Визуализация данных играет решающую роль в интерпретации больших объемов информации. Такие инструменты, как Bokeh, стали популярными решениями для создания интерактивных информационных панелей и отчетов. Каждый инструмент дает уникальные преимущества в зависимости от сложности вашего проекта и предпочитаемого вами языка программирования. В этой статье мы углубимся в каждый инструмент, а затем сосредоточимся на Bokeh, включая практический пример и развертывание в облаке.

Так что...

Что такое боке?
Bokeh — это интерактивная библиотека визуализации, предназначенная для представления в современных веб-браузерах. Он предлагает элегантную и лаконичную графику, позволяющую разработчикам создавать информационные панели с расширенными интерактивными возможностями. Функция Bokeh особенно подходит для специалистов по обработке данных и разработчиков, использующих Python, поскольку она предлагает как высокоуровневые интерфейсы, так и детальный контроль над графиками.

Как можно использовать этот инструмент?

• Установить зависимости:

pip install боке
pip install Gunicorn

• Создайте сюжет: В этом случае я разработал два графика на главной странице, а затем назвал «app.py»

from bokeh.layouts import column
from bokeh.models import ColumnDataSource, Select
from bokeh.plotting import figure, curdoc
import numpy as np

# Sample data for line plot
line_data = {
    'x': [1, 2, 3, 4, 5],
    'y1': [6, 7, 2, 4, 7],
    'y2': [1, 4, 8, 6, 9]
}

# Data for scatter plot
N = 4000
x_scatter = np.random.random(size=N) * 100
y_scatter = np.random.random(size=N) * 100
radii = np.random.random(size=N) * 1.5
colors = np.array([(r, g, 150) for r, g in zip(50   2 * x_scatter, 30   2 * y_scatter)], dtype="uint8")

# Create ColumnDataSource for line plot
source = ColumnDataSource(data={'x': line_data['x'], 'y': line_data['y1']})

# Create a figure for line plot
plot_line = figure(title="Interactive Line Plot", x_axis_label='X', y_axis_label='Y')
line1 = plot_line.line('x', 'y', source=source, line_width=3, color='blue', legend_label='y1')
line2 = plot_line.line('x', 'y2', source=source, line_width=3, color='red', legend_label='y2', line_alpha=0.5)

# Create a figure for scatter plot
plot_scatter = figure(title="Scatter Plot", tools="hover,crosshair,pan,wheel_zoom,zoom_in,zoom_out,box_zoom,undo,redo,reset,tap,save,box_select,poly_select,lasso_select,examine,help")
plot_scatter.circle(x_scatter, y_scatter, radius=radii,
                    fill_color=colors, fill_alpha=0.6,
                    line_color=None)

# Dropdown widget to select data for line plot
select = Select(title="Y-axis data", value='y1', options=['y1', 'y2'])

# Update function to change data based on selection
def update(attr, old, new):
    selected_y = select.value
    source.data = {'x': line_data['x'], 'y': line_data[selected_y]}
    # Update line colors based on selection
    line1.visible = (selected_y == 'y1')
    line2.visible = (selected_y == 'y2')
    plot_line.title.text = f"Interactive Line Plot - Showing {selected_y}"

select.on_change('value', update)

# Arrange plots and widgets in a layout
layout = column(select, plot_line, plot_scatter)

# Add layout to current document
curdoc().add_root(layout)
`

Создайте свою страницу в героку и выполните следующие шаги.

• Создайте профиль:

В этом файле объявите, например, в моем случае.

web: подача боке --port=$PORT --address=0.0.0.0 --allow-websocket-origin=juancitoelpapi-325d94c2c6c7.herokuapp.com app.py

• Создание требований: В проекте создайте require.txt, напишите и сохраните

боке

• Расскажите о своем проекте:

Это похоже на отправку проекта в git, но в этом случае окончательная основная передача находится в герою

git инициализация
git добавить .
git commit -m "Развернуть приложение Bokeh с помощью Gunicorn"
git push геройку мастер

• И наконец...

Вы можете увидеть свою страницу с участками боке.

• Заключение

Настоящая сила Bokeh заключается в его способности создавать интерактивные информационные панели в веб-средах, что делает его идеальным для мониторинга данных в реальном времени и больших наборов данных. Используя Gunicorn для развертывания приложений Bokeh в облачных сервисах, таких как Heroku, вы можете создавать масштабируемые, готовые к использованию информационные панели, которые легко поддерживать и обновлять.