Bokeh Html_file Offline Viewing – Tonton Sekarang Tutorial ini memiliki kursus video terkait yang dibuat oleh tim Real Python. Tonton bersama dengan tutorial tertulis untuk memperdalam pemahaman Anda: Visualisasi Data Interaktif dengan Python Dengan Bokeh

Tidak seperti rekan-rekan populer di ruang visualisasi Python, seperti Matplotlib dan Seaborn, Bokeh membuat grafiknya menggunakan HTML dan JavaScript. Ini menjadikannya kandidat yang sangat baik untuk membangun dasbor dan aplikasi berbasis web. Namun, ini adalah alat yang sama kuatnya untuk menjelajahi dan memahami data Anda atau membuat peta khusus yang indah untuk proyek atau laporan.

Bokeh Html_file Offline Viewing

Menggunakan sejumlah contoh pada kumpulan data nyata, tujuan dari tutorial ini adalah untuk membantu Anda memulai dengan Bokeh.

First Steps 7: Displaying And Exporting — Bokeh 2.4.1 Documentation

Jadi mari kita masuk. Anda dapat mengunduh contoh dan cuplikan kode dari repo GitHub Python Nyata.

Unduh Gratis: Dapatkan bab contoh Trik Python: Buku yang menunjukkan kepada Anda praktik terbaik Python dengan contoh sederhana yang dapat Anda terapkan segera untuk menulis kode + Pythonic yang lebih indah.

Setiap visualisasi data yang baik dimulai dengan – Anda dapat menebaknya – data. Jika Anda membutuhkan penyegaran cepat dalam menangani data dengan Python, pastikan untuk memeriksa semakin banyak tutorial Python Nyata yang luar biasa tentang masalah ini.

Langkah ini biasanya melibatkan pustaka penanganan data seperti Pandas dan Numpy dan tentang mengambil langkah-langkah yang diperlukan untuk mengubahnya menjadi bentuk yang paling sesuai dengan visualisasi yang Anda maksudkan.

Diagnostics (distributed) — Dask Documentation

Pada langkah ini, Anda akan menentukan bagaimana Anda ingin menghasilkan dan akhirnya melihat visualisasi Anda. Dalam tutorial ini, Anda akan belajar tentang dua opsi umum yang ditawarkan Bokeh: membuat file HTML statis dan merender visualisasi Anda sebaris di Jupyter Notebook.

Dari sini Anda akan menyusun gambar Anda dan menyiapkan kanvas untuk visualisasi Anda. Pada langkah ini, Anda dapat menyesuaikan semuanya mulai dari judul hingga tanda centang. Anda juga dapat menyiapkan serangkaian alat yang dapat mengaktifkan interaksi pengguna yang berbeda dengan visualisasi Anda.

Selanjutnya, Anda akan menggunakan banyak rendering Bokeh untuk memberikan bentuk pada data Anda. Di sini Anda memiliki fleksibilitas untuk menandatangani data Anda dari awal menggunakan banyak opsi penanda dan bentuk yang tersedia, yang semuanya dapat disesuaikan dengan mudah. Fungsionalitas ini memberi Anda kebebasan kreatif yang luar biasa untuk mewakili data Anda.

Selain itu, Bokeh memiliki beberapa fungsi bawaan untuk membangun hal-hal seperti grafik batang bertumpuk dan banyak contoh untuk membuat visualisasi yang lebih canggih seperti grafik jaringan dan peta.

Web Based Surface Plasmon Resonance Signal Processing System For Fast Analyte Analysis

Jika Anda membutuhkan lebih dari satu gambar untuk mengekspresikan data Anda, Bokeh telah membantu Anda. Bokeh tidak hanya menawarkan opsi tata letak seperti kisi standar, tetapi juga memungkinkan Anda untuk dengan mudah mengatur visualisasi Anda ke dalam tata letak tab hanya dalam beberapa baris kode.

Selain itu, plot Anda dapat dihubungkan bersama dengan cepat, sehingga pilihan pada satu plot akan tercermin pada kombinasi yang lain.

Apakah Anda sedang melihat visualisasi Anda di browser atau buku catatan, Anda akan dapat menjelajahi visualisasi Anda, memeriksa penyesuaian Anda, dan bermain dengan interaksi apa pun yang telah ditambahkan.

Jika Anda menyukai apa yang Anda lihat, Anda dapat menyimpan visualisasi Anda ke file gambar. Jika tidak, Anda dapat merevisi langkah-langkah di atas sesuai kebutuhan untuk mewujudkan visi data Anda.

Extract File Images

Itu dia! Keenam langkah tersebut adalah blok bangunan untuk template yang rapi dan fleksibel yang dapat digunakan untuk membawa data Anda dari tabel ke layar lebar:

Beberapa cuplikan kode umum yang ditemukan di setiap langkah terlihat di atas, dan Anda akan melihat cara mengisi sisanya saat Anda melanjutkan tutorial selanjutnya!

Ada beberapa cara untuk melakukan visualisasi Anda di Bokeh. Dalam tutorial ini Anda akan melihat dua opsi ini:

Dalam implementasi yang sama, visualisasi akan dirender ke file HTML statis dan inline di notebook. Namun, jika karena alasan apa pun Anda menjalankan beberapa

Covid 19 Literature Clustering

, dengan asumsi Anda memiliki Jupyter Notebook yang menyala dan siap digunakan, Anda akan mendapatkan yang berikut:

Catatan: Terkadang, saat Anda merender beberapa visualisasi secara berurutan, Anda akan melihat bahwa versi sebelumnya tidak dihapus dengan setiap proses. Jika Anda mengalami ini, masukkan yang berikut dan jalankan di antara eksekusi:

Sebelum Anda melangkah lebih jauh, Anda mungkin telah memperhatikan bahwa gambar Bokeh default telah dimuat sebelumnya dengan toolbar. Ini adalah pratinjau penting dari elemen interaktif Bokeh yang langsung keluar dari kotak. Anda akan mengetahui lebih lanjut tentang bilah alat dan cara mengaturnya di bagian Tambahkan Interaksi di akhir tutorial ini.

Sekarang setelah Anda mengetahui cara membuat dan melihat bentuk Bokeh generik di browser atau Notebook Jupyter, saatnya mempelajari lebih lanjut tentang cara membuat

Neptune For Mlops: Better Data Science Tools

Objek tidak hanya dasar visualisasi data Anda, tetapi juga objek yang membuka kunci semua alat visualisasi data Bokeh yang tersedia. Figur Bokeh adalah subkelas dari objek Bokeh Plot, yang menyediakan banyak parameter yang memungkinkan untuk mengonfigurasi elemen estetika figur Anda.

Objek dipakai, Anda masih dapat mengonfigurasinya setelah fakta. Katakanlah Anda ingin menyingkirkan garis kisi:

To None secara efektif menghapus garis grid sepenuhnya. Detail lebih lanjut tentang atribut gambar dapat ditemukan di paruh bawah dalam dokumentasi kelas Plot.

Catatan: Jika Anda bekerja di notebook atau IDE dengan fitur auto-complete, fitur ini pasti bisa menjadi teman Anda! Dengan begitu banyak elemen yang dapat disesuaikan, akan sangat membantu untuk menemukan opsi yang tersedia:

Unduh Mht & Mhtml Viewer, Reader Di Pc

Ada banyak lagi yang bisa saya sentuh di sini, tetapi jangan merasa Anda melewatkannya. Saya akan memastikan untuk memperkenalkan penyesuaian angka yang berbeda saat tutorial berlangsung. Berikut adalah beberapa tautan berguna lainnya tentang masalah ini:

Terkadang tidak jelas bagaimana gambar Anda perlu disesuaikan sampai benar-benar berisi beberapa data yang divisualisasikan, jadi selanjutnya Anda akan belajar bagaimana mewujudkannya.

Sosok kosong tidak begitu menarik, jadi mari kita lihat mesin terbang: blok bangunan visualisasi Bokeh. Glyph adalah bentuk grafik vektor atau penanda yang digunakan untuk mewakili data Anda, seperti lingkaran atau persegi. Lebih banyak contoh dapat ditemukan di galeri Bokeh. Setelah membuat gambar Anda, Anda mendapatkan akses ke berbagai metode mesin terbang yang dapat dikonfigurasi.

Setelah gambar Anda dipakai, Anda dapat melihat bagaimana itu dapat digunakan untuk memplot data koordinat xy menggunakan

Compare The Best Data Visualisation Libraries For Python And Pandas

Mesin terbang ini dapat dikombinasikan sesuai kebutuhan agar sesuai dengan kebutuhan visualisasi Anda. Katakanlah saya ingin membuat visualisasi yang menunjukkan berapa banyak kata yang saya tulis per hari untuk membuat tutorial ini, dengan garis tren overlay dari jumlah kata kumulatif:

Properti untuk setiap mesin terbang. Legenda itu kemudian dipindahkan ke sudut kiri atas plot dengan penugasan

Anda dapat memeriksa lebih banyak informasi tentang legenda gaya. Teaser: mereka akan muncul kembali nanti di tutorial saat kita mulai mempelajari elemen interaktif visualisasi.

Setiap kali Anda menjelajahi perpustakaan visualisasi baru, ada baiknya untuk memulai dengan beberapa data di domain yang Anda kenal. Keindahan Bokeh adalah bahwa hampir semua ide yang Anda miliki seharusnya menjadi mungkin. Ini hanya masalah bagaimana Anda ingin menggunakan alat yang tersedia untuk melakukannya.

How To Export Interactive 3d Plot (.obj/html) That Can Be Rotated 360 Degree By Users (python Only)

Contoh lainnya akan menggunakan data yang tersedia untuk umum dari Kaggle, yang memiliki informasi tentang National Basketball Association (NBA) musim 2017-18, khususnya:

Data ini tidak ada hubungannya dengan apa yang saya lakukan untuk bekerja, tetapi saya menyukai bola basket dan senang memikirkan cara untuk memvisualisasikan jumlah data yang terus bertambah terkait dengannya.

Jika Anda tidak memiliki data untuk dimainkan dari sekolah atau kantor, pikirkan sesuatu yang Anda minati dan coba temukan data yang terkait dengannya. Ini akan sangat membantu dalam membuat pembelajaran dan proses kreatif lebih cepat dan lebih menyenangkan!

Untuk mengikuti contoh dalam tutorial, Anda dapat mengunduh kumpulan data dari tautan di atas dan membacanya ke dalam Pandas DataFrame menggunakan perintah berikut:

Overview — Anaconda Documentation

Cuplikan kode ini membaca data dari tiga file CSV dan secara otomatis menafsirkan kolom tanggal sebagai objek tanggal-waktu.

Contoh di atas menggunakan daftar Python dan array Numpy untuk mewakili data, dan Bokeh dilengkapi dengan baik untuk menangani tipe data ini. Namun, jika menyangkut data dengan Python, kemungkinan besar Anda akan menemukan kamus Python dan Pandas DataFrames, terutama jika Anda membaca data dari file atau sumber data eksternal.

Bokeh dilengkapi dengan baik untuk bekerja dengan struktur data yang lebih kompleks ini dan bahkan memiliki fungsionalitas bawaan untuk menanganinya, yaitu

Pertama, apakah Anda secara langsung mereferensikan daftar, larik, kamus, atau DataFrame, Bokeh akan mengubahnya menjadi

Cara Mudah Membuat Tombol Show/hide Button Untuk Blogger Atau WordPress

Sangat penting dalam mentransfer data ke mesin terbang yang Anda gunakan untuk memvisualisasikan. Fungsi utamanya adalah untuk memetakan nama ke kolom data Anda. Ini memudahkan Anda untuk mereferensikan elemen data Anda saat membangun visualisasi Anda. Ini juga memudahkan Bokeh untuk melakukan hal yang sama saat Anda membangun visualisasi Anda.

Mari kita mulai dengan memvisualisasikan perlombaan untuk tempat pertama di Wilayah Barat NBA pada 2017-18 antara juara bertahan Golden State Warriors dan penantang Houston Rockets. Catatan menang-kalah harian dari kedua tim ini disimpan dalam DataFrame yang disebut

Objek direferensikan ketika dua garis dibuat. Anda cukup melewati kolom asli