第一步 1：创建折线图#
只需几行 Python 代码，Bokeh 就能让你创建交互式的、基于 JavaScript 的可视化效果，并在 Web 浏览器中显示。
Bokeh 的基本思想是一个两步过程：首先，你从 Bokeh 的构建块中选择来创建你的可视化效果。其次，你自定义这些构建块以满足你的需求。
为此，Bokeh 结合了两个要素
一个 Python 库，用于定义可视化内容和交互功能。
一个名为 BokehJS 的 JavaScript 库，在后台工作以在 Web 浏览器中显示你的交互式可视化效果。
基于你的 Python 代码，Bokeh 会自动为你生成所有必要的 JavaScript 和 HTML 代码。在默认设置下，Bokeh 会自动从 Bokeh 的 CDN（内容分发网络）加载任何额外的 JavaScript 代码。
Bokeh 的文档包含多个部分，包括包含详细解释和示例的用户指南和参考指南，后者系统地描述了 Bokeh 的每个元素。在本指南中，你将找到指向这两个资源的链接。
注意
“第一步”部分中的所有代码都可以作为标准 Python 脚本运行。运行时，这些脚本将创建可在 Web 浏览器中查看的 HTML 输出。
创建简单的折线图#
你的第一个可视化效果将是一个带有单条线的图表，如下所示
即使像这样的简单图表也具有交互功能。使用图表右侧的工具进行探索
使用**平移工具**在图表中移动图形。
使用**框选缩放工具**放大图表中的某个区域。
使用**滚轮缩放工具**使用鼠标滚轮放大和缩小。
使用**保存工具**将当前视图的图表导出为 PNG 文件。
使用**重置工具**将视图恢复到图表的默认设置。
使用**帮助符号**了解 Bokeh 中可用的工具。
按照以下步骤重新创建这个简单的折线图
在你的计算机上创建一个新的 Python 文件（例如
simple_line_chart.py），并在你选择的代码编辑器（如Sublime Text、Visual Studio Code等）中打开它。
作为新 Python 脚本的第一行，从bokeh.plotting模块导入必要的函数
from bokeh.plotting import figure, show
定义两个包含折线图数据的列表
# prepare some data x = [1, 2, 3, 4, 5] y = [6, 7, 2, 4, 5]
使用
figure()函数创建图表。传递以下参数title：折线图的标题（可选）x_axis_label：要在图表 x 轴上放置的文本标签（可选）y_axis_label：要在图表 y 轴上放置的文本标签（可选）
# create a new plot with a title and axis labels p = figure(title="Simple line example", x_axis_label='x', y_axis_label='y')
使用
line()函数向刚创建的图表中添加折线图。传递以下参数包含数据的列表
x和ylegend_label：用于标记折线图的字符串（可选）line_width：定义线宽（以像素为单位，可选）
# add a line renderer with legend and line thickness to the plot p.line(x, y, legend_label="Temp.", line_width=2)
最后，使用
show()函数生成图表并在 Web 浏览器中打开生成的 HTML 文件。# show the results show(p)
从命令行运行刚创建的 Python 脚本。例如
python simple_line_chart.py
执行这些代码行时，Bokeh 会创建一个输出文件"lines.html"。Bokeh 还会打开浏览器以显示它。
这是折线图的完整代码应有的样子
from bokeh.plotting import figure, show
# prepare some data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
# create a new plot with a title and axis labels
p = figure(title="Simple line example", x_axis_label="x", y_axis_label="y")
# add a line renderer with legend and line thickness
p.line(x, y, legend_label="Temp.", line_width=2)
# show the results
show(p)
组合多个图表#
使用 Bokeh 的bokeh.plotting接口，可以向图表中添加更多图形。
要向图表中添加更多折线图，只需多次调用line()函数。
首先，添加更多数据作为其他图形的基础
# prepare some data
x = [1, 2, 3, 4, 5]
y1 = [6, 7, 2, 4, 5]
y2 = [2, 3, 4, 5, 6]
y3 = [4, 5, 5, 7, 2]
接下来，通过更改figure()函数中title参数的字符串来更新图表的标题
# create a new plot with a title and axis labels
p = figure(title="Multiple line example", x_axis_label='x', y_axis_label='y')
最后，添加对line()函数的更多调用
# add multiple renderers
p.line(x, y1, legend_label="Temp.", color="blue", line_width=2)
p.line(x, y2, legend_label="Rate", color="red", line_width=2)
p.line(x, y3, legend_label="Objects", color="green", line_width=2)
在此示例中，你还通过向每条线的color参数传递不同的命名颜色来为每条线分配不同的颜色。
这是多线图表的完整代码应有的样子
from bokeh.plotting import figure, show
# prepare some data
x = [1, 2, 3, 4, 5]
y1 = [6, 7, 2, 4, 5]
y2 = [2, 3, 4, 5, 6]
y3 = [4, 5, 5, 7, 2]
# create a new plot with a title and axis labels
p = figure(title="Multiple line example", x_axis_label="x", y_axis_label="y")
# add multiple renderers
p.line(x, y1, legend_label="Temp.", color="blue", line_width=2)
p.line(x, y2, legend_label="Rate", color="red", line_width=2)
p.line(x, y3, legend_label="Objects", color="green", line_width=2)
# show the results
show(p)
回顾：构建可视化效果#
你刚刚完成了使用 Bokeh 的bokeh.plotting接口创建大多数基本可视化效果所需的所有基本步骤