Bokeh，为数据赋予生命的可视化神器！
Python数据可视化库多的数不胜数，matplotlib、seaborn这些老面孔你肯定都听说过。不过今天咱要聊的这个Bokeh，简直就是个宝藏。它不仅能画出漂亮的图表，还能搞出交互效果，让枯燥的数据活灵活现。老实说，第一次用它时我都惊呆了。
安装Bokeh贼简单，一行代码搞定：
pip install bokeh
来个最基础的散点图试试水：
from bokeh.plotting import figure， show
# 创建画布
p = figure(width=400， height=400， title=“我的第一个Bokeh图”)
# 画散点图
p.circle([1， 2， 3， 4， 5]， [2， 5， 8， 2， 7]， size=10)
# 显示图表
show(p)
运行完这段代码，浏览器会自动打开一个网页，看到一个可以缩放、平移的散点图，不得不说这体验相当丝滑。
Bokeh最强的地方就是交互功能。给大家变个魔术：
from bokeh.plotting import figure， show
from bokeh.models import HoverTool
# 创建带悬停工具的画布
p = figure(width=500， height=400， title=“买菜价格走势”)
p.add_tools(HoverTool(tooltips=[(“日期”， “@x”)， (“价格”， “@y”)]))
# 数据
dates = ['周一'， '周二'， '周三'， '周四'， '周五']
prices = [10， 12， 9， 13， 11]
# 画线
p.line(dates， prices， line_width=2)
p.circle(dates， prices， size=10， fill_color=“white”)
show(p)
鼠标放到数据点上，价格和日期就跳出来了，这不比死板的静态图表有意思多了？
温馨提示：HoverTool里的@x和@y是数据源的列名，可以根据实际数据修改。
一页放多个图表？小菜一碟：
from bokeh.layouts import row， column
from bokeh.plotting import figure， show
# 创建两个图表
p1 = figure(width=300， height=300， title=“图表1”)
p1.circle([1，2，3]， [4，5，6])
p2 = figure(width=300， height=300， title=“图表2”)
p2.line([1，2，3]， [2，4，6])
# 横着放
show(row(p1， p2))
row和column随便组合，想怎么排就怎么排，跟搭积木一样好玩。
要想图表好看，配色是关键：
from bokeh.palettes import Spectral6
from bokeh.plotting import figure， show
p = figure(width=400， height=400)
# 用不同颜色画多条线
for i in range(6)：
p.line([1，2，3，4]， [i*2， i*3， i*4， i*5]，
line_color=Spectral6[i]， legend_label=f“线{i+1}”)
p.legend.click_policy=“hide” # 点击图例可以显示/隐藏对应的线
show(p)
Spectral6是Bokeh内置的配色方案，还有很多其他好看的配色可以选。
保存图表也超简单，加一行export_png(p， filename='my_plot.png')就搞定了。不过得先装个selenium包。
掌握这些基础用法，已经能画出不少漂亮的图表了。Bokeh还有更多高级功能等着去探索，比如添加按钮、滑块这些控件，做出交互式仪表盘。
做数据分析的时候，我现在基本都用Bokeh。不为别的，就图它能让枯燥的数据说话。要是你也想让你的数据活起来，Bokeh绝对值得一试。
