Bokeh数据可视化：散点图绘制完全指南

Bokeh数据可视化：散点图绘制完全指南

bokeh bokeh/bokeh: 是一个用于创建交互式图形和数据的 Python 库。适合用于数据可视化、数据分析和呈现，以及创建动态的 Web 应用。特点是提供了一种简洁、直观的 API 来描述和处理数据，并生成交互式的可视化效果。 项目地址: https://gitcode.com/gh_mirrors/bo/bokeh

散点图基础概念

散点图是数据可视化中最常用的图表类型之一，它通过在二维平面上绘制数据点来展示两个变量之间的关系。Bokeh作为Python生态中强大的交互式可视化库，提供了丰富的散点图绘制功能。

Bokeh中的散点标记类型

Bokeh内置了多种散点标记样式，可以满足不同场景下的可视化需求：

基础标记类型

• 圆形标记：circle
• 方形标记：square
• 三角形标记：triangle
• 菱形标记：diamond
• 星形标记：star
• 十字标记：cross
• X形标记：x

复合标记类型

Bokeh还支持将基础标记与其他视觉元素组合：

• 带点的圆形：circle_dot
• 带十字的方形：square_cross
• 带点的三角形：triangle_dot
• 带针的方形：square_pin

绘制散点图的最佳实践

在Bokeh中，推荐使用scatter()方法来创建散点图，这是最灵活和一致的方式。示例代码如下：

from bokeh.plotting import figure, show

# 创建绘图对象
p = figure(width=400, height=400)

# 添加散点数据
p.scatter([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], 
          size=15, 
          marker="circle",
          color="navy")

show(p)

标记属性详解

所有散点标记都支持以下核心属性：

• x：x轴坐标数据
• y：y轴坐标数据
• size：标记大小（屏幕单位）
• angle：旋转角度（默认弧度制）

圆形标记(circle)有特殊之处：

• 额外支持radius属性（数据单位）
• 当通过scatter()方法使用时，不支持radius属性

自定义标记实现

Bokeh支持创建完全自定义的标记样式，这为特殊需求提供了解决方案。自定义标记可以通过SVG路径定义，实现独特的视觉效果。

# 自定义标记示例
custom_marker = """
    M 0 -10
    L 5 0
    L 0 10
    L -5 0
    Z
"""
p.scatter(x, y, marker=custom_marker, size=20)

使用图片作为标记

Bokeh支持将外部图片作为散点标记，这为数据可视化提供了更多创意空间：

p.image_url(url=['https://example.com/image.png'], 
            x=[1, 2, 3], 
            y=[1, 2, 3],
            w=0.1, h=0.1)

注意事项：

1. 图片URL必须通过HTTP/HTTPS可访问
2. 安全限制下，不支持本地文件路径(file://)
3. HTTPS页面必须使用HTTPS图片URL

性能优化建议

当处理大量数据点时：

1. 考虑使用circle()而非scatter()以获得更好性能
2. 适当调整标记大小和透明度
3. 对于超大数据集，考虑使用WebGL加速

总结

Bokeh提供了丰富而灵活的散点图绘制能力，从基础标记到自定义样式，再到图片标记，能够满足各种数据可视化需求。掌握这些功能，可以创建出既美观又富有信息量的交互式散点图。

bokeh bokeh/bokeh: 是一个用于创建交互式图形和数据的 Python 库。适合用于数据可视化、数据分析和呈现，以及创建动态的 Web 应用。特点是提供了一种简洁、直观的 API 来描述和处理数据，并生成交互式的可视化效果。 项目地址: https://gitcode.com/gh_mirrors/bo/bokeh