← 返回《Python 数据分析实战》
📑 查看全课大纲(第 80 / 101 节)
  1. 1.数据分析基本概念
  2. 2.学习数据分析的一般路线
  3. 3.数据分析的流程
  4. 4.数据类型
  5. 5.环境部署(1)
  6. 6.环境部署(2)
  7. 7.课程介绍
  8. 8.TXT文件操作
  9. 9.JSON文件操作
  10. 10.CSV文件操作
  11. 11.Excel文件操作
  12. 12.数据库及SQL常用语法
  13. 13.数据库基本操作
  14. 14.数据库多表连接
  15. 15.实战:欧洲职业足球数据库分析
  16. 16.爬虫简介
  17. 17.URL管理模块
  18. 18.网页下载模块
  19. 19.网页解析模块(1)
  20. 20.网页解析模块(2)
  21. 21.Scrapy简介
  22. 22.Scrapy使用步骤(1)
  23. 23.Scrapy使用步骤(2)
  24. 24.Scrapy使用步骤(3)
  25. 25.Scrapy使用步骤(4)
  26. 26.实战:获取国内城市空气质量指数数据
  27. 27.NumPy和SciPy介绍
  28. 28.多维数组
  29. 29.多维数组操作
  30. 30.NumPy的常用方法
  31. 31.向量化介绍
  32. 32.向量化及通用函数
  33. 33.实战:2016美国大选分析
  34. 34.数据结构-Series
  35. 35.数据结构-DataFrame
  36. 36.数据结构-Index
  37. 37.Series的索引操作
  38. 38.DataFrame的索引操作
  39. 39.索引操作总结
  40. 40.运算与对齐
  41. 41.函数应用操作(1) -- map
  42. 42.函数应用操作 (2) -- apply applymap
  43. 43.文件读写操作
  44. 44.排序操作
  45. 45.数据清洗--处理缺失数据
  46. 46.数据清洗--处理重复数据
  47. 47.数据清洗--替换数据
  48. 48.常用统计方法(1) -- describe quantile
  49. 49.常用统计方法(2) -- sum mean median count
  50. 50.常用统计方法(3) -- max min idxmax idxmin
  51. 51.常用统计方法(4) -- mad var std cumsum
  52. 52.实战:全球食品数据分析
  53. 53.层级索引
  54. 54.分组与聚合介绍
  55. 55.分组操作(1) -- GroupBy对象及常用聚合操作
  56. 56.分组操作(2) -- 自定义分组及聚合操作
  57. 57.透视表介绍
  58. 58.透视表操作
  59. 59.数据规整(1) -- 数据合并concat
  60. 60.数据规整(2) -- 数据连接merge
  61. 61.数据重构(3) -- 数据重构stack unstack
  62. 62.实战:互联网电影资料库分析
  63. 63.探索性数据分析EDA介绍
  64. 64.EDA的目的
  65. 65.EDA常用工具
  66. 66.Matplotlib绘图基本介绍
  67. 67.Matplotlib画布
  68. 68.散点图和柱状图的绘制
  69. 69.直方图的绘制
  70. 70.矩阵绘图
  71. 71.子图的使用
  72. 72.Matplotlib颜色、标记、线型
  73. 73.Matplotlib坐标刻度、标签、图例、标题
  74. 74.Seaborn介绍
  75. 75.数据集分布可视化(1) -- 单变量分布、双变量分布
  76. 76.数据集分布可视化(2) -- 变量关系可视化
  77. 77.类别数据可视化 -- 类别散布图、类别内数据分布、类别内统计图
  78. 78.交互式数据可视化工具Bokeh介绍
  79. 79.Bokeh绘制散点图、柱状图、盒子图、弦图
  80. 80.Bokeh绘制常用图形元素
  81. 81.D绘图 -- mplot3d
  82. 82.D曲线可视化
  83. 83.D散点图可视化
  84. 84.D柱状图可视化
  85. 85.Pandas绘图
  86. 86.实战:Lending Club借贷数据探索性分析及可视化
  87. 87.机器学习介绍及应用场景
  88. 88.机器学习建模介绍 (1) -- 分类
  89. 89.机器学习建模介绍 (2) -- 回归
  90. 90.机器学习建模介绍 (3) -- 聚类
  91. 91.机器学习分类
  92. 92.机器学习工具scikit-learn
  93. 93.使用scikit-learn的流程
  94. 94.数据集准备及划分
  95. 95.模型选择
  96. 96.数据预处理及特征工程
  97. 97.过拟合与欠拟合
  98. 98.模型调参介绍
  99. 99.模型调参方法
  100. 100.模型测试及评价
  101. 101.实战:通过移动设备行为数据预测性别和年龄

Bokeh绘制常用图形元素

约 4 分钟

📺 正在播放小象官方高清录播(支持倍速与清晰度调节)

Bokeh 几何图元全景:折线 line、矩形 rect、多边形 patch 与悬停探针深度定制

小象实战讲义 · Python数据分析实战

在更加复杂的定制化数据大屏与地理空间信息展示中,仅仅使用散点与柱状图远远不够。我们需要绘制甘特图(Gantt Chart)、状态热力网格、多边形地理边界(Choropleth Maps)以及多段曲线流。Bokeh 提供了极其丰富的底层**几何图元(Glyphs)**体系:包括 line()(折线)、rect()(中心与宽高矩形)、patch() / patches()(任意多边形闭合填充)以及高阶 HoverTool HTML 自定义模板。本节我们将系统讲解各种高阶几何图元的用法。

💡 核心导读

  • 三大高级图元全景
    • p.rect(x, y, width, height):用于构建热力网格、甘特图与区间分块;
    • p.patch(x, y)p.patches([xs], [ys]):用于绘制不规则多边形、地理分区与漏斗图;
    • p.segment()p.ray():用于误差棒、矢量射线与流线。
  • 自定义 HTML 悬停探针(Custom HTML Tooltips):在悬停浮窗中嵌入格式化表格与色彩小方块。

1. 矩形图元 rect 与状态热力网格实战

rect 图元接收中心点坐标 (x, y) 以及宽度和高度:

┌─────────────────────────────────────────────────────────────┐
│                 p.rect() 几何图元参数模型                   │
├─────────────────────────────────────────────────────────────┤
│ (x, y) 为矩形中心坐标点,width 与 height 为轴向物理跨度     │
│ 适用于绘制设备监控矩阵、状态热力图与甘特进度条              │
└─────────────────────────────────────────────────────────────┘
from bokeh.plotting import figure, output_file, save
from bokeh.models import ColumnDataSource, HoverTool
import pandas as pd
import numpy as np
import os

# 1. 模拟生成 5 台机器在 6 个时间周期的运行负荷网格
machines = [f"Server_{i}" for i in range(1, 6)]
periods = [f"T{j}" for j in range(1, 7)]

grid_data = []
for m_idx, m in enumerate(machines):
    for p_idx, p_name in enumerate(periods):
        load = np.random.uniform(20, 95)
        # 根据负荷生成颜色 (绿色到红色)
        color = "#2ecc71" if load < 60 else ("#f39c12" if load < 85 else "#e74c3c")
        grid_data.append({"machine": m, "period": p_name, "load": load, "color": color})

df_grid = pd.DataFrame(grid_data)
source = ColumnDataSource(df_grid)

# 2. 绘制矩形热力网格图
p_rect = figure(
    title="集群服务器负载实时监控网格 (rect 图元)",
    x_range=periods, y_range=machines,
    width=650, height=350,
    tools="hover,save,reset"
)

p_rect.rect(x="period", y="machine", width=0.9, height=0.9, source=source, fill_color="color", line_color="white")

# 定制富文本悬停浮窗
hover = p_rect.select_one(HoverTool)
hover.tooltips = """
<div style="padding: 6px; font-family: sans-serif;">
    <div style="font-weight: bold;">服务器: @machine</div>
    <div>时间段: @period</div>
    <div style="color: @color; font-weight: bold;">当前负载: @load{0.1f}%</div>
</div>
"""

html_rect = "bokeh_rect_demo.html"
output_file(html_rect)
save(p_rect)
if os.path.exists(html_rect): os.remove(html_rect)
print("✅ rect 矩形图元与自定义 HTML Hover 编译完成!")

2. 多边形图元 patch 绘制闭合区域

patch 接收顶点坐标序列,按顺序连接并在内部填充颜色。

# 绘制多边形 patch
p_patch = figure(title="多边形 patch 区域填充示例", width=500, height=300)

# 定义一个五边形顶点坐标
x_coords = [1, 2, 3, 2.5, 0.5]
y_coords = [1, 3, 2.5, 0.5, 0.2]

p_patch.patch(x_coords, y_coords, color="#9b59b6", alpha=0.7, line_width=2, line_color="#8e44ad")

html_patch = "bokeh_patch_demo.html"
output_file(html_patch)
save(p_patch)
if os.path.exists(html_patch): os.remove(html_patch)
print("✅ patch 多边形图元编译完成!")

📝 动手练一练

  1. 概念思考题:在 Bokeh 的 HoverTool 中,如果我们想要在悬停提示框中展示带有自定义 HTML 样式的彩色徽章或特定字体格式,应该如何定义 tooltips?

    👉 点击查看参考答案

    参考答案: 直接将 tooltips 属性赋值为一个包含 HTML 标签的字符串(如 tooltips="<div style='color:red;'>数值: @col</div>")。Bokeh 会将其解析为富文本 DOM 节点进行悬停渲染。

  2. 编程练习:编写代码使用 p.rect 绘制一个中心在 (5, 5)、宽度为 2、高度为 4 的蓝色矩形。

    👉 点击查看参考答案

    参考答案

    from bokeh.plotting import figure
    p = figure()
    p.rect(x=5, y=5, width=2, height=4, color="blue")

本章小结

  • 掌握了 rect 矩形图元在状态热力图与时间看板中的高级应用;
  • 掌握了 patch 多边形图元绘制闭合多边形与自定义区域填充的方法;
  • 熟练运用自定义 HTML 模板定制高表现力的悬停探针(HoverTool)。

📋 行动清单

  • 在本地执行示例代码,观察控制台输出并记录关键指标。
  • 做好准备,进入下一小节学习《三维可视化绘图(1):mplot3d 核心架构与 3D 坐标系》!

—— 小象教研组

配套学习资源与课件
  • 本节课件:Bokeh绘制常用图形元素(PDF · 164KB)
    下载
  • 全套课件打包(第1-5章)(ZIP · 12.8MB)
    下载
  • 全套课件打包(第6-8章)(ZIP · 15MB)
    下载
  • 实战数据集:AppleStore 应用商城分析(ZIP · 329KB)
    下载
  • 实战数据集:女性服装电商分析(ZIP · 2.8MB)
    下载
  • Python 数据分析环境搭建指南(PDF · 2MB)
    下载
  • Scrapy 安装教程(PDF · 12.7MB)
    下载
  • 附加实战项目:AppleStore 应用商城数据分析(ZIP · 0.3MB · ipynb + CSV 数据)
    下载
  • 附加实战项目:银行电话营销数据分析(ZIP · 0.4MB · ipynb + CSV 数据)
    下载
  • 附加实战项目:女性服装电商评论数据分析(ZIP · 2.7MB · ipynb + CSV 数据)
    下载
  • 附加实战项目:美国化学学会杂志数据分析(ZIP · 34.2MB · ipynb + SQLite 数据库)
    下载
🎁 免费学习资源

领取《小象 11GB VIP 课件资料包与大厂真题手册》

包含全套实战 Jupyter 源码、清洗后数据集、大厂高频面试真题与专属学员答疑交流群。

  • 完整 Python / 数据分析 Jupyter 实战源码
  • 大厂真实业务数据集与练习题
  • 微信扫码添加课程顾问,免费获取网盘下载链接
微信二维码:扫码添加课程顾问微信扫码添加顾问