- Bokeh 教程
- Bokeh - 首頁
- Bokeh - 簡介
- Bokeh - 環境設定
- Bokeh - 入門
- Bokeh - Jupyter Notebook
- Bokeh - 基本概念
- Bokeh - 使用 Glyph 繪製圖形
- Bokeh - 面積圖
- Bokeh - 圓形 Glyph
- Bokeh - 矩形、橢圓和多邊形
- Bokeh - 扇形和弧形
- Bokeh - 專用曲線
- Bokeh - 設定範圍
- Bokeh - 座標軸
- Bokeh - 註釋和圖例
- Bokeh - Pandas
- Bokeh - ColumnDataSource
- Bokeh - 資料過濾
- Bokeh - 佈局
- Bokeh - 圖表工具
- Bokeh - 樣式化視覺屬性
- Bokeh - 自定義圖例
- Bokeh - 新增小部件
- Bokeh - 伺服器
- Bokeh - 使用 Bokeh 子命令
- Bokeh - 匯出圖表
- Bokeh - 嵌入圖表和應用程式
- Bokeh - 擴充套件 Bokeh
- Bokeh - WebGL
- Bokeh - 使用 JavaScript 開發
- Bokeh 有用資源
- Bokeh - 快速指南
- Bokeh - 有用資源
- Bokeh - 討論
Bokeh - 簡介
Bokeh 是一個用於 Python 的資料視覺化庫。與 Matplotlib 和 Seaborn 不同，它們也是 Python 的資料視覺化包，Bokeh 使用 HTML 和 JavaScript 渲染其圖表。因此，它被證明對於開發基於 Web 的儀表板非常有用。
Bokeh 專案由 NumFocus 贊助 https://numfocus.org/. NumFocus 還支援 PyData，這是一個教育專案，參與開發其他重要工具，例如 NumPy、Pandas 等。Bokeh 可以輕鬆地與這些工具連線，並生成互動式圖表、儀表板和資料應用程式。
特點
Bokeh 主要將資料來源轉換為 JSON 檔案，該檔案用作 BokehJS（一個 JavaScript 庫）的輸入，BokehJS 又用 TypeScript 編寫，並在現代瀏覽器中渲染視覺化效果。
以下是一些 **Bokeh 的重要功能** −
靈活性
Bokeh 可用於常見的繪圖需求以及自定義和複雜的用例。
生產力
Bokeh 可以輕鬆地與其他流行的 Pydata 工具（如 Pandas 和 Jupyter Notebook）進行互動。
互動性
這是 Bokeh 相對於 Matplotlib 和 Seaborn 的一個重要優勢，兩者都生成靜態圖表。Bokeh 建立互動式圖表，這些圖表會在使用者與之互動時發生變化。您可以為您的受眾提供各種選項和工具，用於從各種角度推斷和檢視資料，以便使用者可以執行“假設分析”。
強大
透過新增自定義 JavaScript，可以為專門的用例生成視覺化效果。
可共享
圖表可以嵌入到啟用 **Flask** 或 **Django** 的 Web 應用程式的輸出中。它們也可以渲染在
Jupyter
筆記本中。開源
Bokeh 是一個開源專案。它在 Berkeley Source Distribution (BSD) 許可下分發。其原始碼可在 https://github.com/bokeh/bokeh. 獲取。