Question

与Matplotlib不同，Bokeh是一款针对浏览器中图形演示的交互式绘图工具。它的目标是使用d3.js样式提供优雅、简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。Bokeh支持用户快速创建交互式的绘图、仪表盘和数据应用。这对于喜爱d3.js的可视化效果，但不熟悉JavaScript的用户有莫大的帮助。因此，在使用IPython Notebook进行编程时，能将Bokeh的交互体验提升至最大。

其最新的官方文档为http://bokeh.pydata.org/en/latest/index.html 。同样，它也为用户提供一个精彩的“画廊（Gallery）”以展示基础的例子，如图6-6所示。

图6-6 Bokeh画廊剪影

在此，我们利用一段完整的代码来体验使用Bokeh画图的效果，如代码清单6-5所示。

代码清单6-5 绘制简单折线图

# -*- coding:utf-8 -*-
from bokeh.plotting import figure, output_file, show
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
# 输出为静态文件
output_file("lines.html", title="line plot example")
# 创建一个
figure对象，附带标题和坐标轴标记
p = figure(title="simple line example", x_axis_label='x', y_axis_label='y')
# 添加一条线，设置图例
p.line(x, y, legend="Line A.", line_width=2)
show(p)

*代码详见：示例程序/code/6-2.py

当运行代码之后，脚本会自动打开默认的浏览器以展示结果，图6-7便是截自浏览器界面。读者可以使用鼠标滑动以放大或缩小图形的比例，还可以拖动图形至合适的位置。更重要的是，使用右上角的功能按钮进行更多样的交互，包括放大、复位、保存、调试帮助等。

图6-7 绘制简单折线图

在画廊页面^[1] 中，有非常多生动的交互式例子。例如，交互式的电影检索工具，如图6-8所示（具体链接是http://demo.bokehplots.com/apps/movies ）。

我们可以通过左边预设的过滤器（Filter）来改变右边图像的样式和内容。过滤器包括：最小电影评论数、票房、首映时间、奥斯卡奖杯数等。可见，当前有7447部电影被展示在图6-9中。我们将“最小电影评论数”提高到250，以寻找一些经典好片，得到2000年到2014年的49部经典电影。

图6-8 Bokeh应用之一

图6-9 过滤后的电影

将鼠标悬停到某一个具体的点上，交互式响应将显示出这个点对应的电影名称、首映时间和票房信息。图6-9中的是2012年上映的《饥饿游戏》，官方票房统计高达4亿美元。

可视化的目的是汇总数据，展示信息。而交互式绘图能够让信息在合适的时机才出现。这种交互体验优于Matplotlib，但这意味着开发者要进行更多的准备工作，以支持用户可能的行为。如果仅为绘制简单的统计图表，Matplotlib将更加高效。

[1] Bokeh画廊网页http://bokeh.pydata.org/en/latest/docs/gallery.html