Python中2種常用數據可視化庫:Bokeh和Altair

来源:https://www.cnblogs.com/huaweiyun/p/18139796
-Advertisement-
Play Games

本文將重點比較Bokeh和Altair這兩個常用的Python數據可視化庫,探討它們的優缺點以及在不同場景下的適用性。 ...


本文分享自華為雲社區《探究數據可視化:Bokeh vs. Altair》,作者:檸檬味擁抱。

在數據科學和數據分析領域,數據可視化是一種強大的工具,可以幫助我們更好地理解數據、發現模式和趨勢。Python作為一種流行的數據科學工具,擁有多種數據可視化庫。本文將重點比較Bokeh和Altair這兩個常用的Python數據可視化庫,探討它們的優缺點以及在不同場景下的適用性。

Bokeh 簡介

Bokeh是一個互動式可視化庫,它能夠創建各種類型的互動式圖表,包括散點圖、線圖、條形圖等。Bokeh提供了豐富的工具,使用戶能夠在圖表中進行縮放、平移和選擇等操作。

Altair 簡介

Altair是一個基於Vega和Vega-Lite的聲明式統計可視化庫。它的設計理念是簡單性和一致性,使用者只需通過簡單的Python語法即可創建複雜的可視化圖表,而無需深入瞭解底層的繪圖細節。

Bokeh 與 Altair 的比較

易用性:

  • Bokeh:相對而言,Bokeh的學習曲線較為陡峭,需要一定的時間來掌握其強大的交互功能和繪圖選項。
  • Altair:Altair的語法相對簡單直觀,使用者可以更快速地創建出漂亮的圖表,對於新手來說更易上手。

交互性:

  • Bokeh:Bokeh提供了豐富的交互工具,可以輕鬆地創建互動式圖表,並且支持自定義交互行為。
  • Altair:雖然Altair的交互功能相對較少,但是它可以無縫地與其他交互庫(如Panel)集成,實現更複雜的交互需求。

可視化表達能力:

  • Bokeh:Bokeh可以創建各種類型的圖表,並且支持自定義圖表的外觀和佈局。
  • Altair:Altair的語法設計簡潔而靈活,可以輕鬆地實現複雜的可視化表達,例如使用facet進行分面繪圖、使用layer進行圖層疊加等。

示例代碼和解析

Bokeh 示例:

from bokeh.plotting import figure, show
from bokeh.sampledata.iris import flowers

# 創建一個散點圖
p = figure(title="Iris Dataset", x_axis_label='Petal Length', y_axis_label='Petal Width')

# 添加散點數據
p.circle(flowers['petal_length'], flowers['petal_width'], legend_label='Iris Flowers', color='blue', size=8)

# 顯示圖表
show(p)

解析:

  • 使用Bokeh創建一個散點圖,x軸為花瓣長度,y軸為花瓣寬度。
  • 使用Bokeh的circle方法添加散點數據,並指定圖例標簽、顏色和大小。
  • 最後調用show函數顯示圖表。

Altair 示例:

import altair as alt
from vega_datasets import data

# 載入數據集
iris = data.iris()

# 創建散點圖
scatter = alt.Chart(iris).mark_circle().encode(
    x='petalLength:Q',
    y='petalWidth:Q',
    color='species:N',
    tooltip=['species', 'petalLength', 'petalWidth']
).properties(
    title='Iris Dataset',
    width=400,
    height=300
).interactive()

# 顯示圖表
scatter

解析:

  • 使用Altair創建一個散點圖,x軸為花瓣長度,y軸為花瓣寬度,顏色根據鳶尾花的種類進行編碼。
  • 使用Altair的mark_circle方法創建散點圖,並指定x、y、color等屬性。
  • 最後通過.properties方法設置圖表標題、寬度和高度,並調用.interactive()方法使圖表具有交互功能。

通過以上示例和比較,我們可以看出,Bokeh和Altair都是功能強大的Python可視化庫,它們各有優劣,選擇合適的庫取決於具體的需求和個人偏好。Bokeh適用於需要複雜交互的場景,而Altair則更適合於快速創建漂亮的可視化圖表。

案例與代碼示例

1. Bokeh 案例:

假設我們有一組銷售數據,包括產品名稱、銷售量和銷售額,我們想要使用 Bokeh 創建一個互動式條形圖來展示各產品的銷售情況。

from bokeh.plotting import figure, output_file, show
from bokeh.models import ColumnDataSource, HoverTool
from bokeh.transform import factor_cmap
import pandas as pd

# 創建示例銷售數據
sales_data = {
    'Product': ['Product A', 'Product B', 'Product C', 'Product D'],
    'Sales Volume': [100, 150, 200, 120],
    'Revenue': [5000, 7500, 10000, 6000]
}

df = pd.DataFrame(sales_data)

# 設置輸出文件
output_file("sales_bar_chart.html")

# 創建ColumnDataSource
source = ColumnDataSource(df)

# 創建繪圖對象
p = figure(x_range=df['Product'], plot_height=350, title="Sales Summary",
           toolbar_location=None, tools="")

# 添加條形圖
p.vbar(x='Product', top='Sales Volume', width=0.9, source=source,
       line_color='white', fill_color=factor_cmap('Product', palette='Set1', factors=df['Product']))

# 添加懸停工具
p.add_tools(HoverTool(tooltips=[("Product", "@Product"), ("Sales Volume", "@{Sales Volume}"), ("Revenue", "@Revenue")]))

# 設置圖表屬性
p.xgrid.grid_line_color = None
p.y_range.start = 0
p.yaxis.axis_label = "Sales Volume"

# 顯示圖表
show(p)

這段代碼是用於創建一個簡單的條形圖來展示銷售數據,並使用 Bokeh 庫進行可視化。以下是代碼的主要步驟解析:

導入必要的庫:

  • from bokeh.plotting import figure, output_file, show: 從 Bokeh 庫中導入創建繪圖、輸出文件和顯示圖表的函數。
  • from bokeh.models import ColumnDataSource, HoverTool: 從 Bokeh 庫中導入用於處理數據源和懸停工具的相關類。
  • from bokeh.transform import factor_cmap: 從 Bokeh 庫中導入用於顏色映射的轉換函數。
  • import pandas as pd: 導入 Pandas 庫,用於處理數據。
創建示例銷售數據:

使用字典形式創建了示例的銷售數據,包括產品名稱、銷售量和收入。

將數據轉換為 Pandas DataFrame:

使用 pd.DataFrame() 函數將銷售數據轉換為 DataFrame。

設置輸出文件:

使用 output_file() 函數設置輸出文件名為 “sales_bar_chart.html”。

創建 ColumnDataSource:

使用 ColumnDataSource 類將 DataFrame 轉換為 Bokeh 可用的數據源。

創建繪圖對象:

使用 figure() 函數創建一個條形圖對象 p,指定了 x 軸的範圍、繪圖高度、標題等屬性。

添加條形圖:

使用 vbar() 方法向繪圖對象添加條形圖,指定了 x 值(產品名稱)、條形的高度(銷售量)、線條顏色、填充顏色等屬性。

添加懸停工具:

使用 add_tools() 方法向繪圖對象添加懸停工具,指定了懸停時顯示的信息,包括產品名稱、銷售量和收入。

設置圖表屬性:

使用一系列屬性設置函數設置圖表的外觀屬性,如去除 x 軸的網格線、設置 y 軸起始值、設置 y 軸標簽等。

顯示圖表:

使用 show() 函數顯示繪圖對象。

通過這些步驟,代碼創建了一個包含銷售數據的條形圖,並通過懸停工具提供了額外的交互信息。

2. Altair 案例:

假設我們有一組學生的成績數據,包括學生姓名、數學成績和英語成績,我們想要使用 Altair 創建一個散點圖來展示學生的數學成績與英語成績的關係。

import altair as alt
import pandas as pd

# 創建示例成績數據
score_data = {
    'Student': ['Alice', 'Bob', 'Charlie', 'David', 'Emma'],
    'Math Score': [85, 90, 75, 80, 95],
    'English Score': [75, 85, 80, 70, 90]
}

df = pd.DataFrame(score_data)

# 創建散點圖
scatter_plot = alt.Chart(df).mark_point().encode(
    x='Math Score',
    y='English Score',
    tooltip=['Student', 'Math Score', 'English Score']
).properties(
    title='Math vs English Scores',
    width=400,
    height=300
).interactive()

# 顯示圖表
scatter_plot

這些示例代碼展示瞭如何使用 Bokeh 和 Altair 分別創建互動式條形圖和散點圖,以展示銷售數據和成績數據的可視化。通過這些示例,可以更好地理解 Bokeh 和 Altair 在實際應用中的使用方法和效果。

3. Bokeh 案例(互動式地圖):

假設我們有一組城市的經緯度數據,以及每個城市的人口數量,我們希望使用 Bokeh 創建一個互動式地圖,顯示每個城市的位置並以圓的大小表示人口數量。

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

# 示例城市數據
cities_data = {
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston'],
    'Latitude': [40.7128, 34.0522, 41.8781, 29.7604],
    'Longitude': [-74.0060, -118.2437, -87.6298, -95.3698],
    'Population': [8399000, 3990456, 2705994, 2320268]
}

df = pd.DataFrame(cities_data)

# 設置輸出文件
output_file("population_map.html")

# 創建ColumnDataSource
source = ColumnDataSource(df)

# 創建繪圖對象
p = figure(plot_width=800, plot_height=600, title="Population Map",
           toolbar_location="below")

# 添加圓形標記
p.circle(x='Longitude', y='Latitude', size='Population' / 100000,
         fill_alpha=0.6, line_color=None, source=source)

# 添加懸停工具
hover = HoverTool()
hover.tooltips = [("City", "@City"), ("Population", "@Population")]
p.add_tools(hover)

# 設置圖表屬性
p.xaxis.axis_label = "Longitude"
p.yaxis.axis_label = "Latitude"

# 顯示圖表
show(p)

4. Altair 案例(堆疊柱狀圖):

假設我們有一組月度銷售數據,包括銷售額和利潤,我們希望使用 Altair 創建一個堆疊柱狀圖,展示每個月的銷售額和利潤情況。

import altair as alt
import pandas as pd

# 示例銷售數據
sales_data = {
    'Month': ['Jan', 'Feb', 'Mar', 'Apr', 'May'],
    'Sales': [50000, 60000, 70000, 55000, 65000],
    'Profit': [20000, 25000, 30000, 22000, 27000]
}

df = pd.DataFrame(sales_data)

# 創建堆疊柱狀圖
stacked_bar_chart = alt.Chart(df).mark_bar().encode(
    x='Month',
    y='Sales',
    color=alt.value('blue'),
    tooltip=['Month', 'Sales']
).properties(
    title='Monthly Sales and Profit',
    width=400,
    height=300
).interactive() + \
alt.Chart(df).mark_bar().encode(
    x='Month',
    y='Profit',
    color=alt.value('orange'),
    tooltip=['Month', 'Profit']
)

# 顯示圖表
stacked_bar_chart

這些示例代碼展示瞭如何使用 Bokeh 和 Altair 分別創建互動式地圖和堆疊柱狀圖,以展示城市人口分佈和銷售數據的可視化。這些示例為使用 Bokeh 和 Altair 進行數據可視化提供了更多的靈感和實踐經驗。

總結

本文對Python中兩個常用的數據可視化庫 Bokeh 和 Altair 進行了比較和探討。通過對它們的特點、優缺點以及使用示例的詳細分析,讀者可以更好地瞭解這兩個庫的功能和適用場景,從而更好地選擇合適的庫來進行數據可視化工作。

在比較中,我們發現:

  • Bokeh 提供了豐富的交互功能和自定義選項,適用於需要複雜交互和自定義圖表外觀的場景,但學習曲線較陡。
  • Altair 的語法簡潔直觀,易於上手,適用於快速創建漂亮的可視化圖表,但交互功能相對較少。

針對不同的需求和技能水平,讀者可以靈活選擇使用 Bokeh 或 Altair 進行數據可視化。Bokeh 適用於需要複雜交互和自定義外觀的場景,而 Altair 則更適合快速創建漂亮的可視化圖表。

通過本文的介紹和示例代碼,讀者可以進一步掌握 Bokeh 和 Altair 的使用方法,併在實踐中運用它們來進行數據可視化工作。同時,我們也展望了數據可視化領域未來的發展趨勢,包括增強交互性、提升性能和效率、整合機器學習和深度學習等方面。

總之,數據可視化作為數據科學和數據分析領域的重要工具,將在未來繼續發揮重要作用。Bokeh 和 Altair 等可視化庫的不斷發展和完善,將為用戶提供更加強大和便捷的數據可視化工具,助力數據分析和決策支持工作的開展。

 

點擊關註,第一時間瞭解華為雲新鮮技術~

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 什麼是觀察者 觀察者模式的主要角色包括: 主題(Subject): 也稱為被觀察者或可觀察對象。它維護了一系列觀察者對象,並提供方法用於註冊、刪除和通知觀察者。當主題的狀態發生改變時,它會通知所有註冊的觀察者。 觀察者(Observer): 觀察主題的對象。觀察者定義了一個更新方法,主題在狀態改變時 ...
  • 在 Python 中,迭代器是一種非常好用的數據結構,其最大的優勢就是延遲生成,按需使用,從而大大提高程式的運行效率。而 itertools 作為 Python 的內置模塊,就為我們提供了一套非常有用的用於操作可迭代對象的函數。 常用功能 1.count 功能詳解 count(start=0,ste ...
  • operator 模塊提供了一套與 Python 的內置運算符對應的高效率函數。 1.函數的種類 函數包含的種類有:對象的比較運算、邏輯運算、數學運算和序列運算 2.比較運算 運算 函數 語法 小於 lt(a, b) a < b 小於等於 le(a, b) a <= b 大於 gt(a, b) a ...
  • 試用阿裡雲GPU伺服器進行深度學習模型訓練 最近在用PyTorch時發現在本地訓練模型速度一言難盡,然後發現阿裡雲可以白嫖gpu伺服器,只要沒有申請過PAI-DSW資源的新老用戶都可以申請5000CU*H的免費額度,三個月內有效。 阿裡雲免費試用活動頁面 一、申請試用並創建實例 點擊試用,完成註冊、 ...
  • Problem: 28. 找出字元串中第一個匹配項的下標 目錄解題方法思路構建next數組回溯查找複雜度Code 解題方法 構建next串 回溯查找next串,最後下標 思路 通過最大首碼尾碼能找到下一次未查找到後要回溯的位置 構建next數組 無論如何第一個數的下一次回溯位置肯定是0,因此next ...
  • 背景及問題說明 使用 Kafka client 版本 3.4.0 目前的預設分區策略如下: NOTE this partitioner is deprecated and shouldn't be used. To use default partitioning logic remove part ...
  • 前言 整理這個官方翻譯的系列,原因是網上大部分的 tomcat 版本比較舊,此版本為 v11 最新的版本。 開源項目 從零手寫實現 tomcat minicat 別稱【嗅虎】心有猛虎,輕嗅薔薇。 系列文章 web server apache tomcat11-01-官方文檔入門介紹 web serv ...
  • 在Web開發中,文件上傳是一個常見的功能需求。Spring框架提供了MultipartFile介面,用於處理文件上傳請求。MultipartFile可以代表一個多部分文件上傳請求中的一個文件,提供了一系列方法用於獲取文件的各種屬性和內容,使得在後端處理文件上傳變得十分方便。下麵我們將介紹Multip ...
一周排行
    -Advertisement-
    Play Games
  • 下麵是一個標準的IDistributedCache用例: public class SomeService(IDistributedCache cache) { public async Task<SomeInformation> GetSomeInformationAsync (string na ...
  • 這個庫提供了在啟動期間實例化已註冊的單例,而不是在首次使用它時實例化。 單例通常在首次使用時創建,這可能會導致響應傳入請求的延遲高於平時。在註冊時創建實例有助於防止第一次Request請求的SLA 以往我們要在註冊的時候實例單例可能會這樣寫: //註冊: services.AddSingleton< ...
  • 最近公司的很多項目都要改單點登錄了,不過大部分都還沒敲定,目前立刻要做的就只有一個比較老的項目 先改一個試試手,主要目標就是最短最快實現功能 首先因為要保留原登錄方式,所以頁面上的改動就是在原來登錄頁面下加一個SSO登錄入口 用超鏈接寫的入口,頁面改造後如下圖: 其中超鏈接的 href="Staff ...
  • Like運算符很好用,特別是它所提供的其中*、?這兩種通配符,在Windows文件系統和各類項目中運用非常廣泛。 但Like運算符僅在VB中支持,在C#中,如何實現呢? 以下是關於LikeString的四種實現方式,其中第四種為Regex正則表達式實現,且在.NET Standard 2.0及以上平... ...
  • 一:背景 1. 講故事 前些天有位朋友找到我,說他們的程式記憶體會偶發性暴漲,自己分析了下是非托管記憶體問題,讓我幫忙看下怎麼回事?哈哈,看到這個dump我還是非常有興趣的,居然還有這種游戲幣自助機類型的程式,下次去大玩家看看他們出幣的機器後端是不是C#寫的?由於dump是linux上的程式,剛好win ...
  • 前言 大家好,我是老馬。很高興遇到你。 我們為 java 開發者實現了 java 版本的 nginx https://github.com/houbb/nginx4j 如果你想知道 servlet 如何處理的,可以參考我的另一個項目: 手寫從零實現簡易版 tomcat minicat 手寫 ngin ...
  • 上一次的介紹,主要圍繞如何統一去捕獲異常,以及為每一種異常添加自己的Mapper實現,並且我們知道,當在ExceptionMapper中返回非200的Response,不支持application/json的響應類型,而是寫死的text/plain類型。 Filter為二方包異常手動捕獲 參考:ht ...
  • 大家好,我是R哥。 今天分享一個爽飛了的面試輔導 case: 這個杭州兄弟空窗期 1 個月+,面試了 6 家公司 0 Offer,不知道問題出在哪,難道是杭州的 IT 崩盤了麽? 報名面試輔導後,經過一個多月的輔導打磨,現在成功入職某上市公司,漲薪 30%+,955 工作制,不咋加班,還不捲。 其他 ...
  • 引入依賴 <!--Freemarker wls--> <dependency> <groupId>org.freemarker</groupId> <artifactId>freemarker</artifactId> <version>2.3.30</version> </dependency> ...
  • 你應如何運行程式 互動式命令模式 開始一個互動式會話 一般是在操作系統命令行下輸入python,且不帶任何參數 系統路徑 如果沒有設置系統的PATH環境變數來包括Python的安裝路徑,可能需要機器上Python可執行文件的完整路徑來代替python 運行的位置:代碼位置 不要輸入的內容:提示符和註 ...