Bokeh 是用于现代 Web 浏览器的交互式可视化库。它为我们提供了通用常见的可视化图表，外观优雅，简洁。并且能在流数据集上提供高性能的交互式图表。
可能还有很多同学接触过其他可视化库，比如 Matplotlib、Seaborn、PyEcharts、plotly，他们之间各有各的优势和特点。虽然我们是要更新 Bokeh 系列文章，但是和其他的不同。我们学习前我们先了解一下 Bokeh 库的优劣势：
优势：
1. 专门为 Web 端设计的可视化交互库
2. 可以做出像 D3.js 简洁漂亮的交互可视化效果，但是比 D3.js 难度低很多
3. 可以让读者选取图表范围，还可以方便读者随时放大、缩小、保存 .png 等。
劣势：
1. 代码量相对于其他库来说会多一些。
2. 有关 Bokeh 库的相关中文资料比较少。
3. 官方给了许多复杂精美的可视化方案，但是查找相关参数的时候需要耗费许多时间。
官网展示的可视化方案：
Bokeh 库安装
可以使用conda或者pip安装
代码语言：javascript复制conda install boken # 自动安装依赖库和例子
pip install bokeh # 需要保证自己的环境里已经有 numpy 依赖库，没有例Bokeh 库接口
Bokeh 提供了两个接口。目前我们打算更新的 Bokeh 系列，主要用到 bokeh.plotting 接口。
low-level: bokeh.models，主要提供给开发者；
high-level: bokeh.plotting，主要围绕构建可视图像元素。
Bokeh 在 jupyter notebook 中运行
生成独立的 HTML 文档：
代码语言：javascript复制output_file在Jupyter / Zeppelin笔记本单元格中内联显示Bokeh可视化
代码语言：javascript复制output_notebookBokeh 官网传送链接：https://docs.bokeh.org/en/latest/
熊猫寄语：期待我们 Bokeh 的系列教程文章吧。下课！
