本站精选了一篇Python相关的编程文章，网友怀睿博根据主题投稿了本篇教程内容，涉及到python、可视化包bokeh、浅谈python可视化包Bokeh相关内容，已被198网友关注，相关难点技巧可以阅读下方的电子资料。
浅谈python可视化包Bokeh
本文研究的主要是python可视化包Bokeh的相关内容，具体如下。
问题：需要把pandas的数据绘图并通过网页显示，matplotlib需要先保存图像，不合适。
解决：在网上搜了一下，找到一篇介绍文章 python可视化工具概述，其中介绍了几个python包，总结如下：
- Pandas对于简单绘图，可以随手用，但你需要学习定制matplotlib。
- Seaborn可以支持更多复杂的可视化方式，但仍然需要matplotlib知识，上色功能是个亮点。
- ggplot有很多功能，但还需要发展。
- bokeh是一个有效的工具，如果你想建立一个可视化的服务器，这几乎是杀鸡用牛刀的事情。
- pygal独立运行，可用来生成交互的svg图表和png文件。它没有基于matploglib的方案那样灵活。
- Plotly可生成大多数可交互图表。你可以保存为离线文件，然后建立丰富的基于web的可视化。
- 感觉Bokeh比较合适，就认真研究了一下，找到一篇简单介绍Bokeh使用的文章 交互式数据可视化,在Python中用Bokeh实现，Bokeh可以直接跟Jinja2集成，将生成的图像在网页中直接显示，正满足需求。大体流程如下：
1、生成图像
p = figure(title = code, plot_width=1024, plot_height=600, x_axis_type='datetime') p.line(x=trd_df['date'], y=trd_df['close']) script, div = components(p)
2、在flask中传递参数
return render_template('show_stock.html',
bk_js = bokeh.resources.INLINE.render_js(),
bk_css = bokeh.resources.INLINE.render_css(),
p_script = script, div = p_div)
3、在html中调用显示
<!doctype html>
<html lang="en">
<head>
<meta charset='utf-8' />
<meta http-equiv='content-type' content='text/html; charset=utf-8' />
<title>Embed Demo</title>
{{ js_resources|indent(4)|safe }}
{{ css_resources|indent(4)|safe }}
{{ p_script|indent(4)|safe }}
</head>
<body>
{{ p_div|indent(4)|safe }}
</body>
</html>
总结
以上就是本文关于浅谈python可视化包Bokeh的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
