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:
※市場規模是怎麼估算出來的?都有哪些依據?
※老鹿玩數據——不光是求婚神器(二)
※學會處理你的視頻數據,做粉絲更喜歡的內容
※好指標與壞指標
※Challenge2:R語言數據結構入門