91 captures
29 Sep 2017 - 05 Dec 2025
Oct NOV Dec
29
2020 2021 2022
success
fail

About this capture

COLLECTED BY

Collection: Common Crawl

Web crawl data from Common Crawl.
TIMESTAMPS

The Wayback Machine - http://web.archive.org/web/20211129215033/https://www.fullstackpython.com/bokeh.html
  

Full Stack Python logoFull Stack Python
 All topics | Blog | Supporter's Edition | @fullstackpython | Facebook | What's new?

Bokeh






Bokeh is a data visualization library that allows a developer to code in Python and output JavaScript charts and visuals in web browsers.
Bokeh logo on a dark background.

Why is Bokeh a useful library?


Web browsers are ideal clients for consuming interactive visualizations. However, libraries such as d3.js can be difficult to learn and time consuming to connect to your Python backend web app. Bokeh instead generates the JavaScript for your application while you write all your code in Python. The removal of context switching between the two programming languages can make it easier and faster to create charts and visualizations. 

What do Bokeh visualizations look like?


Bokeh can create any type of custom graph or visualization. For example, here is a screenshot of a bar chart created with the figure plot:
Responsive Bokeh bar chart with 64 bars.
For more references, including interactive live demonstrations, check out these sites:


The official Bokeh gallery has many example Bokeh visual formats.


Bokeh Applications hosts numerous data visualizations built with Bokeh.

Bokeh resources


Bokeh is under heavy development ahead of the upcoming 1.0 release. Note that while all of the following tutorials are useful, it is possible some of the basic syntax will change as the library's API is not yet stable.


Integrating Bokeh Visualisations Into Django Projects does a nice job of walking through how to use Bokeh to render visualizations in Django projects.


Responsive Bar Charts with Bokeh, Flask and Python 3 is my recommended tutorial for those new to Bokeh who want to try out the library and get an example project running quickly with Flask.


Fun with NFL Stats, Bokeh, and Pandas takes an NFL play-by-play data set, shows how to wrangle the data into an appropriate format then explains the code that uses Bokeh to visualize it.


Visualizing with Bokeh gives a detailed explanation with the code for number Bokeh visuals you can output while working with a pandas data set.


Interactive Data Visualization in Python With Bokeh is a great beginners tutorial that shows you how to structure your data, draw your first figures and add interactivity to the visualizations.


Creating Bar Chart Visuals with Bokeh, Bottle and Python 3 is a tutorial that combines the Bottle web framework


Building Bullet Graphs and Waterfall Charts with Bokeh covers buildings two types of useful visualizations into your applications using Bokeh.


Interactive Visualization of Australian Wine Ratings builds a non-trivial visualization with a nice sample set of data based on wine ratings.


Visualization with Bokeh


Drawing a Brain with Bokeh is a fun example of a chord diagram that represents neural connections in the brain.


Bryan Van de Ven on Bokeh is a podcast episode by one of the main Bokeh maintainers.


The Python Visualization Landscape by Jake VanderPlas at PyCon 2017 covers many Python data visualization tools, including Bokeh.


This flask-bokeh-example project has the code to create a simple chart with Bokeh and Flask.


Realtime Flight Tracking with Pandas and Bokeh provides a great example of combining pandas for structuring data with Bokeh for visualization.


How to Create an Interactive Geographic Map Using Python and Bokeh shows how to use a GeoJSONDataSource as input for Bokeh and draw a map with the data.

What else would you like to learn about Python and data?





Tell me about standard relational databases.
  



What're these NoSQL data stores hipster developers keep talking about?
  



Why is Python a good programming language to use?
  




Sponsored By


AssemblyAI logo
The most accurate speech-to-text API. Built for Python developers.




Table of Contents



1. Introduction 2. Development Environments 3. Data Relational Databases PostgreSQL MySQL SQLite Object-relational Mappers SQLAlchemy Peewee Django ORM Pony ORM NoSQL Data Stores Redis MongoDB Apache Cassandra Neo4j Data analysis pandas SciPy & NumPy Data visualization Bokeh d3.js Matplotlib Markup Languages Markdown reStructuredText 4. Web Development 5. Deployment 6. DevOps Changelog What Full Stack Means About the Author Future Directions Page Statuses ...or view the full table of contents.



Full Stack Python


Full Stack Python is an open book that explains concepts in plain language and provides helpful resources for those topics.
Updates via Twitter & Facebook.



Chapters



1. Introduction 2. Development Environments 3. Data » Bokeh 4. Web Development 5. Deployment 6. DevOps Changelog What Full Stack Means About the Author Future Directions Page Statuses ...or view the full table of contents.

 

Matt Makai 2012-2021