Avaliações e Detalhes do Produto bokeh python

Eu gosto de como existem vários modelos de plotagem interativa pré-fabricados que permitem gerar gráficos interativos com uma linha de código, mas também há espaço para personalização além disso. É bastante fácil começar com o bokeh para fazer gráficos interativos simples, mas úteis, e páginas da web. Análise coletada por e hospedada no G2.com.

Tive alguns problemas para fazer certas funcionalidades funcionarem, que acabei desistindo. Há uma curva de aprendizado ao tentar fazer coisas muito personalizadas, sem muita documentação. Também é difícil depurar e requer aprender um pouco de JavaScript, o que é útil, mas aumenta a curva de aprendizado. Análise coletada por e hospedada no G2.com.

Eu gosto do pacote Python bokeh porque ele me permite visualizar dados de maneiras anteriormente inatingíveis. Este pacote me permite conduzir análises de uma forma que impressiona minha equipe. Realmente mudou a maneira como fazemos engenharia de dados em nossa equipe. Análise coletada por e hospedada no G2.com.

Eu não gosto deste pacote porque é um pouco difícil de usar às vezes, a documentação não é a melhor e, por vezes, é pouco clara. Este pacote definitivamente precisa de uma documentação melhor escrita e compartilhada. Análise coletada por e hospedada no G2.com.

Eu amo a biblioteca Bokeh em Python porque ela me permite criar visualizações de dados programaticamente para trabalhos de análise de maneiras que não eram possíveis anteriormente, onde usávamos software lento e desajeitado. Análise coletada por e hospedada no G2.com.

Eu não gosto que o bokeh python seja completamente open source e não tenha suporte pago. Seria ótimo se os produtos de código aberto tivessem um suporte melhor. Análise coletada por e hospedada no G2.com.

Com o Bokeh, posso criar gráficos interativos que deram uma nova dimensão aos meus relatórios de testes de desempenho. Não só eles ficam bonitos, mas também me permitem ilustrar conceitos de uma maneira interativa, sem gerar gráficos diferentes que são apenas versões ampliadas ou números simples: posso mostrar os números passando o cursor sobre o gráfico gerado. Análise coletada por e hospedada no G2.com.

levou um tempo para eu conseguir a configuração certa. Matplotlib funciona quase imediatamente, bokeh leva muito pouco para produzir um gráfico bonito, mas bastante trabalho para obter exatamente o que você quer. De qualquer forma, isso é justificado pelo fato de que o resultado final é mais cativante do que Matplotlib e interativo. Análise coletada por e hospedada no G2.com.

Eu gosto do Bokeh Python porque ele me permite simplificar meus fluxos de trabalho de análise de dados, para que eu possa apresentar melhor diferentes tipos de dados a um grande público. Ele torna os dados mais fáceis de entender com os vários tipos de gráficos. Análise coletada por e hospedada no G2.com.

Eu não gosto que o bokeh seja uma biblioteca de código aberto que é um pouco difícil de entender em sua forma de documentação, talvez porque indivíduos muito avançados a escreveram. Análise coletada por e hospedada no G2.com.

Bokeh permite que minha equipe e eu visualizemos dados e informações de uma maneira que antes não era possível com as ferramentas de BI desajeitadas que costumávamos usar. Acho que o que mais amo no Bokeh é como é fácil de instalar e usar porque é de código aberto. Análise coletada por e hospedada no G2.com.

Com o código aberto vem a questão do suporte. Não há muito suporte disponível além de um guia do desenvolvedor que está disponível no site deles, então é melhor ter uma equipe de engenheiros pronta para se aprofundar. Análise coletada por e hospedada no G2.com.

Bokeh é uma biblioteca de visualização fenomenal em Python. Como cientista de dados, você está constantemente procurando maneiras de expressar dados de forma mais compreensível e Bokeh permite que você faça exatamente isso. Análise coletada por e hospedada no G2.com.

Acho que o que não gosto nesta biblioteca é a curva de aprendizado. Não é fácil aprender cada nova função e leva tempo. Análise coletada por e hospedada no G2.com.

Gosto que seja relativamente fácil criar visualizações dinâmicas em HTML que parecem elegantes e agradáveis. Como aprendi R antes de Python para estatísticas e visualizações, definitivamente prefiro a sintaxe do ggplot2 do R (que o plotly pode então facilmente converter para uma versão em HTML com plotly::ggplotly()). No entanto, para o trabalho em Python que faço (quando meus colegas preferem notebooks em Python, etc.), a capacidade do bokeh é ótima! A API é bastante consistente entre diferentes tipos de gráficos, o que é excelente. Análise coletada por e hospedada no G2.com.

Embora o Bokeh seja bastante forte para criar visualizações de fatias bonitas, acho mais difícil personalizar temas e recursos de gráficos em comparação com algumas outras bibliotecas de visualização. No entanto, também me impressiono mais com as configurações padrão de qualquer gráfico do Bokeh. Análise coletada por e hospedada no G2.com.

A biblioteca tem muito potencial para criar um arco-íris de visualizações. Eu gosto que os painéis sejam interativos. Análise coletada por e hospedada no G2.com.

Os recursos de ajuda ou recursos de aprendizagem são limitados. Análise coletada por e hospedada no G2.com.

Fácil de aprender e usar, bom para gráficos interativos básicos. Permite fornecer gráficos em muitos meios (html, notebook e servidor). Boa alternativa ao plotly e pygal. Análise coletada por e hospedada no G2.com.

Plotly oferece um nível muito maior de interatividade do que o Bokeh logo de início. O Bokeh tem um problema com sua documentação. Análise coletada por e hospedada no G2.com.