如何使用 Python 的 Bokeh 更改刻度标签大小
Bokeh 是 Python 中可用的数据可视化库之一，它允许用户在 Web 浏览器中创建交互式图表、数据应用程序和仪表板。Bokeh 为我们提供了各种图表，例如散点图、线图、条形图和面积图等，以及更专业的热图和地理地图。这是一个拥有活跃开发者社区的开源库。
在 Python 中使用 Bokeh 创建图表
Bokeh 库提供了两个用于创建图表的主要接口，一个是用于从各个组件开发图表的低级接口，另一个是用于从简单的 Python 代码开发图表的高级接口。高级界面比低级界面更先进，提供了更直观、更简单的方法来创建不同类型的图表。
Bokeh 库支持广泛的选项，允许用户通过添加注释和交互来控制图表，还允许我们包含来自各种来源的数据。
Bokeh 库的功能
以下是 Bokeh 库的主要功能。
它在 Web 浏览器中提供交互式数据可视化。
该库的输出可以是 HTML、PNG 和 SVG。
它支持实时和流式数据。
它还支持地理映射和数据探索。
这可以与 Numpy 和Pandas。
在数据可视化和绘图中，刻度是用于在绘图中识别所显示数据的小标记或指示符。绘图中有两种类型的刻度。一种是 xticks，另一种是 yticks。
安装 Bokeh 库
要在 python 中使用 Bokeh 库，首先我们必须使用以下代码安装该库。
pip install bokeh
在 python 中成功安装 bokeh 库后，将生成以下输出
pip install bokeh
Collecting bokeh
Downloading bokeh-3.1.1-py3-none-any.whl (8.3 MB)
---------------------------------------- 8.3/8.3 MB 44.2 MB/s eta 0:00:00
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Downloading six-1.16.0-py2.py3-none-any.whl (11 kB)
Installing collected packages: pytz, xyzservices, tzdata, tornado, six, PyYAML, pillow, packaging, numpy, MarkupSafe, python-dateutil, Jinja2, contourpy, pandas, bokeh
Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.
Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.
Successfully installed Jinja2-3.1.2 MarkupSafe-2.1.2 PyYAML-6.0 bokeh-3.1.1 contourpy-1.0.7 numpy-1.24.3 packaging-23.1 pandas-2.0.1 pillow-9.5.0 python-dateutil-2.8.2 pytz-2023.3 six-1.16.0 tornado-6.3.2 tzdata-2023.3 xyzservices-2023.2.0
示例
在此示例中，我们将使用 bokeh 库创建绘图，而无需指定绘图中的 tics。以下是可以用作参考的代码。
在下面的代码中，我们从 bokeh 库导入了图形和显示函数，然后指定了绘图的大小并绘制了 x 和 y 变量数据的散点图，最后显示了创建的绘图。
from bokeh.plotting import figure, show p = figure(width=600, height=400) x = [1, 2, 3, 4, 5] y = [2, 5, 3, 6, 1] p.scatter(x, y) show(p)
输出
以下是使用 bokeh 库创建的散点图的输出。
示例
在下面的示例中，我们将使用 bokeh 库的 NumeralTickFormatter() 函数指定刻度。
from bokeh.plotting import figure, show from bokeh.models import NumeralTickFormatter p = figure(width=600, height=400) x = [1, 2, 3, 4, 5] y = [2, 5, 3, 6, 1] p.scatter(x, y) p.yaxis.formatter = NumeralTickFormatter(format="$0,0") p.xaxis.formatter = NumeralTickFormatter(format = "%0,0") show(p)
输出
以下是使用 bokeh 函数创建的散点图的输出，其中 x 轴和 y 轴上有刻度。
示例
让我们再看一个例子，使用 NumeralTickFormatter() 函数在 x 轴和 y 轴上应用刻度。
from bokeh.plotting import figure, show from bokeh.models import NumeralTickFormatter import numpy as np p = figure(width=600, height=400) x = np.arange(10,40,2) y = np.random.randn(20) p.line(x，y) p.yaxis.formatter = NumeralTickFormatter(format="%0,0") p.xaxis.formatter = NumeralTickFormatter(format = "$0,0") show(p)
输出
以下是使用 scatter() 和 NumeralTickFormatter() 函数绘制的图中使用的刻度输出。
