv')

# Create a Bokeh figure
p = figure(x_axis_type='mercator', y_axis_type='mercator', tooltips=[('Magnitude', '@mag'), ('Location', '@place')])

# Add the map tile
p.add_tile(CARTODBPOSITRON_RETINA)

# Add the earthquake points
source = ColumnDataSource(data=earthquakes)
p.circle(x='longitude', y='latitude', color='color', size='size', alpha=0.5, source=source)

# Show the plot
show(p)

Мониторинг данных и информационные панели в реальном времени.Bokeh поддерживает визуализацию данных в реальном времени, что делает его идеальным для создания интерактивных информационных панелей. Давайте создадим график потоковой линии в реальном времени:

from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
import numpy as np

# Create a Bokeh figure
p = figure(title="Real-time Streaming Line Plot", x_axis_label='Time', y_axis_label='Value')

# Create a ColumnDataSource for streaming data
source = ColumnDataSource(data=dict(x=[0], y=[0]))

# Add a line plot
p.line(x='x', y='y', source=source)

# Update data in real-time
callback = CustomJS(args=dict(source=source), code="""
    const data = source.data;
    const x = data['x'];
    const y = data['y'];
    const lastX = x[x.length - 1];
    const lastY = y[y.length - 1];
    x.push(lastX + 1);
    y.push(lastY + Math.random() - 0.5);
    source.change.emit();
""")
p.js_on_event('interval', callback)

# Show the plot
show(p)

Обширный набор инструментов и интерактивные функции Bokeh расширяют возможности энтузиастов визуализации данных. Мы исследовали его использование в исследовательском анализе данных, геопространственной визуализации, мониторинге данных в реальном времени и построении информационных панелей с использованием конкретных примеров кода. Вы можете максимально использовать свои данные с помощью Bokeh для создания впечатляющих визуализаций, которые вдохновляют и привлекают вашу аудиторию. Bokeh предлагает инструменты для превращения ваших данных в ценные идеи, независимо от того, анализируете ли вы данные, визуализируете географическую информацию или создаете информационные панели в реальном времени.

Вы можете использовать функции Bokeh и исследовать предлагаемые примеры кода, чтобы реализовать интерактивную визуализацию данных в своих собственных приложениях. С помощью языка программирования Python и универсальности Bokeh вы можете создавать уникальные визуализации, адаптированные к вашим индивидуальным требованиям.

Связаться с автором: LinkedIn

Ссылка: