Python數據分析及可視化實例之Bokeh與Jupyter生成可視化圖表（8）

系列文章總目錄：Python數據分析及可視化實例目錄

Talk is cheap , show U the code.

通用圖表直接重構官方文檔中的chart圖表代碼，

和Pandas、Flask無縫銜接，不能再炫酷的D3.js

在Jupyter中體驗一下Bokeh的便捷：

import numpy as npnfrom bokeh.plotting import figurenN = 4000nx = np.random.random(size=N) * 100ny = np.random.random(size=N) * 100nradii = np.random.random(size=N) * 1.5ncolors = [n "#%02x%02x%02x" % (int(r), int(g), 150) for r, g in zip(50+2*x, 30+2*y)n]nTOOLS="hover,crosshair,pan,wheel_zoom,zoom_in,zoom_out,box_zoom,undo,redo,reset,tap,save,box_select,poly_select,lasso_select,"np = figure(tools=TOOLS)np.scatter(x, y, radius=radii,n fill_color=colors, fill_alpha=0.6,n line_color=None)n

還可以做出這樣的圖：

膠水語言博大精深，

本主只得一二為新人帶路：

Python數據分析及可視化實例目錄

最後，別只收藏不關注哈

推薦閱讀：