Bokeh Reseñas y Detalles del Producto

Cuando pienso en Bokeh, la primera palabra que me viene a la mente es intuitivo.

Python tiene un gran ecosistema de gráficos que rara vez es realmente útil. Bokeh mejora la utilidad del ecosistema de Python y luego da saltos de mejora con sus características interactivas.

La comunidad de Bokeh también es muy útil y puede resolver la mayoría de los problemas que surgen con Bokeh. Es realmente un placer trabajar con Bokeh. Reseña recopilada por y alojada en G2.com.

El gráfico complejo no es el punto fuerte de Bokeh. A menudo requiere más esfuerzo del razonable para hacer que Bokeh funcione con datos que no están en dataframes de Pandas. Los grandes conjuntos de datos tampoco son algo en lo que Bokeh sea bueno. Tiende a retrasarse hasta el punto de ser inutilizable. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Bokeh es que maneja mi gran cantidad de datos y categoriza los datos muy fácilmente, y también me gusta la visualización de gráficos y su facilidad de uso y comprensión. Reseña recopilada por y alojada en G2.com.

Está bien para mí, pero lo único que no me gusta de Bokeh es que a veces tengo que dedicar más tiempo a leer su documentación para entenderlo mejor. Reseña recopilada por y alojada en G2.com.

Como empresa, tenemos una gran cantidad de datos para procesar y categorizar según las necesidades, pero con Bokeh, todo esto se facilita gracias a sus herramientas visuales que podemos usar para identificar tendencias comunes y los retrasos que estamos experimentando. Reseña recopilada por y alojada en G2.com.

A veces es difícil entender diferentes términos si una persona totalmente nueva va a usarlos. Reseña recopilada por y alojada en G2.com.

- Visuales interactivas dentro de Python.

- Manejo de grandes datos.

Integración con otras herramientas.

- Visualizaciones hermosas. En comparación con otras bibliotecas como Matplotlib y Seaborn, los valores predeterminados de Bokeh lo convierten en una opción HERMOSA. Reseña recopilada por y alojada en G2.com.

- Tomó más tiempo aprender, en comparación con Seaborn, por ejemplo.

- El rendimiento es ligeramente inferior. Esto es natural, ya que ofrece más que una biblioteca de visualización de Python promedio.

- No ofrece algunos tipos de gráficos especializados como mapas de calor. Reseña recopilada por y alojada en G2.com.

Hay varios gráficos interactivos predefinidos. La visualización de los gráficos es de alta calidad. Podemos generar los gráficos con una línea de código en comparación con la biblioteca matplot. También podemos personalizar el gráfico según el requisito. Proporciona una construcción elegante y concisa de gráficos versátiles, y ofrece una interactividad de alto rendimiento sobre grandes conjuntos de datos o datos en streaming. Reseña recopilada por y alojada en G2.com.

La visualización se verá antinatural cuando se use de manera incorrecta. Necesitamos dedicar un poco más de tiempo a entender la documentación. Además, si surge algún error, sería difícil depurar el problema. Reseña recopilada por y alojada en G2.com.

-intuitivo

-ayuda a gestionar grandes cantidades de datos

-fácil de usar y entender

-categoriza los datos adecuadamente

-las herramientas visuales son muy útiles

-códigos personalizables

-compatibilidad multiplataforma Reseña recopilada por y alojada en G2.com.

- se requieren más esfuerzos

- se produce retraso

- necesita mucho entendimiento, lo cual consume tiempo

- a veces es difícil de entender

- difícil de instalar y conectar al servidor Reseña recopilada por y alojada en G2.com.

Una herramienta muy útil para la visualización y presentación de datos en forma de gráficos interactivos, que ayudan mucho a extraer inferencias. Mucho mejor que otras herramientas disponibles como Plotly. Reseña recopilada por y alojada en G2.com.

A veces no es fácil instalarlo y conectarlo con el servidor. Sin embargo, el problema está resuelto, así que no hay disgustos. Reseña recopilada por y alojada en G2.com.

Tiene gráficos interactivos asombrosos con mucha variedad. Muy rápido en cargar paneles y renderizar datos al pasar el cursor sobre el gráfico. Con la disponibilidad de pyspark, puede manejar conjuntos de datos más grandes. Reseña recopilada por y alojada en G2.com.

Nada por el momento. Mientras buscaba errores, se hicieron muchas preguntas, pero pocas respuestas estaban disponibles en línea (como en StackOverflow). Debería agregar algunos elementos más de resolución de problemas. Reseña recopilada por y alojada en G2.com.

- Integración sin fisuras de Python para visualizaciones interactivas

- Compatibilidad multiplataforma

- Soporte para datos en tiempo real y de transmisión

- Soporte para múltiples plataformas de renderizado Reseña recopilada por y alojada en G2.com.

- Bajo rendimiento para grandes conjuntos de datos en visualizaciones interactivas

- Falta de documentación en términos de ejemplos para dibujar visualizaciones complejas

- La dependencia de Javascript para el renderizado lo hace algo difícil para los desarrolladores de Python Reseña recopilada por y alojada en G2.com.

He estado usando Bokeh durante bastante tiempo y me ayuda a presentar datos a los clientes en un formato interactivo. Estando en la industria de la salud, encuentro Bokeh Python muy útil. Es muy simple e interactivo. Reseña recopilada por y alojada en G2.com.

El único inconveniente es que es un poco difícil de depurar y toma un poco más de tiempo del necesario. Reseña recopilada por y alojada en G2.com.