Bokeh 是 Python 的数据可视化库。与 Matplotlib 和 Seaborn 不同，虽然都是用于数据可视化的 Python 包，但是 Bokeh 使用 HTML 和 JavaScript 渲染其绘图。因此 Bokeh 对于开发基于 Web 的仪表板非常有用。
Bokeh 项目由 NumFocus https://numfocus.org/ 赞助。NumFocus 还支持 PyData，这是一个教育计划，参与开发其他重要工具，如 NumPy、Pandas 等。Bokeh 可以轻松连接这些工具并生成交互式绘图、仪表板和数据应用程序。
特征
Bokeh 主要将数据源转换为 JSON 文件，该文件用作 BokehJS(一个 JavaScript 库)的输入，而 BokehJS 又是用 TypeScript 编写的，并在现代浏览器中呈现可视化。
Bokeh的一些重要特征如下：
1. 灵活性
Bokeh 对于常见的绘图要求以及自定义和复杂的用例很有用。
2. 生产效率
Bokeh 可以轻松与其他流行的 Pydata 工具交互，例如 Pandas 和 Jupyter notebook。
3. 互动性
这是 Bokeh 相对于 Matplotlib 和 Seaborn 的一个重要优势，它们都可以生成静态图。Bokeh 创建的交互式绘图会在用户与其交互时发生变化。您可以为您的受众提供广泛的选项和工具，以从各个角度推断和查看数据，以便用户可以执行“假设”分析。
4. 强大
通过添加自定义 JavaScript，可以为专门的用例生成可视化。
5. 可分享
绘图可以嵌入到 Flask 或启用 Django 的 Web 应用程序的输出中，它们也可以在 Jupyter notebooks 中使用。
6. 开源
Bokeh 是一个开源项目。它是在伯克利源代码分发 (BSD) 许可下分发的。它的源代码可在 https://github.com/bokeh/bokeh 上找到。
