python數(shù)據(jù)可視化 – 利用Bokeh和Bottle.py在網(wǎng)頁上展示你的數(shù)據(jù)
在數(shù)據(jù)科學(xué)中，通過圖表將數(shù)據(jù)可視化是一個(gè)很重要的工作，在開始數(shù)據(jù)分析之前，通過數(shù)據(jù)可視化可以幫助我們理解數(shù)據(jù)，而更重要的是，在完成分析、預(yù)測等等過程之后，我們需要通過數(shù)據(jù)可視化講結(jié)論展示出來。通過網(wǎng)頁創(chuàng)建可以交互的圖表是展示數(shù)據(jù)的一個(gè)重要手段。
1. 文章重點(diǎn)和項(xiàng)目介紹
本文的重點(diǎn)將是展示如何將bokeh和bottle集成在一起，并部署到服務(wù)器上，供他人訪問查閱，因此不會在bokeh和bottle，以及pandas的相關(guān)代碼具體實(shí)現(xiàn)細(xì)節(jié)上面面俱到，但是對于我們實(shí)現(xiàn)的代碼，還是會進(jìn)行講解（可能不會那么深入）。本文將選取中國2017到2019年的AQI數(shù)據(jù)作為項(xiàng)目的數(shù)據(jù)集，然后利用這些數(shù)據(jù)繪制3張表格（一張折線圖和兩張帶分組的柱狀圖），然后通過bottle和bootstrap前端模板建立一個(gè)展示網(wǎng)頁，最后會將這個(gè)網(wǎng)頁應(yīng)用部署到Heroku上邊（這一步作為參考，你可以通過localhost訪問本機(jī)服務(wù)，或者選取其他云服務(wù)商的服務(wù)器）。
本文使用的數(shù)據(jù)集和代碼實(shí)現(xiàn)都可以在下邊這個(gè)github倉庫中找到：
https://github.com/pythonlibrary/bokeh-bottlepy
我已經(jīng)將數(shù)據(jù)集進(jìn)行過清理，數(shù)據(jù)集中包含規(guī)整的從2017年到2019年的各個(gè)城市的日AQI平均值。
2. 數(shù)據(jù)集研究和圖表準(zhǔn)備
在本節(jié)中，和大多數(shù)數(shù)據(jù)分析項(xiàng)目一樣，我們將使用jupyter notebook作為我們的環(huán)境，因?yàn)檫@個(gè)工具能夠方便的實(shí)現(xiàn)代碼修改和及時(shí)的代碼結(jié)果展示。
首先完成最重要的事情，導(dǎo)入必要的python庫
import numpy as np import pandas as pd from bokeh.plotting import figure, show from bokeh.models import ColumnDataSource, HoverTool from bokeh.transform import dodge from bokeh.io import output_notebook
然后在notebook中運(yùn)行，下邊代碼來初始化bokeh，bokeh可以將圖標(biāo)輸出成不同的格式文件，如html等，但是要在notebook中顯示，則需要在最開始的時(shí)候指明。
output_notebook()
成功執(zhí)行完以后，notebook會提示成功加載bokeh環(huán)境，如下：
2.1 導(dǎo)入數(shù)據(jù)集
我們使用pandas的read_csv方法讀入數(shù)據(jù)集，并將一些城市的數(shù)據(jù)拿出來，因?yàn)樽x入以后date一列的數(shù)據(jù)格式不是pandas datatime，我們在這里做一個(gè)轉(zhuǎn)換，方便后邊繪圖使用，因?yàn)閿?shù)據(jù)集中還有一些其他空氣質(zhì)量指標(biāo)例如PM2.5等，我們僅僅選取AQI作為關(guān)注重點(diǎn)形成新的數(shù)據(jù)幀 df
cities = ['上海', '北京', '杭州', '寧波', '保定', '南京', '蘇州', '深圳', '廈門', '廣州']
df = pd.read_csv('AQI_merged.csv')
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values(by='date').reset_index(drop=True)
df = df[df['type']=='AQI']
我們的基礎(chǔ)數(shù)據(jù)幀（Dataframe）創(chuàng)建好以后，讓我們來看一下它里邊包含了什么數(shù)據(jù)，我們使用如下代碼提取2019年的數(shù)據(jù)，并且在notebook中展示前5條記錄。
df_2019_day = df[df['date']>='2019-01-01'] df_2019_day.head()
可以看出，在數(shù)據(jù)幀中，按照每一天為行，記錄了當(dāng)天幾個(gè)城市的AQI值。
2.2 繪制圖表
利用導(dǎo)入的數(shù)據(jù)，我們將繪制3張圖表：
2019年上海，北京，深圳三地的每天AQI變化曲線（曲線圖）
2019年上海，北京，深圳三地的每月平均AQI對比（柱狀圖）
2017年到2019年北京每月平均AQI對比（柱狀圖）
圖表1：2019年上海，北京，深圳三地的每天AQI變化曲線
利用剛剛我們創(chuàng)建的df_2019_day數(shù)據(jù)幀，使用如下代碼繪制圖表，注意，我們使用了Bokeh提供的ColumnDataSource的方式來給bokeh圖表傳遞數(shù)據(jù)。
簡單說明一下：我們先使用figure創(chuàng)建了一個(gè)空的圖畫，然后用line方法畫了上海的數(shù)據(jù)，然后重復(fù)line方法兩次在圖畫上添加了另外兩個(gè)城市的數(shù)據(jù)，最后，通過add_tools方法添加了一個(gè)鼠標(biāo)懸停提示，用于顯示鼠標(biāo)位置的AQI值。
source = ColumnDataSource(df_2019_day)
p = figure(x_axis_type="datetime", title="2019年AQI日均平均變化曲線", plot_width=900, plot_height=400)
p.line('date', '上海', line_color='blue', legend_label='上海', source=source)
p.line('date', '北京', line_color='green', legend_label='北京', source=source)
p.line('date', '深圳', line_color='orange', legend_label='深圳', source=source)
p.legend.location = "top_right"
p.add_tools(HoverTool(tooltips=[("AQI", "$y")]))
show(p)
圖表2：2019年上海，北京，深圳三地的每月平均AQI對比
我們想要畫出每月平均AQI，而數(shù)據(jù)幀中包含的是每日的AQI，因此，利用dataframe的groupby方法，可以求得每月的平均值。并新建了一列month來存放月信息。最后通過head方法查看下我們獲得的新的數(shù)據(jù)幀是否包含了按月平均的AQI信息。
pd.options.mode.chained_assignment = None
df_2019_day['month'] = df_2019_day['date'].apply(lambda x: x.strftime('%Y-%m'))
df_2019_month = df_2019_day.groupby(by='month').mean().reset_index()
df_2019_month.head()
數(shù)據(jù)集處理結(jié)果符合我們的預(yù)期，接下來使用這個(gè)數(shù)據(jù)集繪制第二張圖表。因?yàn)槲覀兿胍容^不同城市同一個(gè)月的AQI，因此我們的柱狀圖需要分組顯示，這里使用了bokeh中的dodge方式，每一個(gè)dodge為一個(gè)城市的數(shù)據(jù)，并指明了在圖表上的相對位置。
source = ColumnDataSource(df_2019_month)
p = figure(x_range=list(df_2019_month['month']), title="2019年AQI", plot_width=900, plot_height=400)
p.vbar(x=dodge('month', -0.25, range=p.x_range), top='上海', width=0.2, color="#c9d9d3", legend_label="上海", source=source)
p.vbar(x=dodge('month', 0, range=p.x_range), top='北京', width=0.2, color="#718dbf", legend_label="北京", source=source)
p.vbar(x=dodge('month', 0.25, range=p.x_range), top='深圳', width=0.2, color="#e84d60", legend_label="深圳", source=source)
p.xgrid.grid_line_color = None
p.y_range.start = 0
p.add_tools(HoverTool(tooltips=[("時(shí)間", "@month"), ("上海平均AQI", "@{上海}"), ("北京平均AQI", "@{北京}"), ("深圳平均AQI", "@{深圳}")]))
show(p)
圖表3：2017年到2019年北京每月平均AQI對比
跟圖表2 類似我們對數(shù)據(jù)幀進(jìn)行必要的處理，同時(shí)因?yàn)槲覀円@示不同的年月的對比，所以講年份和月份單獨(dú)放置到y(tǒng)ear和month列中。
df['date_ym'] = df['date'].apply(lambda x: x.strftime('%Y-%m'))
df_month = df.groupby(by='date_ym').mean().reset_index()
df_month['month'] = df_month['date_ym'].apply(lambda x: x.split('-')[-1])
df_month['year'] = df_month['date_ym'].apply(lambda x: x.split('-')[0])
df_month.head()
然后創(chuàng)建3個(gè)數(shù)據(jù)幀，每個(gè)僅包含一年的數(shù)據(jù)
df_2017 = df_month[df_month['year']=='2017'][['month', '北京']] df_2018 = df_month[df_month['year']=='2018'][['month', '北京']] df_2019 = df_month[df_month['year']=='2019'][['month', '北京']]
最后，還是通過相同的bokeh方法，繪制新的柱狀圖。
source_2017 = ColumnDataSource(df_2017)
source_2018 = ColumnDataSource(df_2018)
source_2019 = ColumnDataSource(df_2019)
p = figure(x_range=list(df_2017['month']), title="2017-2019年北京AQI對比", plot_width=900, plot_height=400)
p.vbar(x=dodge('month', -0.25, range=p.x_range), top='北京', width=0.2, color="#c9d9d3", legend_label="2017", source=source_2017)
p.vbar(x=dodge('month', 0, range=p.x_range), top='北京', width=0.2, color="#718dbf", legend_label="2018", source=source_2018)
p.vbar(x=dodge('month', 0.25, range=p.x_range), top='北京', width=0.2, color="#e84d60", legend_label="2019", source=source_2019)
p.xgrid.grid_line_color = None
p.y_range.start = 0
p.add_tools(HoverTool(tooltips=[("時(shí)間", "@month"), ("AQI", "@{北京}")]))
show(p)
到這里我們的3張圖表已經(jīng)準(zhǔn)備好了，但是他們都是在notebook中運(yùn)行的，后邊我們將對這些代碼進(jìn)行簡單的轉(zhuǎn)化，并嵌入到bottle網(wǎng)頁應(yīng)用中。
3. Bottle網(wǎng)頁應(yīng)用
bottle是一個(gè)超輕量級的python web框架，我們在本文中選擇了bottle而沒有選擇flask或者Django的原因就在于它的超輕量級，可以快速的搭建網(wǎng)頁應(yīng)用，對于以僅僅做數(shù)據(jù)展示為目的的網(wǎng)頁應(yīng)用，使用bottle可以讓你快速上手，讓你更專注于數(shù)據(jù)分析。
我們將采用bootstrap前端模板加bottle內(nèi)置的模板引擎的方式來實(shí)現(xiàn)這個(gè)應(yīng)用，為了快速實(shí)現(xiàn)這個(gè)目標(biāo)，我們選取了https://github.com/arsho/bottle-bootstrap這個(gè)項(xiàng)目作為我們的初始代碼，所以，本文項(xiàng)目中使用到的網(wǎng)頁應(yīng)用代碼99%的實(shí)現(xiàn)來自于這個(gè)項(xiàng)目，我們僅僅做了一點(diǎn)改動。在本節(jié)內(nèi)容中，我們會講解一下bottle應(yīng)用的重點(diǎn)代碼和概念。
本文對應(yīng)的代碼可以在 https://github.com/pythonlibrary/bokeh-bottlepy 這個(gè)倉庫中找到。
3.1 文件夾結(jié)構(gòu)
我們的bokeh-bottlepy項(xiàng)目目錄結(jié)構(gòu)如下，其中
dataset文件夾：包含了數(shù)據(jù)集csv文件
static文件夾：包含了bootstrap前端框架代碼，包括css，JavaScript，以及fonts等，用于以bootstrap的主題來展現(xiàn)html頁面
views文件夾中：包含我們要如何展示數(shù)據(jù)的模板，本項(xiàng)目作為入門項(xiàng)目，其中僅僅包含了一個(gè)index.tpl文件，作為我們僅有的一個(gè)單頁面網(wǎng)頁的模板，該模板會由bottle應(yīng)用導(dǎo)入數(shù)據(jù)來渲染，最總形成用戶看到的頁面
app.py：為我們的入口文件，我們所有的python代碼將在這個(gè)里邊實(shí)現(xiàn)，最終運(yùn)行也是通過：python app.py來啟動服務(wù)
Procfile：涉及到Heroku部署，后邊我們會提到
3.2 路由
用python web框架實(shí)現(xiàn)的是動態(tài)的網(wǎng)頁，也就是說網(wǎng)頁是在用戶訪問的時(shí)候生成的，路由這個(gè)概念對于第一次接觸網(wǎng)頁應(yīng)用的人比較陌生，不過其實(shí)很簡單，通俗的講，用戶在點(diǎn)擊一個(gè)網(wǎng)頁上的鏈接或按鈕，或在瀏覽器地址欄中訪問一個(gè)鏈接的時(shí)候，網(wǎng)頁服務(wù)器端會根據(jù)鏈接的不同做不同的動作，并將結(jié)果組織成html并呈現(xiàn)給用戶，這一個(gè)過程就是路由。
在bottle中實(shí)現(xiàn)路由其實(shí)就是給每一個(gè)url實(shí)現(xiàn)一個(gè)對應(yīng)的處理方法。下邊的代碼就是本項(xiàng)目用到的所有相關(guān)的部分
dirname = '.'
app = Bottle()
debug(True)
@app.route('/static/<filename:re:.*\.css>')
def send_css(filename):
return static_file(filename, root=dirname+'/static/asset/css')
@app.route('/static/<filename:re:.*\.js>')
def send_js(filename):
return static_file(filename, root=dirname+'/static/asset/js')
@app.route('/')
def index():
data = {
"developer_organization":"pythonlibrary.net"}
return template('index', data = data)
所有bottle網(wǎng)頁應(yīng)用需要實(shí)例化一個(gè)Bottle對像，作為服務(wù)本身，這里我們起名叫app，同時(shí)打開了debug模式，即當(dāng)訪問url的時(shí)候，Bottle應(yīng)用會打印一些調(diào)試信息輔助開發(fā)人員定位問題。
路由函數(shù)的指定是通過@app.route裝飾器實(shí)現(xiàn)的，這個(gè)裝飾器的參數(shù)就是相對url，例如index函數(shù)的路由地址為/，如果本地服務(wù)端口為8080，則絕對url為：http://localhost:8080/，用戶在訪問這個(gè)地址的時(shí)候index函數(shù)將會被調(diào)用，而它的返回值就是用戶看到的頁面，這里是使用了template方法來使用data數(shù)據(jù)渲染模板，模板的概念我們下一章節(jié)會進(jìn)行介紹。
要做出一個(gè)漂亮的頁面，需要使用到復(fù)雜的JavaScript和css，所幸的是我們選擇的bootstrap框架為我們實(shí)現(xiàn)了這些復(fù)雜部分，我們只需要應(yīng)用它提供的模組就可以搭建出一個(gè)漂亮的網(wǎng)站。
在html中，JavaScript和css也是通過url來訪問到的，因此如果要使模板生效，需要告知bottle這些JavaScript和css需要從本地哪個(gè)路徑中去找，代碼中的send_css和send_js函數(shù)就是利用bottle 中的static_file函數(shù)來通知應(yīng)用本地的資源在什么位置，而上邊的路由地址則是用戶訪問網(wǎng)頁的時(shí)候再html中的地址，因此這兩個(gè)函數(shù)實(shí)現(xiàn)了，url和本地資源的連接。
3.3 模板實(shí)現(xiàn)
所有的Python網(wǎng)頁框架，在不使用前后端分離的方式開發(fā)網(wǎng)頁應(yīng)用的時(shí)候，都會包含一個(gè)模板的概念，這些框架大部分都繼承了自己的模板引擎，bottle中也集成了一個(gè)他們稱為SimpleTemplate的簡單模板引擎，當(dāng)然你可以選擇使用其他第三方的模板引擎，如nijia2，mako等。
所謂模板引擎其實(shí)即使基于模板關(guān)鍵字的替換，引擎提供了一系列的語法，引擎可以解析這些語法，做出相應(yīng)的動作，例如根據(jù)不同的情況填入不同的數(shù)據(jù)，做循環(huán)，判斷等等，然后其余的內(nèi)容將保持不變的放到輸出中，可以通過python的stringtemplate來類比。
我們這個(gè)項(xiàng)目中，index.tpl就是模板，里邊包含了SimpleTemplate可以識別的語法以及其他內(nèi)容，當(dāng)SimpleTemplate解析index.tpl總的語法，并填入合適的數(shù)據(jù)，則最終會得到完整的html內(nèi)容，因此模板是 html + 引擎語法的集合，至于文件后綴tpl則無關(guān)緊要，可以使任何你定義的后綴，只是一般tpl代表template。
我們對原始代碼的該文件進(jìn)行一些修改：將head標(biāo)簽中的信息，按照我們的項(xiàng)目進(jìn)行修改
<meta name="description" content="Deploy Bokeh Data Visualization with Bottlepy"> <title>China AQI</title>
然后將導(dǎo)航條 navbar div按照我們的要求修改成我們自己的鏈接，將網(wǎng)頁主體container中最上邊的文字框改成我們的項(xiàng)目描述。
<div id="navbar" class="navbar-collapse collapse"> <ul class="nav navbar-nav navbar-right"> <li><a href="../" rel="external nofollow" >Home</a></li> <li><a rel="external nofollow" rel="external nofollow" rel="external nofollow" >On Github</a></li> </ul> </div><!--/.nav-collapse -->
<div class="row"> <div class="jumbotron"> <h2>中國AQI數(shù)據(jù)可視化</h2> <p>這是一個(gè)基于bottlepy, bokeh和Bootstrap的一個(gè)數(shù)據(jù)可視化部署的示例項(xiàng)目，采用了中國從2017年到2019年的AQI信息數(shù)據(jù)作為項(xiàng)目的演示數(shù)據(jù)。</p> </div> </div>
回到app.py中，在這個(gè)文件中下邊這段代碼，通過template方法實(shí)現(xiàn)了對index模板的渲染，這個(gè)方法的參數(shù)data，將作為數(shù)據(jù)動態(tài)的傳入到模板中，相對應(yīng)的模板中有一個(gè) {{data[“developer_organization”]}} 的語句，這就是模板語法，跟python語法類似，通過dict的方式訪問了data變量中的developer_organization鍵對應(yīng)的值。
@app.route('/')
def index():
data = {
"developer_organization":"pythonlibrary.net"}
return template('index', data = data)
3.4 啟動網(wǎng)頁服務(wù)
我們在app.py實(shí)現(xiàn)了類似下邊這樣的入口，如果在終端中運(yùn)行python app.py，這段代碼將被執(zhí)行，也就可以啟動網(wǎng)頁服務(wù)，服務(wù)的端口為8080，同時(shí)將host設(shè)置為0.0.0.0意思是其他電腦可以訪問這臺電腦上的服務(wù)，如果僅想本機(jī)本地訪問可以設(shè)置為localhost
if __name__ == "__main__":
port = 8080
app.run(host="0.0.0.0", port=port, debug=True)
4. 將Bokeh和Bottle集成在一起
4.1 模板修改
首先我們想要在html中顯示bokeh生成的圖表，需要加載bokeh的JavaScript，通過在index.tpl中添加下邊幾個(gè)CDN的方式來導(dǎo)入。
<script src="https://cdn.bokeh.org/bokeh/release/bokeh-1.4.0.min.js"></script> <script src="https://cdn.bokeh.org/bokeh/release/bokeh-widgets-1.4.0.min.js"></script> <script src="https://cdn.bokeh.org/bokeh/release/bokeh-tables-1.4.0.min.js"></script>
然后我們要添加數(shù)據(jù)圖表的占位符（相關(guān)的引擎語法代碼），當(dāng)進(jìn)行模板渲染的時(shí)候，會被動態(tài)的替換為python代碼中提供的內(nèi)容。
在頁面主體container中添加三個(gè)圖表的占位符
注意：有別于其他數(shù)據(jù)傳入語法，這里在data[“l(fā)ot1_div”]前邊有一個(gè)感嘆號（?。?，這個(gè)非常重要，如果沒有感嘆號意味著，傳入的數(shù)據(jù)將被認(rèn)為是字符串，在渲染的時(shí)候會被引號括起來，而我們實(shí)際想要填充在這里的是html代碼，而不是被雙引號括起來的html代碼，感嘆號就是告知引擎，我們傳入是的瀏覽器可以處理的html或者JavaScript或者css代碼。
<div class="row">
{{!data["plot1_div"]}}
</div>
</br></br></br></br>
<div class="row">
{{!data["plot2_div"]}}
</div>
</br></br></br></br>
<div class="row">
{{!data["plot3_div"]}}
</div>
在body標(biāo)簽后邊添加繪制圖表使用的JavaScript腳本占位符
{{!data["plot_script"]}}
這里模板中未來用到的圖表div和JavaScript腳本將會由bokeh生成，并有bottle渲染，我們會在加下來這一章節(jié)說明。
4.2 Python代碼集成
將 2.2 章節(jié)中在notebook中調(diào)試成功的代碼轉(zhuǎn)換為函數(shù)，并實(shí)現(xiàn)到app.py中，注意原本在notebook中顯示圖表我們使用了show(p)的方法，在網(wǎng)頁應(yīng)用中我們僅僅是通過return p將圖表對象返回，返回值將通過bottle提供的方法進(jìn)行處理。
def get_df_from_source():
''' get dataframes from the source dataset, only take the data of some big cities
'''
cities = ['上海', '北京', '杭州', '寧波', '保定', '南京', '蘇州', '深圳', '廈門', '廣州']
df = pd.read_csv(dirname+'/dataset/AQI_merged.csv')
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values(by='date').reset_index(drop=True)
df = df[df['type']=='AQI']
return df
def draw_daily_AQI(mini_date, df):
year = mini_date.split('-')[0]
df_day = df[df['date']>=mini_date]
source = ColumnDataSource(df_day)
p = figure(x_axis_type="datetime", title="{}年AQI日均平均變化曲線".format(year), plot_width=1150, plot_height=400)
p.line('date', '上海', line_color='blue', legend_label='上海', source=source)
p.line('date', '北京', line_color='green', legend_label='北京', source=source)
p.line('date', '深圳', line_color='orange', legend_label='深圳', source=source)
p.legend.location = "top_right"
p.add_tools(HoverTool(tooltips=[("AQI", "$y")]))
return p
def draw_month_AQI(mini_date, df):
year = mini_date.split('-')[0]
df_day = df[df['date']>=mini_date]
df_day['month'] = df_day['date'].apply(lambda x: x.strftime('%Y-%m'))
df_month = df_day.groupby(by='month').mean().reset_index()
source = ColumnDataSource(df_month)
p = figure(x_range=list(df_month['month']), title="2019年AQI", plot_width=1150, plot_height=400)
p.vbar(x=dodge('month', -0.25, range=p.x_range), top='上海', width=0.2, color="#c9d9d3", legend_label="上海", source=source)
p.vbar(x=dodge('month', 0, range=p.x_range), top='北京', width=0.2, color="#718dbf", legend_label="北京", source=source)
p.vbar(x=dodge('month', 0.25, range=p.x_range), top='深圳', width=0.2, color="#e84d60", legend_label="深圳", source=source)
p.xgrid.grid_line_color = None
p.y_range.start = 0
p.add_tools(HoverTool(tooltips=[("時(shí)間", "@month"), ("上海平均AQI", "@{上海}"), ("北京平均AQI", "@{北京}"), ("深圳平均AQI", "@{深圳}")]))
return p
def draw_year_AQI(df):
df['date_ym'] = df['date'].apply(lambda x: x.strftime('%Y-%m'))
df_month = df.groupby(by='date_ym').mean().reset_index()
df_month['month'] = df_month['date_ym'].apply(lambda x: x.split('-')[-1])
df_month['year'] = df_month['date_ym'].apply(lambda x: x.split('-')[0])
df_2017 = df_month[df_month['year']=='2017'][['month', '北京']]
df_2018 = df_month[df_month['year']=='2018'][['month', '北京']]
df_2019 = df_month[df_month['year']=='2019'][['month', '北京']]
source_2017 = ColumnDataSource(df_2017)
source_2018 = ColumnDataSource(df_2018)
source_2019 = ColumnDataSource(df_2019)
p = figure(x_range=list(df_2017['month']), title="2017-2019年北京AQI對比", plot_width=1150, plot_height=400)
p.vbar(x=dodge('month', -0.25, range=p.x_range), top='北京', width=0.2, color="#c9d9d3", legend_label="2017", source=source_2017)
p.vbar(x=dodge('month', 0, range=p.x_range), top='北京', width=0.2, color="#718dbf", legend_label="2018", source=source_2018)
p.vbar(x=dodge('month', 0.25, range=p.x_range), top='北京', width=0.2, color="#e84d60", legend_label="2019", source=source_2019)
p.xgrid.grid_line_color = None
p.y_range.start = 0
p.add_tools(HoverTool(tooltips=[("時(shí)間", "@month"), ("AQI", "@{北京}")]))
return p
三個(gè)繪圖函數(shù)返回了圖表對象p，我們?nèi)绻軌蜃宐ottle來渲染圖表對象，從而實(shí)現(xiàn)在網(wǎng)頁中的圖表展示呢？bokeh提供了一個(gè)components方法，可以接收圖表對象作為參數(shù)，而返回繪圖使用的JavaScript腳本和圖表div，因此修改我們的index路由函數(shù)為：
@app.route('/')
def index():
df = get_df_from_source()
plot1 = draw_daily_AQI('2019-01-01', df=df)
plot2 = draw_month_AQI('2019-01-01', df=df)
plot3 = draw_year_AQI(df=df)
plots_data = components((plot1, plot2, plot3))
data = {
"plot_script":plots_data[0],
"plot1_div":plots_data[1][0],
"plot2_div":plots_data[1][1],
"plot3_div":plots_data[1][2],
"developer_organization":"pythonlibrary.net"}
return template('index', data = data)
在這里，index.tpl模板中的data字典中的plot1_div，plot2_div，plot3_div以及plot_script將被動態(tài)的渲染替換。最終實(shí)現(xiàn)了將圖表展示在網(wǎng)頁上的目的。
你可以clone本項(xiàng)目的倉庫來嘗試運(yùn)行，或者直接訪問http://china-aqi-data-visulazition.herokuapp.com/來查看效果
5. 部署應(yīng)用到Heroku
這部分內(nèi)容跟怎么將數(shù)據(jù)圖表展示在網(wǎng)頁上沒有直接的關(guān)系，僅僅是一種可選的免費(fèi)云服務(wù)，可以供你來共享你的頁面，或者了解網(wǎng)頁部署。但其實(shí)不同的服務(wù)可能部署的方式并不相同，因此如果你要部署你的網(wǎng)頁到其他服務(wù)提供商，可能這里的知識完全不適用。
在Heroku上用戶可以免費(fèi)部署有限的網(wǎng)絡(luò)應(yīng)用，同時(shí)過程也非常的簡單，只需要實(shí)現(xiàn)一個(gè)Procfile文件，Heroku系統(tǒng)就知道怎么運(yùn)行你的服務(wù)了。我們的項(xiàng)目中Procfile使用如下代碼，跟我們本地運(yùn)行服務(wù)類似。
web: python app.py
而針對app.py的入口代碼，需要將port改為從環(huán)境變量讀取，因?yàn)镠eroku會動態(tài)的為應(yīng)用分配端口，如果指定一個(gè)固定值，則會因?yàn)镠eroku沒有打開其的對外訪問，而導(dǎo)致用戶無法訪問該服務(wù)。
if __name__ == "__main__":
port=int(os.environ.get("PORT", 8080))
app.run(host="0.0.0.0", port=port, debug=True
最后用戶可以在Heroku頁面上選擇將github倉庫和應(yīng)用連接在一起，那么系統(tǒng)會自動的從github拉取最新代碼然后啟動服務(wù)。
6. 參考文檔
https://docs.bokeh.org/en/latest/docs/reference/models/plots.html
https://docs.bokeh.org/en/latest/docs/reference/embed.html
https://bottlepy.org/docs/dev/
更多關(guān)于python數(shù)據(jù)可視化的教程請查看下面的相關(guān)文章
相關(guān)文章
Tensorflow加載Vgg預(yù)訓(xùn)練模型操作
這篇文章主要介紹了Tensorflow加載Vgg預(yù)訓(xùn)練模型操作，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
python腳本實(shí)現(xiàn)統(tǒng)計(jì)日志文件中的ip訪問次數(shù)代碼分享
這篇文章主要介紹了python腳本實(shí)現(xiàn)統(tǒng)計(jì)日志文件中的ip訪問次數(shù)代碼分享,注意此腳本只適用ip在每行開頭的日志文件,需要的朋友可以參考下2014-08-08
Python獲取當(dāng)前時(shí)間日期的實(shí)現(xiàn)示例
本文主要介紹了Python獲取當(dāng)前時(shí)間日期，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
解決django model修改添加字段報(bào)錯(cuò)的問題
今天小編就為大家分享一篇解決django model修改添加字段報(bào)錯(cuò)的問題，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
這篇文章主要介紹了Python中的json內(nèi)置庫詳解,在學(xué)習(xí)做自動化測試的過程中,python 里有一個(gè)內(nèi)置的 json 庫,必須要學(xué)習(xí)好,json 是用于存儲和交換數(shù)據(jù)的語法,是一種輕量級的數(shù)據(jù)交換式使用場景,需要的朋友可以參考下2023-08-08
這篇文章主要介紹了Python的Bottle框架中獲取制定cookie的教程,主要是針對別的路徑而不是當(dāng)前頁面的cookie,需要的朋友可以參考下2015-04-04
python使用openpyxl打開及讀取excel表格過程
openpyxl是一個(gè)Python庫,用于讀寫Excel?2010?xlsx/xlsm文件,它允許你輕松工作與Excel表格,進(jìn)行數(shù)據(jù)處理和分析,支持讀取、創(chuàng)建和修改Excel文件,甚至可以在Excel中插入圖表等,安裝非常簡單,只需要使用pip命令即可2024-09-09
這篇文章主要為大家詳細(xì)介紹了python如何在終端里面顯示一張圖片的方法，感興趣的小伙伴們可以參考一下2016-08-08
一些讓Python代碼簡潔的實(shí)用技巧總結(jié)
隨著項(xiàng)目代碼行數(shù)的增加,不可避免的遇到軟件架構(gòu)腐敗的問題,所以如何寫出簡潔的代碼至關(guān)重要,這篇文章主要給大家介紹了一些讓Python代碼簡潔的實(shí)用技巧,需要的朋友可以參考下2021-08-08
python關(guān)于圖片和base64互轉(zhuǎn)的三種方式
無論使用cv2、PIL還是直接讀取圖片的方法進(jìn)行圖片與Base64的轉(zhuǎn)換,核心步驟都涉及到二進(jìn)制格式的轉(zhuǎn)換,每種方法的基本過程都是：Base64轉(zhuǎn)二進(jìn)制,然后二進(jìn)制轉(zhuǎn)圖片,或反向操作,這些方法均基于二進(jìn)制與圖片轉(zhuǎn)換的基本原理2024-09-09