直接运行 pip install bokeh 即可完成基础安装，适用于HTML图表生成和Jupyter交互显示；需额外功能时应使用 pip install "bokeh[all]" 或按需选装如 "bokeh[jupyter]"；注意环境匹配与pip版本更新。
直接运行 pip install bokeh 就能完成基础安装，但是否要加额外参数、要不要提前处理环境冲突，得看你的实际用途。
基础安装：pip install bokeh 足够跑通大多数例子
这条命令会安装 Bokeh 核心库和最小依赖（如 numpy、pillow、jinja2）。它适用于：
- 写脚本生成 HTML 图表（用
output_file()+show()） - 在 Jupyter Notebook 里调用
output_notebook()显示交互图 - 不涉及地理数据、SVG 导出或复杂服务器部署的场景
注意：pip install bokeh 不会自动下载示例数据。如果后续运行官方例子报错说找不到 autompg 或 gapminder，得手动执行 bokeh sampledata 或在 Python 中运行 bokeh.sampledata.download()。
需要 Jupyter / 地理 / 导出功能？装 bokeh[all]
很多用户卡在「为什么 GeoJSONDataSource 找不到？」或「export_svgs() 报错 missing dependency」——其实是漏装了可选组件。这时应该：
- 用
pip install "bokeh[all]"（注意引号，Windows 和 shell 都需要） - 它会额外装上
geopandas、scipy、svgwrite、jupyter_bokeh等模块 - 如果你只用其中某一部分（比如只要 Jupyter 支持），可以精简为
pip install "bokeh[jupyter]"或pip install "bokeh[geo]"
不用 [all] 的话，某些 bokeh.models 下的类或 bokeh.io.export 里的函数会直接不可用，不是 import 报错，而是运行时才提示 missing optional dependency。
常见失败原因：Python 环境没选对，或 pip 版本太老
执行 pip install bokeh 后仍 import 失败，大概率不是 Bokeh 的问题，而是环境错位：
- 确认当前终端激活的是目标 Python 环境（
which python或where python，再对比pip --version输出的 Python 路径） - 旧版 pip（bokeh[all] 这类带 extras 的格式，先升级：
pip install --upgrade pip - conda 用户混用 pip 安装 Bokeh 容易引发依赖冲突，优先用
conda install -c conda-forge bokeh；若已用 pip 装过，建议先pip uninstall bokeh再切回 conda
另外，Bokeh 3.10.0（当前最新）要求 Python ≥ 3.8，如果用的是 Python 3.7 或更早，要么降级 Bokeh（如 pip install "bokeh），要么升级 Python。
验证安装是否真成功：别只看 pip 输出“Successfully installed”
终端里 pip 返回 success，不代表 Python 能 import。务必在 Python 会话中实测：
python -c "from bokeh.plotting import figure; print('OK')"
如果报 ModuleNotFoundError，说明安装路径和当前 Python 解释器不匹配。这时候：
- 不要反复 pip install —— 先查
python -m site看 site-packages 路径 - 检查是否误用了系统 Python（尤其 macOS 上自带的 Python）
- 虚拟环境未激活就 pip install，会导致包装进 base 环境而非 venv
真正容易被忽略的是：Bokeh 的部分功能（比如服务器应用 bokeh serve）依赖 Tornado，而 Tornado 5.x+ 对异步事件循环有严格要求，在某些嵌入式 Python 环境（如 VS Code 的 Python 插件后台进程）里可能静默失败，得单独验证 bokeh serve --show 是否能打开浏览器窗口。
