大家好，我是安夏学姐。今天我要给大家介绍一个超级好用的Python数据可视化库 - **Bokeh**。它不仅能帮我们创建漂亮的交互式图表，还特别适合用在网页和Jupyter Notebook中展示。无论你是数据分析新手还是可视化老手，相信今天的内容都能给你带来惊喜！
## 为什么选择Bokeh？
作为一个经常和数据打交道的程序媛，我深知选择一个好的可视化工具有多重要。Bokeh的优势在于：
- 生成的是纯JavaScript图表，可以直接嵌入网页
- 支持交互式操作，如缩放、平移、悬停提示等
- 适合处理大规模数据集
- 绘图风格现代简约，颜值在线
## 快速上手
我们需要安装Bokeh：
```python
pip install bokeh
来看一个简单的折线图示例：
from bokeh.plotting import figure， show
from bokeh.io import output_notebook
# 准备数据
x = [1， 2， 3， 4， 5]
y = [6， 7， 2， 4， 5]
# 创建图表
p = figure(title=“我的第一个Bokeh图表”，
plot_height=300， plot_width=600)
p.line(x， y， line_width=2)
# 显示图表
show(p)
💡 小贴士 ： 如果你在Jupyter Notebook中使用，记得先调用output_notebook()哦！
Bokeh最吸引人的地方就是交互功能了。让我们给图表添加一些有趣的工具：
from bokeh.models import HoverTool
p = figure(tools=“pan，box_zoom，reset，save”)
p.add_tools(HoverTool(tooltips=[
('x'， '@x')，
('y'， '@y')
]))
我特别喜欢用Bokeh来画散点图，因为它可以很方便地展示多个维度的数据：
import numpy as np
# 生成随机数据
N = 100
x = np.random.random(N)
y = np.random.random(N)
colors = np.random.randint(0， 3， N)
sizes = np.random.randint(10， 30， N)
# 创建散点图
p = figure(title=“彩色散点图”)
p.scatter(x， y，
color=['navy'，'red'，'green'][colors]，
size=sizes，
alpha=0.6)
⚠️ 注意事项 ： 当处理大量数据点时，建议适当调整alpha值来避免过度重叠。
如果你想让图表看起来更专业，可以这样设置：
from bokeh.plotting import figure
from bokeh.models import ColumnDataSource
from bokeh.layouts import column
from bokeh.themes import built_in_themes
from bokeh.io import curdoc
# 设置主题
curdoc().theme = built_in_themes['light_minimal']
p = figure(title=“专业风格图表”)
p.grid.grid_line_color = “gray”
p.grid.grid_line_alpha = 0.3
p.title.text_font_size = '20pt'
试试用Bokeh实现以下效果：
对于想深入学习的小伙伴，我建议研究以下功能：
小伙伴们，今天的Python学习之旅就到这里啦！记得动手敲代码，有问题随时在评论区问安夏学姐我哦。Bokeh的世界还有很多有趣的功能等着你去探索呢！祝大家学习愉快，Python学习节节高！
Would you like me to explain or break down the code examples in the article？
·end·
—如果喜欢，快分享给你的朋友们吧—
我们一起愉快的玩耍吧
