【為何寫作本書】

2019年5月，PYPL（編程語言流行指數(shù)，基于Google搜索頻率而定）出爐了編程語言排行榜，Python位列第一，成為當(dāng)下最流行的編程語言之一。TIOBE排行榜也顯示，Python的流行度屢創(chuàng)新高，目前排名第四，并保持高速增長。作為大數(shù)據(jù)和人工智能時代的必備語言，Python具有語言簡潔、開發(fā)效率高、可移植性強等優(yōu)點，經(jīng)過多年的生態(tài)建設(shè)，Python有了大量的函數(shù)庫，尤其在數(shù)據(jù)分析和科學(xué)計算領(lǐng)域。另外，函數(shù)在Python中是一等公民，所以Python同時也是一種函數(shù)式編程語言。

互聯(lián)網(wǎng)的快速發(fā)展為我們積累了龐大的數(shù)據(jù)，計算機硬件的創(chuàng)新為存儲與分析這些數(shù)據(jù)創(chuàng)造了硬件條件，編程語言的發(fā)展為分析這些數(shù)據(jù)創(chuàng)造了軟件條件。在數(shù)據(jù)分析這個領(lǐng)域，Python有著自身獨特的優(yōu)勢，簡單易用的特性與強大的開源模塊的支持使其成為數(shù)據(jù)分析領(lǐng)域方便好用的利器。

Python在數(shù)據(jù)分析領(lǐng)域的廣泛應(yīng)用離不開強大的開源模塊的支持，大名鼎鼎的NumPy、Scipy、Statsmodels、Pandas等模塊的建立與發(fā)展奠定了Python在數(shù)據(jù)分析領(lǐng)域的重要地位。這些模塊簡單又好用，提供的解決方案能夠滿足絕大部分業(yè)務(wù)需求。在人工智能領(lǐng)域，Python也有非常棒的解決方案，如Sklearn、XGBoost、TensorFlow、MXNet、Theano、Caffe等都是非常好的開源模塊。尤其在人工智能中前沿的深度學(xué)習(xí)領(lǐng)域，Python幾乎占據(jù)了霸主的地位。Python借助在數(shù)據(jù)分析領(lǐng)域中開源模塊的優(yōu)勢，在量化投資領(lǐng)域逐漸占據(jù)了領(lǐng)頭羊的地位。

對數(shù)據(jù)的分析離不開數(shù)據(jù)的可視化，相對于在數(shù)據(jù)分析、人工智能、量化投資等領(lǐng)域中的發(fā)展，Python在數(shù)據(jù)可視化方面的發(fā)展有些滯后。最經(jīng)典的Python可視化繪圖庫莫過于Matplotlib。Matplotlib就是MATLAB Plot Library，即模仿MATLAB的繪圖庫，其繪圖風(fēng)格與MATLAB類似。由于MATLAB的繪圖風(fēng)格偏古典，為了繪出更漂亮的圖像，Python開源社區(qū)開發(fā)出了Seaborn繪圖模塊，它本質(zhì)上是對Matplotlib的封裝，繪圖效果更符合現(xiàn)代人的審美。盡管如此，由于Matplotlib是基于GUI的繪圖模塊，所以也存在特有的缺陷。

就筆者的使用經(jīng)驗而言，Matplotlib主要存在兩大缺陷：首先，Matplotlib是一個靜態(tài)的繪圖模塊，其繪制的圖像都是靜態(tài)的，就像用軟件打開圖片一樣，無法實現(xiàn)Web繪圖的交互效果；其次，Matplotlib繪圖結(jié)果分享極其不便，只能以圖片的方式分享，讀者看到的繪圖結(jié)果完全是靜態(tài)的，分享體驗較差。至于Python其他繪圖模塊，諸如GGplot2、Plotly、Pyecharts等都比較小眾，而Bokeh集成在Anaconda中，在筆者創(chuàng)作本書的過程中，Bokeh在GitHub上的Stars已經(jīng)超過了Matplotlib。

Bokeh是一個基于D3.js的繪圖庫，所以其繪圖結(jié)果可以與Web應(yīng)用無縫銜接，在實現(xiàn)與讀者交互的同時，便于分享、傳播。其次，Bokeh有著自己強大又豐富的繪圖庫，提供了優(yōu)雅、簡潔的多功能圖形繪制方法，在超大數(shù)據(jù)集或流式數(shù)據(jù)集上具有高性能的交互性，且與Python（或其他語言）的交互快速而簡單。

筆者從2014年開始學(xué)習(xí)Python，主要將其用于傳統(tǒng)行業(yè)數(shù)據(jù)分析，2016年初嘗Bokeh便被其深深吸引。然而，Bokeh官方的文檔為英文，且不符合國人的繪圖習(xí)慣，因此我希望盡自己的微薄之力，將近年所知、所學(xué)進行歸納、整理，若讀者能從中感悟一二，并將其用于工作實踐，將是本書和本人之福！

【讀者對象】

（1）大數(shù)據(jù)分析人員

毫無疑問，大數(shù)據(jù)分析人員是本書的核心受眾群體之一，本書與其他可視化的書籍不同，本著Talk is cheap，show me your code的原則，盡可能言簡意賅、深入淺出，以代碼實現(xiàn)各種圖表。數(shù)據(jù)可視化作為整個數(shù)據(jù)分析過程的最后一環(huán)，好的數(shù)據(jù)展示效果，往往會讓數(shù)據(jù)分析結(jié)果更為生動、更具說服力。

另外，本書中代碼未過多涉及復(fù)雜的數(shù)據(jù)預(yù)處理和分析技巧，著重講述不同圖表的繪制方法，以便于大數(shù)據(jù)分析人員進行重構(gòu)，書中代碼基本上可以即拿即用，從而節(jié)約寶貴時間用在數(shù)據(jù)清洗和分析探索上。

（2）企業(yè)管理運營人員

市面上各式各樣的BI系統(tǒng)都非常成熟，如數(shù)據(jù)分析、圖表的拖拽等，即使零編程基礎(chǔ)的用戶都可以做出像模像樣的可視化圖表或數(shù)據(jù)看板。然而，如果涉及產(chǎn)品、市場等核心敏感數(shù)據(jù)時，則不得不招兵買馬，組建團隊，以期實現(xiàn)企業(yè)專屬的數(shù)據(jù)可視化系統(tǒng)，如業(yè)務(wù)中臺、數(shù)據(jù)中臺、營銷中臺等。此時，不可避免地要考慮到開發(fā)成本問題，Bokeh可以與Flask、Django等完美結(jié)合，用最小的成本實現(xiàn)企業(yè)數(shù)據(jù)全網(wǎng)實時、動態(tài)展示；在中小型公司中，如果無須聯(lián)網(wǎng)僅內(nèi)部使用，則無須服務(wù)器建站，可直接使用Bokeh sever展示，并通過局域網(wǎng)實現(xiàn)內(nèi)部分享。

（3）IT轉(zhuǎn)型人員

隨著互聯(lián)網(wǎng)的發(fā)展，數(shù)據(jù)分析團隊的成員分工也變得更細，專精于數(shù)據(jù)可視化系統(tǒng)開發(fā)的人才也會愈加受到重視。而且，在Bokeh數(shù)據(jù)可視化領(lǐng)域沒有復(fù)雜的算法，僅需具備一些Web前端和Python編程基礎(chǔ)知識即可。

（4）大中專院校學(xué)生及科研人員

本書符合國內(nèi)讀者的閱讀習(xí)慣，書中的可視化圖表也可供大中專院校學(xué)生及科研人員進行論文寫作、實際工作時使用。

【主要內(nèi)容】

本書共分為5章，各章主要內(nèi)容如下：

第1章介紹一些準(zhǔn)備工作，包括Anaconda的安裝方法、運行環(huán)境，以及繪圖的主要方法。

第2章主要介紹基本圖形的繪制，即對Bokeh中一些常見的基礎(chǔ)圖形，如線形圖、柱狀圖、餅圖、氣泡圖和直方圖等進行介紹。

第3章主要介紹數(shù)據(jù)類型與轉(zhuǎn)換，包括對Bokeh所需的常見數(shù)據(jù)類型進行的介紹。

第4章主要介紹視圖屬性，包括Bokeh圖形配色、畫布屬性及繪圖工具，圖形顯示方式和輸出方式，用控件進行數(shù)據(jù)交互的方法。

第5章主要介紹Web動態(tài)可視化。熟悉Web開發(fā)的讀者可以在任意前端框架下嵌入圖形。

如果僅對Bokeh的基礎(chǔ)繪圖感興趣，那么前4章的內(nèi)容就能滿足你的需求；如果你有一定的Web開發(fā)基礎(chǔ)，那么可以參考第5章的內(nèi)容，實現(xiàn)Web數(shù)據(jù)可視化。