Bokeh 交互式散点图在Bokeh上的应用

在本文中，我们将介绍如何使用Bokeh库创建一个交互式散点图，并使用悬停工具提供更多信息。

阅读更多：Bokeh 教程

Bokeh的简介

Bokeh是一个Python库，用于在现代Web浏览器上生成交互式图形、图表和数据可视化。它提供了许多功能强大而灵活的工具，使我们能够创建高度可定制的交互式可视化效果。

散点图的基本概念

散点图是一种常用的可视化方式，用于显示两个变量之间的关系。每个数据点在图表中以点的形式表示，其中横轴表示一个变量，纵轴表示另一个变量。通过观察点的分布和形态，我们可以从中发现隐藏在数据背后的模式和趋势。

创建散点图

我们首先需要安装Bokeh库。可以使用pip命令来安装最新版本的Bokeh：

pip install bokeh

安装完成后，我们可以导入必要的库并创建一个简单的散点图，如下所示：

import numpy as np
from bokeh.plotting import figure, show
from bokeh.io import output_notebook

# 创建一个新的绘图
p = figure(title='Interactive Scatter Plot', plot_width=500, plot_height=400)

# 生成一些随机数据
np.random.seed(0)
x = np.random.randint(0, 10, size=10)
y = np.random.randint(0, 10, size=10)

# 添加散点图
p.scatter(x, y, size=10, color='blue')

# 在Jupyter Notebook中显示图表
output_notebook()
show(p)

以上代码创建了一个基本的散点图，显示了随机生成的10个数据点。散点图中的每个点的大小为10，颜色为蓝色。

添加悬停工具

要使散点图变得更加互动和有趣，我们可以使用Bokeh的“悬停工具”来在鼠标悬停在数据点上时显示更多信息。以下是如何添加悬停工具的示例代码：

from bokeh.models import HoverTool

# 创建一个新的绘图
p = figure(title='Interactive Scatter Plot with Hover Tool', plot_width=500, plot_height=400)

# 添加散点图
p.scatter(x, y, size=10, color='blue')

# 创建悬停工具
hover_tool = HoverTool(tooltips=[("x", "@x"), ("y", "@y")])

# 将悬停工具添加到图表中
p.add_tools(hover_tool)

# 在Jupyter Notebook中显示图表
output_notebook()
show(p)

以上代码添加了一个悬停工具，当鼠标悬停在数据点上时，会显示该数据点的x坐标和y坐标。

更多悬停工具选项

除了显示x和y坐标外，还可以自定义悬停工具的显示内容和样式。以下是一个更复杂的示例，演示了如何显示数据点的附加信息：

from bokeh.models import HoverTool, ColumnDataSource

# 创建一个新的绘图
p = figure(title='Interactive Scatter Plot with Hover Tool', plot_width=500, plot_height=400)

# 创建ColumnDataSource对象
source = ColumnDataSource(data={'x': x, 'y': y, 'label': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']})

# 添加散点图
p.scatter('x', 'y', size=10, color='blue', legend_field='label', source=source)

# 创建悬停工具
tooltip = [
    ("Label", "@label"),
    ("x", "@x"),
    ("y", "@y"),
]

hover_tool = HoverTool(tooltips=tooltip)

# 将悬停工具添加到图表中
p.add_tools(hover_tool)

# 在Jupyter Notebook中显示图表
output_notebook()
show(p)

以上示例中，我们使用ColumnDataSource对象来同时传递数据和悬停工具要显示的附加信息。通过添加legend_field参数，我们还为散点图添加了一个简单的图例，用于区分不同的数据点。