bokeh python Bewertungen & Produktdetails

Ich mag, wie es mehrere vorgefertigte interaktive Plot-Vorlagen gibt, die es ermöglichen, interaktive Plots mit nur einer Codezeile zu erstellen, aber dass es auch Raum für Anpassungen darüber hinaus gibt. Es ist ziemlich einfach, mit Bokeh zu beginnen, um einfache, aber nützliche interaktive Plots und Webseiten zu erstellen. Bewertung gesammelt von und auf G2.com gehostet.

Ich hatte einige Probleme, bestimmte Funktionen zum Laufen zu bringen, auf die ich schließlich einfach verzichtet habe. Es gibt eine Lernkurve, wenn man versucht, sehr individuelle Dinge zu erstellen, ohne viel Dokumentation. Es ist auch schwierig zu debuggen und erfordert das Erlernen von etwas JavaScript, was nützlich ist, aber die Lernkurve erhöht. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag das Bokeh-Python-Paket, weil es mir ermöglicht, Daten auf zuvor unerreichbare Weise zu visualisieren. Dieses Paket erlaubt es mir, Analysen auf eine Weise durchzuführen, die mein Team beeindruckt. Es hat wirklich die Art und Weise verändert, wie wir Datenengineering in unserem Team betreiben. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag dieses Paket nicht, weil es manchmal etwas schwer zu benutzen ist, die Dokumentation ist nicht die beste und manchmal unklar. Dieses Paket benötigt definitiv eine bessere Dokumentation. Bewertung gesammelt von und auf G2.com gehostet.

Mit Bokeh kann ich interaktive Grafiken erstellen, die meinen Leistungstestberichten eine ganz neue Dimension verleihen. Sie sehen nicht nur schön aus, sondern ermöglichen es mir, Konzepte auf interaktive Weise zu veranschaulichen, ohne verschiedene Grafiken zu erzeugen, die nur herangezoomte Versionen oder einfache Zahlen sind: Ich kann die Zahlen anzeigen, indem ich über die erzeugte Grafik fahre. Bewertung gesammelt von und auf G2.com gehostet.

es hat eine Weile gedauert, bis ich die richtige Konfiguration hatte. Matplotlib funktioniert fast sofort, bokeh benötigt sehr wenig, um ein schönes Diagramm zu erstellen, aber es erfordert einiges an Arbeit, um genau das zu bekommen, was man möchte. Dies wird jedoch dadurch gerechtfertigt, dass das Endergebnis ansprechender als Matplotlib und interaktiv ist. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag Bokeh Python, weil es mir ermöglicht, meine Datenanalyse-Workflows zu optimieren, sodass ich verschiedene Arten von Daten einem großen Publikum besser präsentieren kann. Es macht Daten mit den verschiedenen Arten von Grafiken leichter verständlich. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag es nicht, dass Bokeh eine Open-Source-Bibliothek ist, die in ihrer Dokumentationsform etwas schwer zu verstehen ist, vielleicht weil sehr fortgeschrittene Personen sie geschrieben haben. Bewertung gesammelt von und auf G2.com gehostet.

Bokeh ermöglicht es mir und meinem Team, Daten und Informationen auf eine Weise zu visualisieren, die zuvor mit den umständlichen BI-Tools, die wir früher verwendet haben, nicht möglich war. Ich glaube, was ich an Bokeh am meisten liebe, ist, wie einfach es zu installieren und zu verwenden ist, weil es Open Source ist. Bewertung gesammelt von und auf G2.com gehostet.

Mit Open Source kommt das Problem mit dem Support. Es gibt nicht viel Unterstützung, abgesehen von einem Entwicklerhandbuch, das auf ihrer Website verfügbar ist, also sollten Sie besser ein Team von Ingenieuren bereit haben, um tief einzutauchen. Bewertung gesammelt von und auf G2.com gehostet.

Bokeh ist eine phänomenale Visualisierungsbibliothek in Python. Als Datenwissenschaftler suchen Sie ständig nach Möglichkeiten, Daten auf verständlichere Weise darzustellen, und Bokeh ermöglicht Ihnen genau das. Bewertung gesammelt von und auf G2.com gehostet.

Ich denke, was mir an dieser Bibliothek nicht gefällt, ist die Lernkurve. Es ist nicht einfach, jede neue Funktion zu lernen, und es braucht Zeit. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag es, dass es relativ einfach ist, dynamische HTML-Visualisierungen zu erstellen, die schick aussehen und sich gut anfühlen. Da ich R vor Python für Statistik und Visualisierungen gelernt habe, bevorzuge ich definitiv die Syntax von R's ggplot2 (die plotly dann leicht in eine HTML-Version mit plotly::ggplotly() umwandeln kann). Für die Arbeit mit Python, die ich mache (wenn meine Kollegen Python-Notebooks bevorzugen, etc.), ist die Fähigkeit von Bokeh großartig! Die API ist ziemlich konsistent über verschiedene Plot-Typen hinweg, was großartig ist. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl Bokeh ziemlich stark darin ist, hübsche Slice-Visualisierungen zu erstellen, finde ich es schwieriger, Plot-Themen und -Funktionen anzupassen, verglichen mit einigen anderen Visualisierungsbibliotheken. Allerdings bin ich auch von den Standardeinstellungen eines jeden Bokeh-Plots mehr beeindruckt. Bewertung gesammelt von und auf G2.com gehostet.

Die Bibliothek hat viel Potenzial, um ein Regenbogen von Visualisierungen zu erstellen. Ich mag, dass die Dashboards interaktiv sind. Bewertung gesammelt von und auf G2.com gehostet.

Die Hilfsmittel oder Lernressourcen sind begrenzt. Bewertung gesammelt von und auf G2.com gehostet.

Einfach zu lernen und zu verwenden, gut für grundlegende interaktive Diagramme. Ermöglicht es Ihnen, Diagramme in vielen Medien bereitzustellen (HTML, Notebook und Server). Gute Alternative zu Plotly und Pygal. Bewertung gesammelt von und auf G2.com gehostet.

Plotly bietet von Haus aus ein viel höheres Maß an Interaktivität als Bokeh. Bokeh hat ein Problem mit seiner Dokumentation. Bewertung gesammelt von und auf G2.com gehostet.