乾明 发自 凹非寺
量子位 报道 | 公众号 QbitAI
GitHub 上, 一份用 Python 做交互式图形的资源火了.
这一工具名为 Bokeh , 官方介绍称, 它能读取大型数据集或者流数据, 以简单快速的方式为网页提供优美, 高交互性能的图形.
比如, 有人用它做出了这样的图:
有人做出了这样的图:
还有其他各种图:
也有人用它做了图去 TED 上演讲:
"美观, 实用" 是不少用户给出的评价, 甚至有人想让这份工具用起来更方便, 尝试去汉化它的官方文档.
现在, 这份资源已经标星 9900+, 一度冲上 GitHub 趋势榜第一.
Bokeh 使用指南
Bokeh, 是由非营利组织 NumFocus 提供支持, 大家可以免费使用, 官方网站地址:
https://bokeh.pydata.org/en/latest/
Bokeh 面向用户开放三个层次的接口:
低级接口能为应用开发者提供高度灵活的图形表示 (支持自定义一些顶层的组件)
中级接口主要用于绘制曲线 (会默认加载一些低级的组件)
高级接口用于快速简单地构建复杂图形
官方支持 Python 2.7 和 3.5 + 版本, 在其他版本的 Python 上功能可能会受限.
想要使用这一资源, 最直接的办法是去 GitHub 上下载. 项目地址:
https://github.com/bokeh/bokeh
不过, 官方推荐的安装方式是使用 Anaconda Python 及其附带的 Conda 包管理系统, 这是一个专门为 Python/R 语言打造的数据科学平台, 下载地址:
https://www.anaconda.com/distribution/
在工具使用方面, 官方也提供了详尽的用户指南, 包括快速安装运行, 了解基础概念, 如何处理数据, 绘图, 添加注释交互等等:
有人正在将 Bokeh 的 用户指南 汉化:
https://github.com/DonaldDai/Bokeh-CN
在具体实现方面, 官方提供了教程与示例:
教程是基于 Jupyter Notebook 提供的, Bokeh 本身也与 Jupyter Notebook 无缝集成, 使用起来也比较方便. 对于给出的每一个示例, 官方也都给出了背后实现的代码.
如果你对这一工具有兴趣, 或者正好需要这样一个工具, 不妨去尝试下:
GitHub 传送门:
https://github.com/bokeh/bokeh
Bokeh 官网传送门:
https://bokeh.pydata.org/en/latest/
- 完 -
AI 社群 | 与优秀的人交流
小程序 | 全类别 AI 学习教程
量子位 QbitAI . 头条号签约作者
վ'ᴗ' ի 追踪 AI 技术和产品新动态
喜欢就点「在看」吧 !
来源: http://www.tuicool.com/articles/ay6VryB