Python数据可视化：通过Plotting绘制图形

　　Plotting是以构建视觉符号为核心的接口，可以结合各种视觉元素(例如，点、圆、线等其他元素)和工具(例如，缩放、保存、重置等其他工具)创建可视化图形。使用bokeh.plotting创建图表的基本步骤如下：

　　(1)导入Bokeh库中用到的一些方法或函数。

　　(2)准备数据，这些数据既可以是普通的Python列表，也可以是NumPy数组或Series对象。

　　(3)选择输出方式，一种是使用output_file()函数生成HTML文档，另一种是使用output_notebook()函数用在Jupyter Notebook上。

　　(4)调用figure()创建一个具有典型默认选项的图形，并且可以轻松地定制标题、工具和坐标轴标签。

　　(5)添加渲染器。例如，使用line()函数操作数据，指定颜色、图例和宽度等可视化定制。

　　(6)显示或保存图表。通过调用save()或show()函数将画好的图形保存到HTML文件，或选择性地将其显示在浏览器中。

　　为了让同学们更好地理解，接下来，按照上述的步骤，我们使用Bokeh库绘制二维散点图，示例代码如下。

from bokeh.plotting import figure, output_notebook, show
# 输出到计算机屏幕上
output_notebook()
fig_obj = figure(plot_width=400, plot_height=400)
# 添加矩形框，标有大小、颜色和alpha值
fig_obj.square([2, 5, 6, 4], [2, 3, 2, 1], size=20, color="navy")
# 在默认的浏览器中显示图表
show(fig_obj)

　　运行结果如图6-36所示。

　　图6-36 运行结果

　　在图6-36中，分别在四个不同的位置绘制了矩形框。在图表的右侧有一排工具选项，比如缩放、平移、刷新或保存，使用这些工具可以与图表进行互动。与此同时，还可以看到多个图表选项，比如坐标网格线、x轴名标注、y轴名标注等。

　　有关Bokeh库的使用大同小异，都是基于上述的基本步骤完成的，大家可以参考官方文档绘制一些其他的图形，这里就不再赘述了。