探究数据可视化：Bokeh vs. Altair

本文分享自华为云社区《 探究数据可视化：Bokeh vs. Altair 》，作者：柠檬味拥抱。

在数据科学和数据分析领域，数据可视化是一种强大的工具，可以帮助我们更好地理解数据、发现模式和趋势。Python作为一种流行的数据科学工具，拥有多种数据可视化库。本文将重点比较Bokeh和Altair这两个常用的Python数据可视化库，探讨它们的优缺点以及在不同场景下的适用性。

Bokeh 简介

Bokeh是一个交互式可视化库，它能够创建各种类型的交互式图表，包括散点图、线图、条形图等。Bokeh提供了丰富的工具，使用户能够在图表中进行缩放、平移和选择等操作。

Altair 简介

Altair是一个基于Vega和Vega-Lite的声明式统计可视化库。它的设计理念是简单性和一致性，使用者只需通过简单的Python语法即可创建复杂的可视化图表，而无需深入了解底层的绘图细节。

Bokeh 与 Altair 的比较

易用性：

• Bokeh：相对而言，Bokeh的学习曲线较为陡峭，需要一定的时间来掌握其强大的交互功能和绘图选项。
• Altair：Altair的语法相对简单直观，使用者可以更快速地创建出漂亮的图表，对于新手来说更易上手。

交互性：

• Bokeh：Bokeh提供了丰富的交互工具，可以轻松地创建交互式图表，并且支持自定义交互行为。
• Altair：虽然Altair的交互功能相对较少，但是它可以无缝地与其他交互库（如Panel）集成，实现更复杂的交互需求。

可视化表达能力：

• Bokeh：Bokeh可以创建各种类型的图表，并且支持自定义图表的外观和布局。
• Altair：Altair的语法设计简洁而灵活，可以轻松地实现复杂的可视化表达，例如使用facet进行分面绘图、使用layer进行图层叠加等。

示例代码和解析

Bokeh 示例：

解析：

• 使用Bokeh创建一个散点图，x轴为花瓣长度，y轴为花瓣宽度。
• 使用Bokeh的 Circle 方法添加散点数据，并指定图例标签、颜色和大小。
• 最后调用 show 函数显示图表。

Altair 示例：

解析：

• 使用Altair创建一个散点图，x轴为花瓣长度，y轴为花瓣宽度，颜色根据鸢尾花的种类进行编码。
• 使用Altair的 mark_circle 方法创建散点图，并指定x、y、color等属性。
• 最后通过 .properties 方法设置图表标题、宽度和高度，并调用 .interactive() 方法使图表具有交互功能。

通过以上示例和比较，我们可以看出，Bokeh和Altair都是功能强大的Python可视化库，它们各有优劣，选择合适的库取决于具体的需求和个人偏好。Bokeh适用于需要复杂交互的场景，而Altair则更适合于快速创建漂亮的可视化图表。

案例与代码示例

1. Bokeh 案例：

假设我们有一组销售数据，包括产品名称、销售量和销售额，我们想要使用 Bokeh 创建一个交互式条形图来展示各产品的销售情况。

这段代码是用于创建一个简单的条形图来展示销售数据，并使用 Bokeh 库进行可视化。以下是代码的主要步骤解析：

导入必要的库：

• from bokeh.plotting import figure, output_file, show : 从 Bokeh 库中导入创建绘图、输出文件和显示图表的函数。
• from bokeh.models import ColumnDataSource, HoverTool : 从 Bokeh 库中导入用于处理数据源和悬停工具的相关类。
• from bokeh.transform import factor_cmap : 从 Bokeh 库中导入用于颜色映射的转换函数。
• import pandas as pd : 导入 Pandas 库，用于处理数据。

使用字典形式创建了示例的销售数据，包括产品名称、销售量和收入。