使用Bokeh进行数据可视化的8个建议（上）

使用 Bokeh 库创建数据可视化的快速提示和示例。

长按关注《Python学研大本营》，加入读者群，分享更多精彩扫码关注《Python学研大本营》，加入读者群，分享更多精彩

Python 是创建数据可视化的绝佳开源工具。有许多可用的数据可视化库，包括 Matplotlib、Seaborn 和 Bokeh。

Bokeh 是一个 Python 数据可视化库，旨在创建交互式图表。虽然可以免费使用，但通常需要大量时间来了解具体细节。

以下是我在使用 Bokeh 创建数据可视化过程中学到的一些技巧。

注意：显示的所有示例，包括代码和数据集，均可在此处获得。

https://payalnpatel.github.io/Bokeh/

1 — 格式化图表标题、轴标题和轴标签以便于阅读

格式良好的标题和标签可以提高图表的可读性和可用性。易于阅读的标题、标签和轴允许用户快速查看和处理可视化。

在设计数据可视化时，务必牢记标题和标签的格式，包括字体粗细、字体大小和字体颜色。

例如，下面的条形图按经验水平显示了数据科学专业人员的平均工资。此可视化使用标题和标签的默认值。

图片：带有默认标题和轴标签的条形图

更改默认设置可以增强数据可视化。以下是我在使用 Bokeh 格式化图表标题和轴时使用的一些技巧。

Bold Chart & Axis Titles — 大胆的标题使它们脱颖而出。这使用户更容易快速找到识别信息。
居中图表标题— 默认情况下，图表标题左对齐。将标题居中以平衡可视化与对称元素。
增加图表和轴标题的字体 - 增加标题的字体大小，使它们更易于阅读。确保轴标题小于图表标题，这样它们就不会盖过图表。
设置轴范围— 默认情况下，轴不从 0 开始。正如我们在上面的示例中看到的那样，这会导致条形看起来漂浮在 x 轴之外。要格式化 x 或 y 轴的范围，请使用Range1d函数。
使用刻度格式化程序修改轴标签——Bokeh包含多个刻度格式化程序，例如NumeralTickFormatter和CategoricalTickFormatter。这些刻度格式化程序可以更改 x 和 y 轴刻度标签的格式。在上面的例子中，NumeralTickFormatter可以去除y 轴的科学计数格式。查看 Bokeh 文档以查看适用于您的版本的格式化程序。
使用自定义标签覆盖轴标签- 当标签包含数千、数百万等大量数字时，自定义会有所帮助。使用自定义标签创建别名或速记。即，如果标签显示值“1,000,000”，自定义标签可以将显示更改为“1M”以便于阅读。下图显示了应用这些技术后的条形图。虽然变化很小，但它们提高了图表的可读性和可用性。

图片：带有修改后的标题和标签的条形图

2 — 创建交互式图例

图例为数据可视化提供了有用的上下文，使用户能够快速识别相似的数据点——无论是通过颜色、形状还是大小。使用 Python 中的 Bokeh 库，用户可以创建交互式图例。交互式图例将部分数据隐藏或隐藏在视图之外。当有大量组或多个数据点重叠时，交互式图例很有用。

例如，下面的折线图显示了 2013 年到 2019 年因加州野火而按县烧毁的总英亩数。此折线图上有 6 个县，有几条重叠线。

图片：加州野火线图

创建交互式图例允许用户选择要从视图中删除的项目。通过将图形的click_policy设置为“隐藏”或“静音”，可以“隐藏”或“静音”项目，如下面的命令所示。

# Set Legend Click Policy for Figure 'p' 
p.legend.click_policy="mute"

我更喜欢将图例中的项目静音，因为静音的项目显示为灰色，而不是完全从视图中删除。通过这种方式，用户可以专注于他们想要的组，同时确保完整的数据集得到呈现。

注意：如果使项目静音，则应为绘制的每条线指定 muted_color 和 muted_alpha 字段。在此处查看此可视化的完整代码。

https://payalnpatel.github.io/Bokeh/

在 California Wildfires Line Graph 中，click_policy设置为“mute”，灰色作为muted_color，0.2 作为muted_alpha值。通过将特定县从视图中移除，用户能够更快速、更高效地比较较小范围内的县。例如，如果用户想要比较洛杉矶的野火和圣地亚哥的野火，这将很困难，因为有几条线重叠。在下图中，除洛杉矶和圣地亚哥之外的所有县都已静音，以便更轻松地比较这两个县之间燃烧的总英亩数。

图片：加州野火线图与选定县静音

交互式图例也可以应用于其他可视化。以下散点图显示了不同种族的学生数学和阅读分数之间的关系。添加交互式图例在这里有帮助，因为有几个重叠的数据点。要创建带有交互式图例的散点图，请单独绘制每个组。我们可以看到，通过将 A、B 和 C 组静音，我们可以轻松地比较 D 组和 E 组。在此处查看此数据可视化的完整代码。

https://payalnpatel.github.io/Bokeh/

图片：带有交互式图例的散点图

3 — 通过将图例放在图外来最大化空间

在 Python 中，许多数据可视化，例如折线图、散点图和条形图，都允许您使用简单的命令添加图例。用户通常会保留图例的默认位置，或者将图例移动到包含可视化的图形中的某个位置，例如左上角或右上角。虽然在大多数情况下这很好，但在某些情况下图例会覆盖可视化的关键区域。在下面按国家/地区划分的平均巧克力评级条形图中，默认的图例位置涵盖比利时和英国，因此很难确定一个是否大于另一个。

图片：带默认图例放置的条形图

如果可视化有多个数据点，或者如果向可视化添加图例导致覆盖关键信息，请将可视化放置在图的一侧。

图片：条形图，图例位于图的右侧通过将图例移到框架之外，我们能够看到完整的可视化效果，同时将图例作为有用的参考。

要在图 p 的右侧添加图例，请使用以下命令。

p.add_layout(Legend(), ‘right’)

注意：要在 Bokeh 中使用图例功能，请导入以下函数。在此处查看此可视化的完整代码。

https://payalnpatel.github.io/Bokeh/

from bokeh.models import Legend
from bokeh.models import Range1d

4 — 添加工具提示

工具提示（通常称为悬停文本）是将光标移到可视化效果或可视化效果的一部分上时出现的文本。使用工具提示与观众分享额外信息。Bokeh 库允许将工具提示添加到多种可视化类型，包括条形图、折线图和散点图。

要将工具提示添加到可视化，请导入HoverTool函数，如下所示。

from bokeh.models.tools import HoverTool

以下面的条形图为例，按国家/地区划分的平均巧克力评级。此图表中的工具提示显示了光标悬停所在国家/地区的国家/地区名称和平均评级。

图片：启用工具提示的条形图

与格式化图表标题和标签类似，您还需要记住如何设置工具提示中文本的样式！

在下面的条形图中，Average Salary by Experience Level，工具提示包含有关以美元计算的经验水平和平均工资的信息。

图片：启用工具提示的条形图

默认情况下，平均工资文本不会自动格式化为货币；然而，通过一些修改，我们可以格式化文本以包含美元符号和逗号。创建数据可视化以格式化工具提示时添加了以下代码行。在此处查看此可视化的完整代码。

https://payalnpatel.github.io/Bokeh/

# Add hover text 
p.add_tools(HoverTool(tooltips=[(“Experience Level”, “@types”), 
 (“Average Salary (USD)”, “$@values{0,0}”)]))

工具提示还可以包含 x 和 y 轴之外的信息。以下散点图按性别显示了学生的数学和阅读成绩。此示例中的工具提示显示每个学生的性别、数学分数和阅读分数。

图片：启用工具提示的散点图