Bokeh
pandas和matplotlib就可以直接出分析的圖表了，最基本的出圖方式。是面向數據分析過程中出圖的工具；Seaborn相比matplotlib封裝了一些對數據的組合和識別的功能；用Seaborn出一些針對seaborn的圖表是很快的，比如說分布圖、熱圖、分類分布圖等。如果用matplotlib需要先group by先分組再出圖；
Seaborn在出圖的方式上，除了圖表的可視化好看，還多了出圖的公用性的東西； 關聯數據用get去做，空間數據用echart、powmart去做。
什么是Bokeh
基於web端的python數據可視化工具包，可交互（）
matplotlib和seaborn都是面向過程的，在數據分析過程中可以呈現；Bokeh是在最后的結果呈現，可做動圖，可只打開一張表，也可以做儀表盤的排版，可做圖表的聯動。
matplotlib是基於numpy和pandas做圖表可視化工具包，而seaborn又是基於matplotlib做的
繪圖空間基本設置
① 創建繪圖空間 ② 輸出方式 ③ 繪圖figure基本設置 輸出：jupyter notebook / spyder等非notebook空間 參考官方文檔：http://bokeh.pydata.org/en/latest/docs/user_guide/styling.html#text-properties
import numpy as np import pandas as pd import matplotlib.pyplot as plt % matplotlib inline import warnings warnings.filterwarnings('ignore') # 不發出警告
# 在notebook中創建繪圖空間 from bokeh.plotting import figure,show # 導入圖表繪制、圖標展示模塊 from bokeh.io import output_notebook # 導入notebook繪圖模塊 output_notebook() # notebook繪圖命令 p = figure(plot_width=400, plot_height=400) # 創建圖表，設置寬度、高度 p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20, color="navy", alpha=0.5) # 創建一個圓形散點圖 show(p) # 繪圖
# 在spyder等非notebook中創建繪圖空間 from bokeh.plotting import figure,show,output_file # 導入圖表繪制、圖標展示模塊 # output_file → 非notebook中創建繪圖空間 import os # os.chdir('C:/Users/Hjx/Desktop/') os.chdir('C:/Users/Administrator/Desktop') # 創建工作目錄 output_file("line.html") # notebook繪圖命令，創建html文件 # 運行后會彈出html窗口 p = figure(plot_width=400, plot_height=400) # 創建圖表，設置寬度、高度 p.circle([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20, color="blue", alpha=0.5) # 創建一個圓形散點圖 show(p) # 繪圖
會彈出一個HTML的頁面進行展示：（文件也會存儲在創建的目錄里邊）
1. 圖表繪制工具 figure（）
p = figure(plot_width = 600, plot_height = 400, tools = 'pan,wheel_zoom,box_zoom,save,reset,help', toolbar_location='above',
x_axis_label = 'A', y_axis_label = 'B',x_range = [-3,3], y_range = [-3,3], title="測試圖表" )
p.circle() 繪制散點圖
# 創建圖表工具 # figure() df = pd.DataFrame(np.random.randn(100, 2), columns = ['A', 'B']) p = figure(plot_width = 600, plot_height = 400, # 圖表寬度、高度 tools = 'pan,wheel_zoom,box_zoom,save,reset,help', # 設置工具欄，默認全部顯示 toolbar_location='above', # 工具欄位置："above"，"below"，"left"，"right" x_axis_label = 'A', y_axis_label = 'B', # X,Y軸label x_range = [-3,3], y_range = [-3,3], # X,Y軸范圍 title="測試圖表" # 設置圖表title ) # figure創建圖表，設置基本參數 # tool參考文檔：https://bokeh.pydata.org/en/latest/docs/user_guide/tools.html p.title.text_color = "red" p.title.text_font = "times" p.title.text_font_style = "italic" p.title.background_fill_color = "black" # 設置標題：顏色、字體、風格、背景顏色 p.circle(df['A'], df['B'], size = 20, alpha = 0.5) # 創建散點圖 # 這里.circle()是figure的一個繪圖方法 show(p)
顏色設置
# 顏色設置 p = figure(plot_width=600, plot_height=400) # 創建繪圖空間 p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5) p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5) #這兩個散點圖會在一塊一張圖上，如果想分開就p1，p2 show(p) # 顏色設置 # ① 147個CSS顏色，參考網址：http://www.colors.commutercreative.com/grid/ # ② RGB顏色值，參考網址：https://coolors.co/87f1ff-c0f5fa-bd8b9c-af125a-582b11
圖表邊框線參數設置
p.outline_line_width = 7 # 邊框線寬
p.outline_line_alpha = 0.3 # 邊框線透明度
p.outline_line_color = "navy" # 邊框線顏色
p.outline_line_dash = [6, 4]
# 圖表邊框線參數設置 p = figure(plot_width=600, plot_height=400) p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5) p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5) # 繪制散點圖 p.outline_line_width = 7 # 邊框線寬 p.outline_line_alpha = 0.3 # 邊框線透明度 p.outline_line_color = "navy" # 邊框線顏色 p.outline_line_dash = [6, 4] # 設置圖表邊框 show(p)
繪圖空間背景
p.background_fill_color = "beige" # 繪圖空間背景顏色
p.background_fill_alpha = 0.5 # 繪圖空間背景透明度
# 設置繪圖空間背景 p = figure(plot_width=600, plot_height=400) p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5) p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5) # 繪制散點圖 p.background_fill_color = "beige" # 繪圖空間背景顏色 p.background_fill_alpha = 0.5 # 繪圖空間背景透明度 # 背景設置參數 show(p)
外邊界背景
p.border_fill_color = "whitesmoke" # 外邊界背景顏色 p.border_fill_alpha = 0.5 #透明度 p.min_border_left = 80 # 外邊界背景 - 左邊寬度 p.min_border_right = 80 # 外邊界背景 - 右邊寬度 p.min_border_top = 10 # 外邊界背景 - 上寬度 p.min_border_bottom = 10
# 設置外邊界背景 p = figure(plot_width=600, plot_height=400) p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5) p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5) # 繪制散點圖 p.border_fill_color = "whitesmoke" # 外邊界背景顏色 p.border_fill_alpha = 0.5 #透明度 p.min_border_left = 80 # 外邊界背景 - 左邊寬度 p.min_border_right = 80 # 外邊界背景 - 右邊寬度 p.min_border_top = 10 # 外邊界背景 - 上寬度 p.min_border_bottom = 10 # 外邊界背景 - 下寬度 show(p)
軸線（X Y軸）設置
# Axes - 軸線設置 # 軸線標簽、軸線線寬、軸線顏色 # 字體顏色、字體角度 p = figure(plot_width=400, plot_height=400) p.circle([1,2,3,4,5], [2,5,8,2,7], size=10) # 繪制圖表 p.xaxis.axis_label = "Temp" p.xaxis.axis_line_width = 3 p.xaxis.axis_line_color = "red" p.xaxis.axis_line_dash = [6, 4] #虛線 6線4個格子 # 設置x軸線：標簽、線寬、軸線顏色 p.yaxis.axis_label = "Pressure" p.yaxis.major_label_text_color = "orange" p.yaxis.major_label_orientation = "vertical" # 設置y軸線：標簽、字體顏色、字體角度 p.axis.minor_tick_in = 20 # 刻度往繪圖區域內延伸長度；設置成負的就是往外邊延伸了。 p.axis.minor_tick_out = 3 # 刻度往繪圖區域外延伸長度 # 設置刻度 p.xaxis.bounds = (2, 4) # 設置軸線范圍 show(p)
軸線標簽設置
# Axes - 軸線設置 # 標簽設置 p = figure(plot_width=400, plot_height=400) p.circle([1,2,3,4,5], [2,5,8,2,7], size=10) p.xaxis.axis_label = "Lot Number" p.xaxis.axis_label_text_color = "#aa6666" p.xaxis.axis_label_standoff = 30 #偏移距離 # 設置標簽名稱、字體顏色、偏移距離 p.yaxis.axis_label = "Bin Count" p.yaxis.axis_label_text_font_style = "italic" #字體風格 # 設置標簽名稱、字體 show(p)
Grid格網設置 -- 線型
# Grid - 格網設置 # 線型設置 p = figure(plot_width=600, plot_height=400) p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5) p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5) # 繪制散點圖 p.xgrid.grid_line_color = 'red' # 顏色設置，None時則不顯示 p.ygrid.grid_line_alpha = 0.8 p.ygrid.grid_line_dash = [6, 4] # 設置透明度，虛線設置 # dash → 通過設置間隔來做虛線 p.xgrid.minor_grid_line_color = 'navy' p.xgrid.minor_grid_line_alpha = 0.1 # minor_line → 設置次軸線 show(p)
格網顏色填充
p.ygrid.band_fill_alpha = 0.1
p.ygrid.band_fill_color = "navy"
# Grid - 格網設置 # 顏色填充 p = figure(plot_width=600, plot_height=400) p.circle(df.index, df['A'], color = 'green', size=10, alpha=0.5) p.circle(df.index, df['B'], color = '#FF0000', size=10, alpha=0.5) # 繪制散點圖 p.xgrid.grid_line_color = None # 設置顏色為空 p.ygrid.band_fill_alpha = 0.1 p.ygrid.band_fill_color = "navy" # 設置顏色填充，及透明度 #p.grid.bounds = (-1, 1) # 設置填充邊界 show(p)
Legend圖例的設置
p.line(x, y, legend="sin(x)")
p.legend.location = "bottom_left" 位置、
p.legend.orientation = "vertical"排列方向 默認
p.legend.label_text_font = "times"
p.legend.label_text_font_style = "italic" # 斜體
p.legend.label_text_color = "navy"
p.legend.label_text_font_size = '12pt'
# 設置圖例：字體、風格、顏色、字體大小
p.legend.border_line_width = 3
p.legend.border_line_color = "navy"
p.legend.border_line_alpha = 0.5
# 設置圖例外邊線：寬度、顏色、透明度
p.legend.background_fill_color = "gray"
p.legend.background_fill_alpha = 0.2
# 設置圖例背景：顏色、透明度
# Legend - 圖例設置 # 設置方法 → 在繪圖時設置圖例名稱 + 設置圖例位置 p = figure(plot_width=600, plot_height=400) # 創建圖表 x = np.linspace(0, 4*np.pi, 100) y = np.sin(x) # 設置x，y p.circle(x, y, legend="sin(x)") p.line(x, y, legend="sin(x)") # 繪制line1，設置圖例名稱 p.line(x, 2*y, legend="2*sin(x)",line_dash=[4, 4], line_color="orange", line_width=2) # 繪制line2，設置圖例名稱 p.square(x, 3*y, legend="3*sin(x)", fill_color=None, line_color="green") p.line(x, 3*y, legend="3*sin(x)", line_color="green") # 繪制line3，設置圖例名稱 p.legend.location = "bottom_left" # 設置圖例位置："top_left"、"top_center"、"top_right" (the default)、"center_right"、"bottom_right"、"bottom_center" # "bottom_left"、"center_left"、"center" p.legend.orientation = "vertical" # 設置圖例排列方向："vertical" （默認）or "horizontal" p.legend.label_text_font = "times" p.legend.label_text_font_style = "italic" # 斜體 p.legend.label_text_color = "navy" p.legend.label_text_font_size = '12pt' # 設置圖例：字體、風格、顏色、字體大小 p.legend.border_line_width = 3 p.legend.border_line_color = "navy" p.legend.border_line_alpha = 0.5 # 設置圖例外邊線：寬度、顏色、透明度 p.legend.background_fill_color = "gray" p.legend.background_fill_alpha = 0.2 # 設置圖例背景：顏色、透明度 show(p)
總結一下：
Line Properties → 線設置
Fill Properties → 填充設置
Text Properties → 字體設置
1、Line Properties → 線設置
（1）line_color，設置顏色
（2）line_width，設置寬度
（3）line_alpha，設置透明度
（4）line_join，設置連接點樣式：'miter' miter_join，'round' round_join，'bevel' bevel_join
（5）line_cap，設置線端口樣式，'butt' butt_cap，'round' round_cap，'square' square_cap
（6）line_dash，設置線條樣式，'solid'，'dashed'，'dotted'，'dotdash'，'dashdot'，或者整型數組方式（例如[6,4]）
2、Fill Properties → 填充設置
（1）fill_color，設置填充顏色
（2）fill_alpha，設置填充透明度
3、Text Properties → 字體設置
（1）text_font，字體
（2）text_font_size，字體大小，單位為pt或者em（ '12pt', '1.5em'）
（3）text_font_style，字體風格，'normal' normal text，'italic' italic text，'bold' bold text
（4）text_color，字體顏色
（5）text_alpha，字體透明度
（6）text_align，字體水平方向位置，'left', 'right', 'center'
（7）text_baseline，字體垂直方向位置，'top'，'middle'，'bottom'，'alphabetic'，'hanging'
4、可見性
p.xaxis.visible = False
p.xgrid.visible = False
基本參數中都含有.visible參數，設置是否可見