python可视化交互库Bokeh 0.12.6 dev4绿色免费版是一个Python交互数据可视化库，支持现代化 Web 浏览器，提供非常完美的展示功能。Bokeh 的目标是使用 D3.js 样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。Boken 可以快速的创建交互式的绘图，仪表盘和数据应用。
Bokeh的优势
Bokeh允许你通过简单的指令就可以快速创建复杂的统计图，
Bokeh提供到各种媒体，如HTML，Notebook文档和服务器的输出
我们也可以将Bokeh可视化嵌入flask和django程序
Bokeh可以转换写在其它库（如matplotlib, seaborn和ggplot）中的可视化
Bokeh能灵活地将交互式应用、布局和不同样式选择用于可视化
Bokeh面临的挑战
与任何即将到来的开源库一样，Bokeh正在经历不断的变化和发展。所以，你今天写的代码可能将来并不能被完全再次使用。
与D3.js相比，Bokeh的可视化选项相对较少。因此，短期内Bokeh无法挑战D3.js的霸主地位。
综合Bokeh的优点及其面临的挑战，Bokeh是当前用于快速开发原型产品的理想工具。然而，如果你想在产品的环境下搞点新东西，D3.js可能仍然是你最好的选择。
用Bokeh实现可视化
Bokeh提供了强大而灵活的功能，使其操作简单并高度定制化。它为用户提供了多个可视化界面，如下图所示：
图表（Charts）：一个高级接口（high-level interface），用以简单快速地建立复杂的统计图表。
绘图（Plotting）：一个中级接口（intermediate-level interface），以构建各种视觉符号为核心。
模块（Models）：一个低级接口（low-level interface），为应用程序开发人员提供最大的灵活性。
本文中，我们仅涉及前两个接口，图表（Charts）和绘图（Plotting）。
图表
如上所述，它是一个高级接口，用于通过标准的可视化方式呈现信息。这些方式包括箱形图、柱状图、面积图、热图、甜甜圈图和许多其它图形。你只需输入数据框（data frames）、numpy数组或字典就可以生成这些图。
让我们来看看创建一个图表的通用方法：
1. 导入库和函数/方法
2. 准备数据
3. 设置输出模式（Notebook文档、Web浏览器或服务器）
4. 创建图表并选择图表的样式（如果需要）
5. 可视化图表
为了更好地理解这些步骤，让我用下面的例子来演示一下：
图表范例-1：使用Bokeh创建一个柱状图并在Web浏览器上显示
我们将遵循上述列出的步骤来创建一个图表：
在上面的图表中，你可以看到顶部的工具选项（缩放、调整大小、重置、旋转缩放），这些工具可以帮助你与图表进行互动。同时，你也可以看到多个图表选项（图例、X轴名标注、Y轴名标注、坐标网格线、宽度、高度等）和各种图表的范例。
绘图
Plotting是一个中级接口，是以构建视觉符号为核心的接口。在这里，你可以综合各种视觉元素（点、圆、线、补丁和许多其它元素）和工具（悬停、缩放、保存、重置和其它工具）来创建可视化。
使用Bokeh的Plotting接口创建的图表自带一组默认的工具和视觉效果。绘图可按照以下步骤进行：
1. 导入库、方法或函数
2. 选择输出方式（Notebook文档、Web浏览器、服务器）
3. 激活图（类似matplotlib）
4. 执行后续的绘图操作，这将影响已经生成的图形。
5. 图表可视化
为了更好地理解这些步骤，让我举例演示：
绘图范例-1：在Notebook文档中创建二维散点图（正方形标记）
同样，你可以创建各种其它类型的图：如线、角和圆弧、椭圆、图像、补丁以及许多其它的图。
