Bokeh：构建大规模流式数据可视化与交互式仪表盘

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：

发表回复 取消回复

发表回复取消回复