Python 可视化视频课 - 6. Bokeh

这是 Python 数据可视化系列的第六节《Bokeh》。

1. Matplotlib 上

2. Matplotlib 下

3. Seaborn 上

4. Seaborn 中

5. Seaborn 下

之前 Python 数据分析和基础系列的所有课程链接如下。

1. NumPy 上

2. NumPy 下

3. Pandas 上

4. Pandas 下

5. SciPy 上

6. SciPy 下

7. Pandas 时间序列

8. Pandas 高频数据采样

9. 默顿模型计量经济资本

10. LSMC 定价美式和百慕大期权

11. 负油价和负利率模型

12. Nelson-Siegel 构建债券收益率曲线

13. 外汇交易组合保证金制定系统

14. FR007 利率掉期定价和曲线拔靴

15. 量化投资 - 向量化回测
    

1. 编程概览

2. 元素型数据

3. 容器型数据

4. 流程控制：条件-循环-异常处理

5. 函数上：低阶函数

6. 函数下：高阶函数

7. 类和对象：封装-继承-多态-组合

8. 字符串专场：格式化和正则化

9. 解析表达式：简约也简单

10. 生成器和迭代器：简约不简单

11. 装饰器：高端不简单

与 Python 可视化领域的流行同行 (如 Matplotlib 和 Seaborn) 不同的是，Bokeh 是一个专门针对 Web 浏览器的呈现功能的交互式可视化 Python库，支持现代化 Web 浏览器展示，例如图表可以输出为 JSON 对象，HTML 文档或者可交互的网络应用，这是 Bokeh 与其他可视化库最核心的区别。Bokeh 可以让用户尽可能快上手完成绘制交互式图片，设置仪表板及开发数据应用的任务。

真正丰富它的是 Bokeh 中的 Glyph (字形)，它是一种表示数据的图形形状或标记。比如圆形或正方形都是 Glyph。创建图形之后，就可以适用一系列可配置的 Glyph 方法。

下图画出 Glyph 为 Patch 图，默认的 Bokeh Figure() 带有一个现成的工具栏。默认工具栏带有以下工具：

• 散景首页的链接

• Pan (平移)

• Box Zoom (放大)

• Wheel Zoom (变焦)

• Save (保存)

• Reset (重置)

• 散景用户指南的链接，用于配置绘图工具

Bokeh 中可以个性化布局，如果希望在两种可视化效果之间进行全尺寸切换，而不必将其压缩到彼此相邻或重叠的位置，则选项卡式布局是一个不错的选择。一个选项卡式布局包含两个 Bokeh 小部件，即 bokeh.models.widgets 子模块中的 Tab() 和 Panel()。

让 Bokeh 与众不同的是其轻松实现可视化交互性的功能。在本次课中将介绍添加交互性的四种方法：

• 选择数据点

• 添加悬停动作 (hover)

• 链接轴和数据

• 使用图例突显数据

Bokeh 交互性功能真棒！

付费用户（付 1 赠 1）可以获得：

• 观看课程视频 (97 分钟)

• Python 代码 (Jupyter Notebook)