pandasbokeh可以使得dataframe直接调用bokeh底层代码。通过使用pandasbokeh，可以在notebook或者html中显示，语法相比于bokeh更简洁易用。
安装
! pip3 install pandas_bokeh
快速上手
对fruits.csv做一个条形图
import pandas as pd
df = pd.read_excel('fruits.xlsx')
df
import pandas as pdimportpandas_bokehimport warningswarnings.filterwarnings("ignore")#忽略某些不影响程序的提示#在notebook中能显示可视化结果pandas_bokeh.output_notebook()#将fruits列设置为行索引df = pd.read_excel(fruits.xlsx')df.plot_bokeh(kind='bar',
x ='fruits',#将fruits列选做x轴y = ['2015','2016','2017'],#将年份选做y轴ylabel='水果价格(元/斤)',
title='水果',
show_figure=True)#显示
上面的例子已经可以看到该库的简洁优美之处，现在我们多学点
pandas_bokeh输出设定
dasbokeh.outputnotebook() 在notebook中能显示可视化结果
pandasbokeh.outputfile(filename) 将结果输出到html文件中
支持的图
line
bar
point
scatter
histogram
area
pie
map
以bar为例，调用可视化接口时，有以下两种使用方法
df.plot_bokeh.line(...)
df.plot_bokeh(kind='line')
import numpy as np
df = pd.read_excel('fake_stocks.xlsx')
df.plot_bokeh(kind="line",
x='日期',#将excel中的日期列当做x轴y=['Google','Apple'])#将'Google', 'Apple'两列作为y轴
高级参数
df.plot_bokeh(kind, x, y, figsize, title, xlim, ylim, xlabel, ylabel logx, logy, xticks, yticks, color, colormap, hovertool, zooming, panning, **kwargs)
kind: 支持的图种类"line", "point", "scatter", "bar" ,"histogram"等
x: 选中数据某列名作为x轴。如果x不传入参数，会默认使用df的索引作为x轴
y: 将数据中的某列或某些列指定为y轴
figsize: 图的尺寸,如figsize=(600, 350)
title: 图的标题
xlim/ylim: 设置图的x轴和y轴的范围
xlabel/ylabel: 设置x轴和y轴的名字
logx/logy: 布尔型值，对x和y的数据是否进行log变换
xticks/yticks: 显性定义横纵坐标刻度
color: 对图中使用同一的颜色，如果想定义多种颜色，请使用colormap参数
colormap: 可以对图中的不同对象设置颜色， 传入的是颜色字符串列表。
hovertool: 默认True，鼠标放在图上会悬浮显示具体信息。
zooming: 布尔值，默认True支持缩放
panning: 布尔值，默认True支持平移
kwargs**: 更多参数设定请看官方文档
最后，小编想说：我是一名python开发工程师，整理了一套最新的python系统学习教程，想要这些资料的可以关注私信小编“01”即可，希望能对你有所帮助。
网友评论