Python大数据分析 2025-08-11 12:02 浙江
说到Python数据可视化，最常用的要数matplotlib和seborn，它们几乎囊括了各种主流绘图场景，比如科研绘图、商业绘图、kaggle比赛绘图等，但这两也有短板，不适合动态和交互式绘图，而能弥补这一功能的就是Python中另一可视化明星工具-Bokeh，它可以绘制非常灵活的web可视化图表。
为什么说Bokeh交互能力强呢？因为它原生支持HTML和JavaScript渲染图表，而不是像matplotlib那样需要后端渲染，所以Bokeh能很轻松的集成Flask、Django，进行web可视化开发。
Bokeh支持的图表类型很丰富，基本的图表比如线图、散点图、柱状图、饼图、面积图、直方图、地图等，都可以支持，而且UI美化简单直接，不需要复杂的调整。
作为交互能力出众的可视化库，Bokeh提供了很多交互组件，比如平移、缩放、悬停、选择等，支持各种控件，比如按钮、滑块、下拉菜单、复选框等，通过Bokeh服务器来启用Python回调和实时更新的Web应用程序框架。
比如绘制这种动态气泡图，也是信手拈来。
它的定制化能力虽然没有matplotlib那么强，但基本的图表元素都可以自定义，比如轴、标题、图例、日期选择器、颜色与大小等，并且可以通过组件来调整。
Bokeh相比其他可视化库的另一个优势是它能很好的处理实时数据流，可以及时的展示数据的变化，比如电商数据沙盘、企业经营大屏、股票实时走势等，可以集成到web应用中，而且能结合Python的数据处理库进行实时的数据清洗、建模，并展示数据，非常的好用。
在数据源方面，Bokeh能直接读取numpy或者pandas数据格式进行可视化展示，无缝集成pandas主流数据科学库，而且可以导出png、svg和表格。
如何安装Bokeh呢？很简单，直接使用pip安装即可，在命令行输入：
pip3 install bokeh如果下载慢的话，可以配置临时镜像源。
pip install bokeh -i https://mirrors.aliyun.com/pypi/simple/只需要简单的几行代码，就可以绘制出一个折线图。
from bokeh.plotting import figure, show
p = figure(width=400, height=400)
# add a line renderer
p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], line_width=2)
show(p)
其他更多好看的Bokeh交互式图表可以看下面示例：
