数据可视化与rbokeh教程

数据可视化是将数据集中的洞察以图形方式呈现，使得数据的分析结果更加直观易懂。通过使用富有意义且引人注目的图表，可以更容易地传达数据分析的发现。根据不同的需求，有多种类型的图表可供选择，例如条形图用于展示分类分布，折线图用于展示时间序列信息等。当使用合适的图表和和谐的色彩搭配时，图表不仅方便而且美观。Python和R语言中有许多用于数据可视化的库，如Altair、ggplot、Bokeh、Holoviews等。

Bokeh简介

Bokeh是一个提供声明式框架的可视化包，用于生成灵活且强大的基于Web的图表。Bokeh使用HTML canvas生成图表，并具有多种交互功能。Bokeh支持Python、Scala、Julia以及R语言的接口。Bokeh库由Bokeh核心团队构建和维护。

rbokeh是什么？

rbokeh是一个使用Bokeh可视化工具的开源R语言绘图包。它提供了一个灵活的声明式接口，用于动态的基于Web的可视化。rbokeh包由Ryan Hafen开发并维护。在使用rbokeh之前，需要安装R和RStudio。也可以使用Kaggle或Google Colab来创建rbokeh可视化。

为什么选择rbokeh？

rbokeh允许构建各种类型的交互式图表。它帮助和观众通过与数据故事的互动来了解更多信息。结果可以被分享、集成到HTML文档中或用于在线应用中。

安装rbokeh

要开始使用，将使用R函数install.packages()从CRAN获取这个包。

导入rbokeh包，将使用以下命令：

同时导入以下库：

导入的库提供许多预安装的数据集。运行以下命令查看预安装数据集的完整列表：

在本文中，将使用不同的预安装数据集。在进行图表可视化之前，重要的是要注意rbokeh图表是通过初始化一个figure()函数来创建的。这类似于一个空的画布，可以在上面布局，然后使用管道操作符添加更多层。数据输入是x、y和ly_geom()，这将指定使用的几何类型，如ly_points、ly_lines、ly_hist、ly_boxplot等。

让尝试构建一个散点图。以预安装数据集中的Orange数据集为例。该数据集包括不同树木的年龄和周长的统计数据。可以使用以下命令打印出‘Orange’数据集的前几行：

假设想看看不同树木年龄和周长之间的关系；散点图是一个很好的选择，可以看到所有的数据点。首先，将初始化一个‘figure()’。然后将创建一个‘ly_points’层，并传递所需的参数：

这里的结果图表包括每棵树的一个点，并显示了树木年龄和周长之间可能存在的关系。此外，悬停在点上可以查看使用hover函数添加的提示。其他交互功能，如平移和缩放，也是可用的。

接下来，将使用Orange数据集创建一个简单的折线图。对于年龄与周长的折线图，可以简单地指定x、y和data参数在‘ly_lines’层中，如下所示：

这里将结果图表赋值给‘line_plot’，然后通过写‘line_plot’来可视化图表。这是因为rbokeh图表是对象，可以稍后保存、检索和修改。还设置了线宽为3，以获得更粗的线条。

接下来将查看直方图。这里使用的是预安装数据集中的Flight frequency数据集。该数据集包括不同周日期的航班频率统计。将使用以下命令查看Flight frequency数据集的前几行：

可以使用直方图来可视化数据中某一列值的分布。这里使用以下代码显示航班频率的分布。这里将使用ly_hist函数来查看变量的分布。

现在来绘制箱线图，这通常用于确定变量值的集中趋势。使用以下代码，将为Flight frequency数据集中的每一天制作一个箱线图。

对于下一个图表，即条形图，使用的是Iris数据集，该数据集包含了萼片的长度和宽度，以及物种。

可以使用网格图，它允许在同一个布局中放置多个图表。可以合并不同类型的图表，如条形图、折线图、散点图等。使用以下代码，将创建一个网格图。

• rbokeh库是R中生成动态可视化的强大工具。
• 可以使用rbokeh包从数据中创建交互式图表。
• 如何安装rbokeh包需要R和RStudio的安装。
• 如何使用rbokeh创建图表。
• 在网格布局中组织多个图表。