一款超好用的 Python 交互式可视化工具，强烈推荐～

当我们在日常中需要使用 Python 数据可视化时，最先想到的要数 matplotlib 和 seborn，它们几乎覆盖各种常见的可视化绘图场景，例如柱状图、折线图、饼图等，但是它们也存在短板：不适合动态和交互式绘图，而能弥补这一场景的就是我们今天介绍的一款明星可视化工具 - Bokeh，它可以绘制非常灵活的 Web 交互式可视化图表。

文档地址：docs.bokeh.org/en/latest/d...

代码仓库：github.com/bokeh/bokeh

在使用 bokeh 之前，我们可以使用 pip 安装它，但是需要注意的是，我们需要先安装 bokeh 的依赖插件，如 pandas 和 numpy，可以用于一些数据分析统计！

ruby 复制代码

pip install bokeh -i https://mirrors.aliyun.com/pypi/simple/

当然 bokeh 不仅支持交互式可视化图形，它支持多种常见的图表类型，包括折线图、散点图、柱状图等。每种图表都有丰富的定制选项，可以调整颜色、大小、透明度等属性，满足不同的可视化需求。

以下我们举个简单的绘制折线图的例子，如下所示，具体逻辑都有注释在代码中

ini 复制代码

from bokeh.plotting import figure, show
from bokeh.io import output_notebook
import numpy as np

# 启用 Notebook 输出
output_notebook()

# 创建数据
x = np.linspace(0, 4 * np.pi, 100)
y = np.sin(x)

# 创建图表对象
p = figure(title="Simple Sine Curve", width=400, height=400)

# 添加曲线
p.line(x, y, legend_label="sin(x)", line_width=2)

# 显示图表
show(p)

当然，Bokeh 的真正强大之处在于其交互上的能力，我们可以为图表添加工具条，实现缩放、平移、保存等功能，甚至可以添加悬停提示等。其不仅提升用户使用体验，还能让用户更加深入探索数据。

Bokeh 提供了多种内置工具，也可以自定义工具以满足特定需求。以下是为图表添加交互工具的示例：

css 复制代码

from bokeh.plotting import figure, show
from bokeh.models import HoverTool

# 创建图表并添加工具
p = figure(width=400, height=400, tools="pan,box_zoom,wheel_zoom,reset,save")

# 配置悬停提示
hover = HoverTool(tooltips=[("x", "@x"), ("y", "@y")])
p.add_tools(hover)

# 添加一些示例数据
p.scatter([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20)

show(p)

通过以上两个实例，相信你已经掌握 Bokeh 的基本使用方法，现在就开始你的 Bokeh 之旅吧！用它来讲述你的数据故事，创造令人惊叹的可视化交互作品吧！

如果你喜欢本文，欢迎点赞，并且关注我们的微信公众号：Python技术极客 ，我们会持续更新分享 Python 开发编程、数据分析、数据挖掘、AI 人工智能、网络爬虫等技术文章！让大家在Python 技术领域持续精进提升，成为更好的自己！

添加作者微信（coder_0101），拉你进入行业技术交流群，进行技术交流~