Ícono de mensaje
Saltar al pie de página
  1. IronPDF for Python
  2. Blog de IronPDF for Python
  3. Ayuda de Python
  4. Bokeh Python
AYUDA DE PYTHON

Usando Bokeh para la Visualización de Datos en Python

Curtis Chau
Curtis Chau
Actualizado:

La creación de visualizaciones interactivas y su incorporación en publicaciones PDF de alta calidad se puede lograr fácilmente integrando Bokeh Python con IronPDF para Python.

Fácilmente compartible e integrable en aplicaciones en línea, Bokeh es un robusto marco de trabajo de Python para hacer infografías interactivas de alta calidad. Un análisis de datos en profundidad y su presentación pueden verse beneficiados en gran medida por los gráficos complejos que puede crear, como gráficos de burbujas, diagramas de caja y gráficos con barras de error.

IronPDF es principalmente una biblioteca .NET, pero puedes usarla para mejorar su capacidad. A través de la utilización de Bokeh para la representación visual e IronPDF para la generación de PDF, los usuarios pueden incluir efectivamente datos visuales intrincados y dinámicos en informes PDF estáticos.

Crear visualizaciones con Bokeh, exportar estas tramas como imágenes y luego usar IronPDF para incorporarlas en documentos PDF constituye este procedimiento de integración. Este método combina las mejores características de la generación de documentos estáticos con visualizaciones interactivas para permitir a los científicos de datos, analistas y desarrolladores crear informes completos y estéticamente ricos que son simples de distribuir y revisar.

¿Qué es Bokeh Python?

Bokeh Python ofrece una poderosa interfaz de trazado con su módulo figure importando plotting, permitiendo a los usuarios crear una amplia gama de visualizaciones de datos interactivas. Su flexibilidad se extiende a la gestión de diseños, donde layouts importando row y layouts importando gridplot facilitan la disposición fluida de múltiples tramas.

Como una biblioteca de visualización interactiva optimizada para los navegadores web modernos, Bokeh representa impresionantes trazados bokeh que responden dinámicamente a las interacciones del usuario. Desde gráficos de líneas simples hasta gráficos de barras complejos, Bokeh sobresale en transmitir puntos de datos con claridad y precisión, convirtiéndolo en una herramienta invaluable para la visualización, exploración y presentación de datos interactivos.

¡Bokeh Python (Cómo Funciona Para Desarrolladores): Figura 1

Bokeh es adecuado para una variedad de trabajos de ciencia de datos y visualización gracias a su amplia gama de estilos de trazado, que incluyen gráficos de líneas, gráficos de barras, gráficos de dispersión, diagramas de caja, gráficos de burbujas y gráficos con barras de error. Debido al alto grado de personalización de la biblioteca, los usuarios pueden modificar elementos del trazado como colores, etiquetas y leyendas para producir imágenes visualmente atractivas y educacionales.

Tramas interactivos

Bokeh permite crear gráficos interactivos que dejan a los usuarios explorar datos en mayor profundidad haciendo zoom, desplazándose y pasando el cursor sobre ellos. Para obtener ideas más profundas e investigación de datos, o incluso si solo quieres trazar datos disponibles públicamente, esta interactividad es esencial.

Visuales de alta calidad

Bokeh crea visualizaciones impresionantes y de alta calidad que son adecuadas para publicaciones y presentaciones. Las imágenes están destinadas a ser tanto educativas como estéticamente placenteras.

Personalización

Bokeh proporciona una amplia variedad de opciones de personalización de trazados. Los elementos del trazado, colores, etiquetas y otras características son ajustables por el usuario, lo que permite muestras personalizadas y precisas.

Interactividad del lado del servidor

Bokeh viene con un servidor Bokeh integrado que te permite crear paneles de control dinámicos y aplicaciones en línea. Esta capacidad es perfecta para las necesidades de visualización de datos dinámicos porque permite la transmisión y actualización de datos en tiempo real.

Integración con tecnologías web

Las visualizaciones de Bokeh pueden ser exportadas como archivos HTML independientes o integradas en aplicaciones web. Compartir visualizaciones interactivas en internet se hace sencillo con esta conexión.

Widgets y diseños

Bokeh facilita la producción de diseños intrincados y widgets interactivos (como menús desplegables y deslizadores) que permiten la creación de sofisticados paneles de datos y aplicaciones.

Manejo de grandes conjuntos de datos

Bokeh maneja eficazmente grandes conjuntos de datos. Incluso con grandes volúmenes de datos, hace uso de algoritmos de representación efectivos para mantener la capacidad de respuesta e interactividad de las visualizaciones.

Crear y configurar Bokeh Python

Desde la instalación hasta la generación de gráficos interactivos, hay múltiples pasos involucrados en la configuración y ajuste de Bokeh en Python.

Instalar Bokeh

Debes instalar la biblioteca Bokeh primero. Pip se puede usar para esto:

pip install bokeh
pip install bokeh
SHELL

Importar bibliotecas Bokeh

Después de instalar Bokeh, debes importar las partes necesarias de Bokeh.

from bokeh.plotting import figure, output_file, show
from bokeh.plotting import figure, output_file, show
PYTHON

Preparar datos y crear un gráfico

Prepara la información para la visualización. Estos datos pueden presentarse como DataFrames de Pandas, matrices de NumPy o listas. La función figure en Bokeh se puede usar para hacer un nuevo gráfico. La personalización del trazado incluye cambiar las etiquetas del trazado, títulos y otros detalles.

# Sample data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Bokeh figure
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')
# Sample data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Bokeh figure
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')
PYTHON

Añadir renderizadores

Para representar tus datos, añade representadores (como líneas, círculos y barras) al graHP

# Add a line renderer
p.line(x, y, legend_label="Line Example", line_width=2)
# Add a line renderer
p.line(x, y, legend_label="Line Example", line_width=2)
PYTHON

Configurar salida

F P

# Output to an HTML file
output_file("bokeh_plot.html")
# Output to an HTML file
output_file("bokeh_plot.html")
PYTHON

Mostrar la trama

F

# Show the plot
show(p)
# Show the plot
show(p)
PYTHON

Empezando

F P

¿Qué es IronPDF?

P F F

Bokeh Python (Cómo funciona para desarrolladores): Figura 2

Convertir HTML a PDF

P F

Creación y edición de PDF

F F F

Estilización y maquetación avanzadas

P F Crea material dinámico en PDFs renderizando contenido HTML que puede ser utilizado con JavaScript.

Instalar IronPDF

Pip se puede usar para instalar IronPDF. P

pip install ironpdf
pip install ironpdf
SHELL

Generar documento PDF con gráficos Bokeh

F F

# Step 1: Import Bokeh Libraries
from bokeh.plotting import figure, output_file, show

# Step 2: Import the IronPDF library
from ironpdf import ChromePdfRenderer

# Prepare Your Data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Plot
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')

# Add a line renderer to the plot
p.line(x, y, legend_label="Line Example", line_width=2)

# Configure output to an HTML file
output_file("bokeh_plot.html")

# Show the plot (optional)
show(p)

# Step 3: Instantiate a PDF renderer
iron_pdf = ChromePdfRenderer()

# Render HTML content to the PDF
pdf = iron_pdf.RenderHtmlFileAsPdf("bokeh_plot.html")

# Save the generated PDF to a file
pdf.SaveAs("BokehPlot.pdf")

print("PDF document generated successfully.")
# Step 1: Import Bokeh Libraries
from bokeh.plotting import figure, output_file, show

# Step 2: Import the IronPDF library
from ironpdf import ChromePdfRenderer

# Prepare Your Data
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# Create a Plot
p = figure(title="Simple Bokeh Plot", x_axis_label='X-Axis', y_axis_label='Y-Axis')

# Add a line renderer to the plot
p.line(x, y, legend_label="Line Example", line_width=2)

# Configure output to an HTML file
output_file("bokeh_plot.html")

# Show the plot (optional)
show(p)

# Step 3: Instantiate a PDF renderer
iron_pdf = ChromePdfRenderer()

# Render HTML content to the PDF
pdf = iron_pdf.RenderHtmlFileAsPdf("bokeh_plot.html")

# Save the generated PDF to a file
pdf.SaveAs("BokehPlot.pdf")

print("PDF document generated successfully.")
PYTHON

P Luego usamos p.line() para agregar un renderizador de líneas al gráfico. La función output_file() se importa de Bokeh para especificar el nombre del archivo de salida para la representación HTML del gráfico.

Luego, desde IronPDF, importamos la clase ChromePdfRenderer, que se utiliza para renderizar el archivo HTML como un PDF. Instanciamos el renderizador de IronPDF y usamos el método RenderHtmlFileAsPdf() para convertir el archivo HTML en un PDF. Por último, guardamos el PDF generado utilizando el método SaveAs().

Bokeh Python (Cómo funciona para desarrolladores): Figura 3

Conclusión

F F

P F

F F

F P F

Curtis Chau
Curtis Chau
  Chatea con el equipo de ingeniería ahora
Escritor Técnico

Curtis Chau tiene una licenciatura en Ciencias de la Computación (Carleton University) y se especializa en el desarrollo front-end con experiencia en Node.js, TypeScript, JavaScript y React. Apasionado por crear interfaces de usuario intuitivas y estéticamente agradables, disfruta trabajando con frameworks modernos y creando manuales bien ...

Leer más

Artículos Relacionados

Prueba de 30 días → Producto completo. Sin límites. Sin tarjeta. Comenzar prueba gratuita