bokeh python Reseñas y Detalles del Producto

Me gusta cómo hay varias plantillas de gráficos interactivos predefinidas que te permiten generar gráficos interactivos con una sola línea de código, pero que también hay espacio para la personalización más allá de eso. Es bastante fácil comenzar con bokeh para hacer gráficos interactivos simples pero útiles y páginas web. Reseña recopilada por y alojada en G2.com.

He tenido algunos problemas para hacer que ciertas funciones funcionen y al final he terminado por rendirme. Hay una curva de aprendizaje al intentar hacer cosas muy personalizadas, sin mucha documentación. También es difícil de depurar y requiere aprender algo de JavaScript, lo cual es útil pero aumenta la curva de aprendizaje. Reseña recopilada por y alojada en G2.com.

Me gusta el paquete de Python bokeh porque me permite visualizar datos de maneras que antes eran inalcanzables. Este paquete me permite impulsar el análisis de una manera que impresiona a mi equipo. Realmente ha cambiado la forma en que hacemos ingeniería de datos en nuestro equipo. Reseña recopilada por y alojada en G2.com.

No me gusta este paquete porque a veces es algo difícil de usar, la documentación no es la mejor y a veces es poco clara. Este paquete definitivamente necesita una mejor documentación escrita y compartida. Reseña recopilada por y alojada en G2.com.

Me encanta la biblioteca bokeh en python porque me permite crear visualizaciones de datos de manera programática para el trabajo analítico de formas que antes no eran posibles, donde usábamos software lento y torpe. Reseña recopilada por y alojada en G2.com.

No me gusta que Bokeh Python sea completamente de código abierto y no tenga soporte de pago. Sería genial si los productos de código abierto tuvieran mejor soporte. Reseña recopilada por y alojada en G2.com.

Con Bokeh, puedo crear gráficos interactivos que dieron una dimensión completamente nueva a mis informes de pruebas de rendimiento. No solo se ven hermosos, sino que me permiten ilustrar conceptos de manera interactiva, sin generar diferentes gráficos que son solo versiones ampliadas o números simples: puedo mostrar los números al pasar el cursor sobre el gráfico generado. Reseña recopilada por y alojada en G2.com.

me tomó un tiempo obtener la configuración correcta. Matplotlib funciona casi de inmediato, bokeh requiere muy poco para producir un buen gráfico, pero bastante trabajo para obtener exactamente lo que deseas. De todos modos, esto se justifica por el hecho de que el resultado final es más cautivador que Matplotlib e interactivo. Reseña recopilada por y alojada en G2.com.

Me gusta Bokeh Python porque me permite optimizar mis flujos de trabajo de análisis de datos para poder mostrar mejor diferentes tipos de datos a una gran audiencia. Hace que los datos sean más fáciles de entender con los diversos tipos de gráficos. Reseña recopilada por y alojada en G2.com.

No me gusta que Bokeh sea una biblioteca de código abierto que es algo difícil de entender en su forma de documentación, quizás porque personas muy avanzadas la escribieron. Reseña recopilada por y alojada en G2.com.

Bokeh me permite a mí y a mi equipo visualizar datos e información de una manera que antes no era posible con las herramientas de BI torpes que solíamos usar. Creo que lo que más me gusta de Bokeh es lo fácil que es de instalar y usar porque es de código abierto. Reseña recopilada por y alojada en G2.com.

Con el código abierto viene el problema del soporte. No hay mucho soporte disponible además de una guía para desarrolladores que está disponible en su sitio web, así que es mejor tener un equipo de ingenieros listo para profundizar. Reseña recopilada por y alojada en G2.com.

Bokeh es una biblioteca de visualización fenomenal en Python. Como científico de datos, estás constantemente buscando formas de expresar datos de manera más comprensible y Bokeh te permite hacer precisamente eso. Reseña recopilada por y alojada en G2.com.

Creo que lo que no me gusta de esta biblioteca es la curva de aprendizaje. No es fácil aprender cada nueva función y lleva tiempo. Reseña recopilada por y alojada en G2.com.

Me gusta que sea bastante fácil crear visualizaciones dinámicas en HTML que se vean elegantes y se sientan bien. Dado que aprendí R antes que Python para estadísticas y visualizaciones, definitivamente prefiero la sintaxis de ggplot2 de R (que plotly puede convertir fácilmente a una versión HTML con plotly::ggplotly()). Sin embargo, para el trabajo en Python que hago (cuando mis compañeros prefieren cuadernos de Python, etc.), ¡la capacidad de bokeh es genial! La API es bastante consistente en diferentes tipos de gráficos, lo cual es excelente. Reseña recopilada por y alojada en G2.com.

Aunque Bokeh es bastante fuerte para crear visualizaciones atractivas, encuentro más difícil personalizar los temas y características de los gráficos en comparación con algunas otras bibliotecas de visualización. Sin embargo, también me impresiona más la configuración predeterminada de cualquier gráfico de Bokeh. Reseña recopilada por y alojada en G2.com.

La biblioteca tiene mucho potencial para crear un arcoíris de visualizaciones. Me gusta que los paneles de control sean interactivos. Reseña recopilada por y alojada en G2.com.

Los recursos de ayuda o recursos de aprendizaje son limitados. Reseña recopilada por y alojada en G2.com.

Fácil de aprender y usar, bueno para gráficos interactivos básicos. Te permite proporcionar gráficos en muchos medios (html, cuaderno y servidor). Buena alternativa a plotly y pygal. Reseña recopilada por y alojada en G2.com.

Plotly ofrece un nivel mucho mayor de interactividad que Bokeh desde el principio. Bokeh tiene un problema con su documentación. Reseña recopilada por y alojada en G2.com.