好的，各位朋友们，大家好！我是今天的“Bokeh大师”（好吧，我自己封的），今天咱们来聊聊如何用Bokeh构建大规模流式数据可视化和交互式仪表盘。
开场白：数据洪流，可视化英雄！
在这个数据爆炸的时代，我们每天都被各种数据淹没。想象一下，你面前是一个巨大的水库，里面的水就是数据，你想知道水库的水位变化、水质情况等等。如果只能用眼睛看，那得累死。这时候，可视化就派上用场了，它就像一个水位计、水质检测仪，让你一目了然。
而Bokeh呢，就是可视化领域的“超级英雄”，它擅长处理大规模流式数据，并且能让你和数据进行交互，挖掘更多信息。
第一部分：Bokeh简介：它是什么，为什么选它？
首先，咱们得认识一下这位“超级英雄”。
-
Bokeh是啥？
Bokeh是一个Python交互式可视化库，目标是为现代Web浏览器提供优雅、简洁的图形。简单来说，它能让你用Python代码，生成漂亮的、可交互的网页图表。
-
为啥选Bokeh？
- 大规模数据处理能力： Bokeh设计之初就考虑到了大数据，它能高效地处理大量数据，让你不会因为数据量太大而卡顿。
- 流式数据支持： Bokeh可以实时更新图表，非常适合展示流式数据，比如股票行情、传感器数据等。
- 交互性强： Bokeh提供了丰富的交互工具，比如缩放、平移、选择、悬停提示等，让用户可以自由探索数据。
- Web友好： Bokeh生成的图表可以直接嵌入到网页中，方便分享和展示。
- Pythonic： Bokeh使用Python语言，如果你已经熟悉Python，上手非常快。
-
Bokeh的两种接口：
Bokeh提供了两种接口，
bokeh.models(低级接口) 和bokeh.plotting(高级接口)。- bokeh.models: 提供最全面的控制，允许直接操作Bokeh服务器，是构建自定义可视化组件的基础。
- bokeh.plotting: 提供一个更简单、更高级的API，用于快速创建常见的图表类型，例如线图、散点图和柱状图。
第二部分：快速入门：Hello, Bokeh!
咱们先来写一个简单的例子，感受一下Bokeh的魅力。
from bokeh.plotting import figure, show
# 准备数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
# 创建一个figure对象
p = figure(title="我的第一个Bokeh图", x_axis_label="X轴", y_axis_label="Y轴")
# 添加一条线
p.line(x, y, legend_label="简单线", line_width=2)
# 显示图表
show(p)这段代码做了什么？
- 导入模块： 导入了
figure和show函数。figure用于创建一个图表对象，show用于在浏览器中显示图表。 - 准备数据： 定义了x和y两个列表，作为图表的数据。
- 创建figure对象： 创建了一个名为
p的figure对象，并设置了标题、x轴标签和y轴标签。 - 添加一条线： 使用
p.line()函数，将x和y数据添加到图表中，并设置了图例标签和线条宽度。 - 显示图表： 使用
show(p)函数，在浏览器中显示图表。
运行这段代码，你会看到一个简单的折线图。恭喜你，你已经迈出了用Bokeh构建可视化的第一步！
第三部分：核心概念：理解Bokeh的骨架
要深入理解Bokeh，需要了解几个核心概念：
- Plot： 图表，是所有可视化的容器。
- Glyph： 图形，是图表中的基本元素，比如线、圆、矩形等。
- Data Source： 数据源，是Glyph的数据来源，可以是Python列表、NumPy数组、Pandas DataFrame等。
- Axis： 坐标轴，用于表示数据的范围和刻度。
- Range： 范围，定义了坐标轴的显示范围。
- Tools： 工具，用于与图表进行交互，比如缩放、平移、选择等。
- Renderer： 渲染器，负责将Glyph渲染到浏览器中。
这些概念就像人体的骨架，支撑着整个Bokeh可视化系统。
第四部分：常用Glyph：让你的图表更丰富
Bokeh提供了丰富的Glyph，可以创建各种各样的图表。下面是一些常用的Glyph：
| Glyph | 描述 |
| —— | ———————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————— uid空间复杂度，时间复杂度都为O(1)。
from bokeh.plotting import figure, show
# 准备数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
# 创建一个figure对象
p = figure(title="我的第一个Bokeh散点图", x_axis_label="X轴", y_axis_label="Y轴")
# 添加散点
p.circle(x, y, size=10, color="red", alpha=0.5)
# 显示图表
show(p)from bokeh.plotting import figure, show
# 准备数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [4, 7, 1, 6, 3]
# 创建一个figure对象
p = figure(x_range=categories, height=350, title="我的第一个Bokeh柱状图",
toolbar_location=None, tools="")
# 添加柱状图
p.vbar(x=categories, top=values, width=0.9)
# 设置坐标轴样式
p.xgrid.grid_line_color = None
p.y_range.start = 0
# 显示图表
show(p)第五部分：数据源：让数据流动起来
Bokeh支持多种数据源，最常用的是ColumnDataSource。它可以将Python字典或Pandas DataFrame转换为Bokeh可以识别的数据格式。
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
# 准备数据
data = {'x': [1, 2, 3, 4, 5],
'y': [6, 7, 2, 4, 5],
'color': ['red', 'green', 'blue', 'yellow', 'purple']}
# 创建ColumnDataSource对象
source = ColumnDataSource(data=data)
# 创建一个figure对象
p = figure(title="使用ColumnDataSource", x_axis_label="X轴", y_axis_label="Y轴")
# 添加散点
p.circle(x='x', y='y', size=10, color='color', alpha=0.5, source=source)
# 显示图表
show(p)这段代码中，我们首先创建了一个Python字典data，然后使用ColumnDataSource(data=data)将其转换为Bokeh可以识别的数据格式。在添加散点时，我们使用x='x'和y='y'来指定x和y轴的数据来源。
动态更新数据：
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
from bokeh.io import curdoc
import random
# 创建ColumnDataSource对象
source = ColumnDataSource(data={'x': [0], 'y': [0]})
# 创建一个figure对象
p = figure(title="动态更新数据", x_range=(0, 10), y_range=(0, 10))
# 添加散点
p.circle(x='x', y='y', size=10, source=source)
# 定义更新函数
def update_data():
new_x = random.random() * 10
new_y = random.random() * 10
new_data = {'x': [new_x], 'y': [new_y]}
source.stream(new_data, rollover=10)
# 定期更新数据
curdoc().add_periodic_callback(update_data, 500) # 每500毫秒更新一次
show(p)第六部分：交互工具：让用户探索数据
Bokeh提供了丰富的交互工具，让用户可以自由探索数据。常用的交互工具包括：
- PanTool： 平移工具
- ZoomInTool： 放大工具
- ZoomOutTool： 缩小工具
- WheelZoomTool： 滚轮缩放工具
- BoxZoomTool： 框选缩放工具
- ResetTool： 重置工具
- SaveTool： 保存工具
- HoverTool： 悬停提示工具
- TapTool： 点击工具
- BoxSelectTool： 框选工具
- LassoSelectTool： 套索选择工具
from bokeh.plotting import figure, show
# 准备数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
# 创建一个figure对象
p = figure(title="添加交互工具", x_axis_label="X轴", y_axis_label="Y轴",
tools="pan,wheel_zoom,box_zoom,reset,save,hover")
# 添加一条线
p.line(x, y, legend_label="简单线", line_width=2)
# 显示图表
show(p)这段代码中，我们在创建figure对象时，使用tools="pan,wheel_zoom,box_zoom,reset,save,hover"来添加平移、滚轮缩放、框选缩放、重置、保存和悬停提示工具。
第七部分：仪表盘布局：让信息一目了然
构建仪表盘时，合理的布局非常重要。Bokeh提供了多种布局方式，包括：
- Row： 水平布局
- Column： 垂直布局
- GridPlot： 网格布局
- Tabs： 标签页布局
from bokeh.plotting import figure, show
from bokeh.layouts import row, column, gridplot, Tabs
from bokeh.models import Panel
# 准备数据
x = [1, 2, 3, 4, 5]
y1 = [6, 7, 2, 4, 5]
y2 = [2, 3, 4, 5, 6]
y3 = [7, 6, 2, 4, 5]
# 创建三个figure对象
p1 = figure(title="图1")
p1.line(x, y1)
p2 = figure(title="图2")
p2.line(x, y2)
p3 = figure(title="图3")
p3.line(x, y3)
# 水平布局
layout_row = row(p1, p2, p3)
# 垂直布局
layout_column = column(p1, p2, p3)
# 网格布局
layout_grid = gridplot([[p1, p2], [p3, None]])
# 标签页布局
tab1 = Panel(child=p1, title="Tab1")
tab2 = Panel(child=p2, title="Tab2")
tab3 = Panel(child=p3, title="Tab3")
layout_tabs = Tabs(tabs=[tab1, tab2, tab3])
# 显示布局
show(layout_tabs)第八部分：流式数据：让图表实时更新
Bokeh非常适合处理流式数据。可以使用ColumnDataSource的stream方法，实时更新图表数据。
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
from bokeh.io import curdoc
import random
# 创建ColumnDataSource对象
source = ColumnDataSource(data={'x': [], 'y': []})
# 创建一个figure对象
p = figure(title="流式数据", x_range=(0, 10), y_range=(0, 10))
# 添加散点
p.circle(x='x', y='y', size=10, source=source)
# 定义更新函数
def update_data():
new_x = random.random() * 10
new_y = random.random() * 10
new_data = {'x': [new_x], 'y': [new_y]}
source.stream(new_data, rollover=20) # rollover参数控制数据点的数量
# 定期更新数据
curdoc().add_periodic_callback(update_data, 100) # 每100毫秒更新一次
show(p)这段代码中，我们首先创建了一个空的ColumnDataSource对象。然后，定义了一个update_data函数，用于生成新的数据点，并使用source.stream(new_data, rollover=20)将新的数据点添加到数据源中。rollover=20表示数据源最多保留20个数据点，超过20个后，旧的数据点会被移除。最后，使用curdoc().add_periodic_callback(update_data, 100)定期调用update_data函数，实现图表的实时更新。
第九部分：Bokeh Server：构建交互式应用
Bokeh Server是Bokeh的核心组件，它允许你构建具有复杂交互逻辑的Web应用。
# 导入模块
from bokeh.plotting import figure
from bokeh.models import ColumnDataSource, Slider
from bokeh.layouts import column
from bokeh.io import curdoc
# 准备数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
# 创建ColumnDataSource对象
source = ColumnDataSource(data={'x': x, 'y': y})
# 创建一个figure对象
p = figure(title="Bokeh Server Demo", x_axis_label="X轴", y_axis_label="Y轴")
# 添加一条线
line = p.line(x='x', y='y', source=source, line_width=2)
# 创建一个Slider
slider = Slider(start=0, end=10, value=1, step=.1, title="线条宽度")
# 定义回调函数
def update_line_width(attrname, old, new):
line.glyph.line_width = slider.value
# 监听Slider的变化
slider.on_change('value', update_line_width)
# 创建布局
layout = column(slider, p)
# 添加布局到document
curdoc().add_root(layout)运行这个程序需要使用bokeh serve --show your_script.py命令。你会看到一个网页，其中包含一个滑动条和一个折线图。拖动滑动条，可以改变折线图的线条宽度。
第十部分：大规模数据处理技巧
处理大规模数据时，需要注意以下几点：
- **