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

TAG:Python | 数据分析 | 数据可视化 |