用Python Bokeh打造炫酷图表（零基础交互式可视化入门教程）

安装 Bokeh

首先，你需要在你的 Python 环境中安装 Bokeh。打开终端或命令提示符，运行以下命令：

pip install bokeh

第一个 Bokeh 图表：简单折线图

让我们从最基础的折线图开始。下面这段代码将绘制一条简单的正弦曲线：

from bokeh.plotting import figure, showimport numpy as np# 准备数据x = np.linspace(0, 4*np.pi, 100)y = np.sin(x)# 创建图形对象p = figure(title="正弦函数图", width=600, height=400)# 添加折线p.line(x, y, line_width=2, color="navy")# 显示图表show(p)

运行上述代码后，浏览器会自动打开一个新标签页，显示你绘制的交互式折线图。你可以用鼠标滚轮缩放、拖动平移，这就是 交互式可视化 的魅力！

添加交互功能：工具栏与悬停提示

Bokeh 默认包含多种交互工具。我们还可以自定义工具并添加“悬停提示”（HoverTool），让用户将鼠标悬停在数据点上时看到详细信息。

from bokeh.plotting import figure, showfrom bokeh.models import HoverToolimport pandas as pd# 创建示例数据data = pd.DataFrame({    '年份': [2018, 2019, 2020, 2021, 2022],    '销售额': [120, 150, 180, 210, 250]})# 创建图形p = figure(    title="年度销售额趋势",    x_axis_label='年份',    y_axis_label='销售额（万元）',    width=600,    height=400,    tools="pan,wheel_zoom,box_zoom,reset")# 添加圆点和折线points = p.circle('年份', '销售额', source=data, size=10, color="firebrick")p.line('年份', '销售额', source=data, line_width=2, color="firebrick")# 添加悬停提示hover = HoverTool(tooltips=[("年份", "@年份"), ("销售额", "@销售额 万元")], renderers=[points])p.add_tools(hover)show(p)

这段代码展示了如何使用 Pandas DataFrame 作为数据源，并通过 HoverTool 实现数据点的详细信息展示。这是 Bokeh入门指南 中非常实用的技巧。

小贴士：保存图表到 HTML 文件

如果你不想每次都弹出浏览器，也可以将图表保存为 HTML 文件：

from bokeh.plotting import output_fileoutput_file("sales_chart.html")  # 指定输出文件show(p)  # 图表将保存到 sales_chart.html

结语

通过本篇 数据可视化教程，你应该已经掌握了使用 Python Bokeh 创建基本交互式图表的方法。Bokeh 的强大之处远不止于此——它还支持地图、时间序列、联动筛选、服务器部署等高级功能。建议你继续查阅官方文档，动手实践更多案例，逐步成为数据可视化的高手！

祝你在 交互式可视化 的旅程中收获满满！