Python Bokeh数据可视化实战：从安装到六种图表绘制

程一诺

发布时间：2026-10-15| 8人浏览过

原创

本文详细介绍Python数据可视化库Bokeh的安装与核心功能。内容涵盖Bokeh.plotting与bokeh.models接口的区别，以及如何通过具体代码示例绘制散点图、折线图、条形图、箱线图、直方图和散点分布图。适合希望快速掌握Bokeh交互式绘图技能的开发者参考。

介绍

Bokeh是Python中用于生成高性能交互式图表和绘图的数据可视化库。其输出结果可适配笔记本环境、HTML文件以及服务器等多种媒介，并支持嵌入到Django和Flask等Web应用程序中。

Bokeh提供了两种不同层级的可视化接口供用户选择：

bokeh.models：这是一个低级接口，为应用程序开发人员提供极高的灵活性。

bokeh.plotting：这是一个高级界面，旨在简化视觉字形（glyphs）的创建过程。

若需安装bokeh包，请在终端执行以下命令：

pip install bokeh

本教程中用于生成各类散景图的数据集来源于Kaggle平台。

代码1.散点标记

若需创建散点圆标记，请调用circle()方法。

# 导入模块
from bokeh.plotting import figure, output_notebook, show

# 输出到 notebook
output_notebook()

# 创建图
p = figure(plot_width = 400, plot_height = 400)

# 添加具有大小、颜色和 alpha 的圆形渲染器
p.circle([1, 2, 3, 4, 5], [4, 7, 1, 6, 3],
		size = 10, color = "navy", alpha = 0.5)

# 显示结果
show(p)

输出结果：

代码2.单行

若需创建单条折线，请调用line()方法。

# 导入模块
from bokeh.plotting import figure, output_notebook, show

# 输出到 notebook
output_notebook()

# 创建图
p = figure(plot_width = 400, plot_height = 400)

# 添加线渲染器
p.line([1, 2, 3, 4, 5], [3, 1, 2, 6, 5],
		line_width = 2, color = "green")

# 显示结果
show(p)

输出结果：

代码3.条形图

条形图通过矩形条展示分类数据，条形的长度与所代表的数值成正比。

# 导入必要的模块
import pandas as pd
from bokeh.charts import Bar, output_notebook, show

# 输出到 notebook
output_notebook()

# 读取数据框中的数据
df = pd.read_csv(r"D:/kaggle/mcdonald/menu.csv")

# 创建栏
p = Bar(df, "Category", values = "Calories",
		title = "Total Calories by Category",
						legend = "top_right")

# 显示结果
show(p)

输出结果：

代码4.箱线图

箱线图用于展示图表中的统计数据，有助于总结数据集中不同数据组的统计属性。

# 导入必要的模块
from bokeh.charts import BoxPlot, output_notebook, show
import pandas as pd

# 输出到 notebook
output_notebook()

# 读取数据框中的数据
df = pd.read_csv(r"D:/kaggle / mcdonald / menu.csv")

# 创建栏
p = BoxPlot(df, values = "Protein", label = "Category",
			color = "yellow", title = "Protein Summary (grouped by category)",
			legend = "top_right")

# 显示结果
show(p)

输出结果：

代码5.直方图

直方图用于展示数值数据的分布情况，其中矩形的高度与区间内数值的频率成正比。

# 导入必要的模块
from bokeh.charts import Histogram, output_notebook, show
import pandas as pd

# 输出到 notebook
output_notebook()

# 读取数据框中的数据
df = pd.read_csv(r"D:/kaggle / mcdonald / menu.csv")

# 创建直方图
p = Histogram(df, values = "Total Fat",
			title = "Total Fat Distribution",
			color = "navy")

# 显示结果
show(p)

输出结果：

代码6.散点图

散点图用于绘制数据集中两个变量的值，有助于发现所选两个变量之间的相关性。

# 导入必要的模块
from bokeh.charts import Scatter, output_notebook, show
import pandas as pd

# 输出到 notebook
output_notebook()

# 读取数据框中的数据
df = pd.read_csv(r"D:/kaggle / mcdonald / menu.csv")

# 创建散点图
p = Scatter(df, x = "Carbohydrates", y = "Saturated Fat",
			title = "Saturated Fat vs Carbohydrates",
			xlabel = "Carbohydrates", ylabel = "Saturated Fat",
			color = "orange")

# 显示结果
show(p)

输出结果：