目录
概述
Bokeh是一个用于创建交互式可视化的Python库，特别适合在Web浏览器中展示。它能够生成各种类型的图表，并且支持高度交互性，如平移、缩放、选择、悬停提示等。以下是一个简单的Bokeh示例，展示如何创建一个带有交互功能的折线图。
1 认识Bokeh
1.1 Bokeh介绍
Bokeh 是一个强大的交互式可视化库，专为现代 Web 浏览器设计。它支持创建高性能、可交互的图表和仪表盘，适用于大规模数据集。
核心优势：
交互性强：支持平移、缩放、悬停提示、选择等
输出灵活：生成 HTML 文件、嵌入 Jupyter Notebook 或部署为 Web 应用
流式数据支持：实时更新图表（如金融数据流）
多种渲染器：Canvas、SVG、WebGL 支持
1.2 安装Bokeh
官方网站地址：
https://docs.bokeh.org/en/latest/index.html#打开网站其页面如下，目前其最新版本已经更新至：v3.7.3
该packet对Python要求其版本必须升级至Python 3.10，安装命令源代码：
pip install bokeh
1.3 范例介绍
官网提供了许多冠以Bokeh的使用案例，程序员可参考这些Demo实现自己感兴趣的功能，基础案例如下：
2 Bokeh的应用
2.1 Bokeh应用的框架结构
2.2 实时性数据核心原理
实时数据可视化核心原理，Bokeh 通过 ColumnDataSource 和回调机制实现实时数据更新：
数据源对象：
ColumnDataSource存储可视化数据流式更新：
stream()方法增量添加新数据回调函数：周期性更新数据源
Bokeh 服务器：维护应用状态和处理实时更新
3 具体案例
3.1 代码实现
应用Bokeh模拟传感器实时更新数据的特性
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Time : 2020/4/9 13:05
# @Author : ming fei.tang
# @File : debug tools
# ---------------------
from bokeh.plotting import figure, curdoc
from bokeh.models import ColumnDataSource, Range1d, HoverTool
from bokeh.layouts import column
from bokeh.models.widgets import Div
import random
import datetime
import numpy as np
# 创建数据源
source = ColumnDataSource(data={
'time': [],
'temperature': [],
'humidity': []
})
# 创建图表
temp_plot = figure(
title='温度传感器实时数据',
x_axis_type='datetime',
width=1000, height=300,
tools="pan,wheel_zoom,box_zoom,reset"
)
temp_plot.line('time', 'temperature', source=source, line_width=2, color='red', legend_label="温度(℃)")
temp_plot.y_range = Range1d(15, 35)
humidity_plot = figure(
title='湿度传感器实时数据',
x_axis_type='datetime',
width=1000, height=300,
x_range=temp_plot.x_range # 共享X轴范围
)
humidity_plot.line('time', 'humidity', source=source, line_width=2, color='blue', legend_label="湿度(%)")
humidity_plot.y_range = Range1d(0, 100)
# 状态面板
stats_div = Div(text="<h3>传感器状态: <span style='color:green'>运行中</span></h3>", width=200)
# 模拟数据生成
def generate_sensor_data():
current_time = datetime.datetime.now()
# 模拟温度（带有小幅波动）
base_temp = 25 + 5 * np.sin(current_time.minute / 30 * np.pi)
temperature = base_temp + random.uniform(-0.5, 0.5)
# 模拟湿度（与温度反向变化）
humidity = 50 - 0.8 * (temperature - 25) + random.uniform(-2, 2)
return {
'time': [current_time],
'temperature': [temperature],
'humidity': [max(0, min(100, humidity))] # 限制在0-100范围
}
# 更新函数
def update():
new_data = generate_sensor_data()
# 流式更新
source.stream(new_data, rollover=300) # 保留300个最新数据点
# 更新状态面板
stats_div.text = f"""
<div style="background:#f9f9f9; padding:10px; border-radius:5px">
<h3>传感器状态: <span style='color:green'>✓ 运行中</span></h3>
<p>最后更新时间: {datetime.datetime.now().strftime('%H:%M:%S')}</p>
<p>当前温度: <b>{new_data['temperature'][0]:.1f}℃</b></p>
<p>当前湿度: <b>{new_data['humidity'][0]:.1f}%</b></p>
<p>数据点数: {len(source.data['time'])}</p>
</div>
"""
# 添加悬停工具
hover = HoverTool(tooltips=[
("时间", "@time{%F %T}"),
("温度", "@temperature{0.0}℃"),
("湿度", "@humidity{0}%")
], formatters={'@time': 'datetime'})
temp_plot.add_tools(hover)
# 设置布局和更新频率
layout = column(stats_div, temp_plot, humidity_plot)
curdoc().add_root(layout)
curdoc().add_periodic_callback(update, 1000) # 每秒更新一次
curdoc().title = "实时传感器监控"3.2 部署和运行
具体方法如下：
部署与运行方法
保存为 Python 文件：
xxx.py启动 Bokeh 服务器：
bash
bokeh serve --show xxx.py浏览器访问：
http://localhost:5006/xxx
笔者创建的项目结构如下：
在终端运行该代码，运行方法如下：
在该.py文件所在目录下运行该命令：
bokeh serve --show Bokeh_stud.py
终端上显示如下信息，说明系统已经正常启动：
在浏览器上会显示页面：
