Mise en relief et contraste

Visualisation de données interactive avec Bokeh

George Boorman

Core Curriculum Manager, DataCamp

Vectoriser la taille des glyphes

sizes = nba["points"] / 50

fig = figure(x_axis_label="Assists", y_axis_label="Points")
fig.circle(x=nba["assists"], y=nba["points"], fill_color="purple", radius=sizes)

output_file(filename="glyph_vectorization.html")
show(fig)

Tailles différentes

radii_50

radii_25

Palettes

from bokeh.palettes import Inferno3

inferno

from bokeh.palettes import Colorblind4

colorblind

from bokeh.palettes import __palettes__
__palettes__[:8]

['Accent3',
 'Accent4',
 'Accent5',
 'Accent6',
 'Accent7',
 'Accent8',
 'Blues3',
 'Blues4']

Cartographie des couleurs et barres de couleur

linear_cmap

Cartographie linéaire des couleurs

from bokeh.transform import linear_cmap

from bokeh.palettes import YlOrBr8

from bokeh.models import ColorBar

mapper = linear_cmap(field_name="points", palette=YlOrBr8,
                      low=min(nba["points"])), high=max(nba["points"]))

fig = figure(x_axis_label="Assists", y_axis_label="Points")
fig.circle(x="assists", y="points", source=source, fill_color=mapper, line_color=mapper)

color_bar = ColorBar(color_mapper=mapper["transform"], width=8)

fig.add_layout(color_bar, "right")

output_file(filename="linear_cmap.html")
show(fig)

Nuage de points à couleurs linéaires

linear_cmap

Cartographie des couleurs par facteur

from bokeh.transform import factor_cmap
from bokeh.palettes import Category10_5

positions = ["PG", "SG", "SF", "PF", "C"]
fig = figure(x_axis_label="Rebounds", y_axis_label="Points")
fig.circle(x="rebounds", y="points", source=source,

         fill_color=factor_cmap("position", palette=Category10_5, factors=positions),

         legend_field="position")

output_file(filename="factor_cmap.html")
show(fig)

Diagramme à barres catégorisé par couleur

factor_cmap

Passons à la pratique !

Visualisation de données interactive avec Bokeh