Recensioni e Dettagli del Prodotto bokeh python

Mi piace come ci siano diversi modelli di grafici interattivi predefiniti che ti permettono di generare grafici interattivi con una sola riga di codice, ma che ci sia anche spazio per la personalizzazione oltre a questo. È abbastanza facile iniziare con Bokeh per creare grafici interattivi semplici ma utili e pagine web. Recensione raccolta e ospitata su G2.com.

Ho avuto alcuni problemi a far funzionare certe funzionalità su cui alla fine ho rinunciato. C'è una curva di apprendimento quando si cerca di creare cose molto personalizzate, senza molta documentazione. È anche difficile fare il debug e richiede di imparare un po' di javascript, che è utile ma aumenta la curva di apprendimento. Recensione raccolta e ospitata su G2.com.

Mi piace il pacchetto Python bokeh perché mi permette di visualizzare i dati in modi prima irraggiungibili. Questo pacchetto mi consente di guidare l'analisi in un modo che impressiona il mio team. Ha davvero cambiato il modo in cui facciamo ingegneria dei dati nel nostro team. Recensione raccolta e ospitata su G2.com.

Non mi piace questo pacchetto perché a volte è un po' difficile da usare, la documentazione non è delle migliori e a volte è poco chiara. Questo pacchetto ha sicuramente bisogno di una documentazione migliore, scritta e condivisa. Recensione raccolta e ospitata su G2.com.

Amo la libreria bokeh in Python perché mi permette di creare visualizzazioni di dati per il lavoro analitico in modi che non erano precedentemente possibili, dove usavamo software lenti e ingombranti. Recensione raccolta e ospitata su G2.com.

Non mi piace che Bokeh Python sia completamente open source e non abbia supporto a pagamento. Sarebbe fantastico se i prodotti open source avessero un supporto migliore. Recensione raccolta e ospitata su G2.com.

Con Bokeh, posso creare grafici interattivi che hanno dato una dimensione completamente nuova ai miei report di test delle prestazioni. Non solo sono belli da vedere, ma mi permettono di illustrare concetti in modo interattivo, senza generare grafici diversi che sono solo versioni ingrandite o semplici numeri: posso mostrare i numeri passando il mouse sopra il grafico generato. Recensione raccolta e ospitata su G2.com.

mi ci è voluto un po' per ottenere la configurazione giusta. Matplotlib funziona quasi subito, bokeh richiede molto poco per produrre un bel grafico, ma ci vuole un bel po' di lavoro per ottenere esattamente ciò che si desidera. Comunque, questo è giustificato dal fatto che il risultato finale è più accattivante di Matplotlib e interattivo. Recensione raccolta e ospitata su G2.com.

Mi piace Bokeh Python perché mi permette di semplificare i miei flussi di lavoro di analisi dei dati, così posso mostrare meglio diversi tipi di dati a un vasto pubblico. Rende i dati più facili da comprendere con i vari tipi di grafici. Recensione raccolta e ospitata su G2.com.

Non mi piace che Bokeh sia una libreria open source che è un po' difficile da capire nella sua forma di documentazione, forse perché è stata scritta da individui molto avanzati. Recensione raccolta e ospitata su G2.com.

Bokeh permette a me e al mio team di visualizzare dati e informazioni in un modo che prima non era possibile con i goffi strumenti di BI che usavamo. Penso che ciò che amo di più di Bokeh sia quanto sia facile da installare e usare perché è open source. Recensione raccolta e ospitata su G2.com.

Con l'open source arriva il problema del supporto. Non c'è molto supporto disponibile oltre a una guida per sviluppatori che è disponibile sul loro sito web, quindi è meglio avere un team di ingegneri pronti a immergersi a fondo. Recensione raccolta e ospitata su G2.com.

Bokeh è una libreria di visualizzazione fenomenale in Python. Come data scientist, sei costantemente alla ricerca di modi per esprimere i dati in modo più comprensibile e Bokeh ti permette di fare proprio questo. Recensione raccolta e ospitata su G2.com.

Penso che ciò che non mi piace di questa libreria sia la curva di apprendimento. Non è facile imparare ogni nuova funzione e richiede tempo. Recensione raccolta e ospitata su G2.com.

Mi piace che sia abbastanza facile creare visualizzazioni HTML dinamiche che sembrano eleganti e danno una buona sensazione. Poiché ho imparato R prima di Python per le statistiche e le visualizzazioni, preferisco decisamente la sintassi di ggplot2 di R (che plotly può poi facilmente convertire in una versione HTML con plotly::ggplotly()). Tuttavia, per il lavoro in Python che faccio (quando i miei colleghi preferiscono i notebook Python, ecc.) la capacità di bokeh è fantastica! L'API è abbastanza coerente tra i diversi tipi di grafici, il che è ottimo. Recensione raccolta e ospitata su G2.com.

Sebbene Bokeh sia piuttosto forte nel creare visualizzazioni accattivanti, trovo più difficile personalizzare i temi e le caratteristiche dei grafici rispetto ad alcune altre librerie di visualizzazione. Tuttavia, mi trovo anche più impressionato dalle impostazioni predefinite di qualsiasi grafico Bokeh. Recensione raccolta e ospitata su G2.com.

La biblioteca ha un grande potenziale per creare un arcobaleno di visualizzazioni. Mi piace che i cruscotti siano interattivi. Recensione raccolta e ospitata su G2.com.

Le risorse di aiuto o le risorse di apprendimento sono limitate. Recensione raccolta e ospitata su G2.com.

Facile da imparare e usare, buono per grafici interattivi di base. Ti consente di fornire grafici in molti formati (html, notebook e server). Buona alternativa a plotly e pygal. Recensione raccolta e ospitata su G2.com.

Plotly offre un livello di interattività molto maggiore rispetto a Bokeh fin da subito. Bokeh ha un problema con la sua documentazione. Recensione raccolta e ospitata su G2.com.