Bokeh - wprowadzenie

Bokeh to biblioteka do wizualizacji danych dla języka Python. W przeciwieństwie do Matplotlib i Seaborn, są one również pakietami Pythona do wizualizacji danych, Bokeh renderuje swoje wykresy za pomocą HTML i JavaScript. W związku z tym okazuje się niezwykle przydatny do tworzenia internetowych pulpitów nawigacyjnych.

Projekt Bokeh jest sponsorowany przez NumFocus https://numfocus.org/.NumFocus obsługuje również PyData, program edukacyjny, zaangażowany w rozwój innych ważnych narzędzi, takich jak NumPy, Pandy i nie tylko. Bokeh może łatwo łączyć się z tymi narzędziami i tworzyć interaktywne wykresy, pulpity nawigacyjne i aplikacje danych.

cechy

Bokeh konwertuje źródło danych przede wszystkim na plik JSON, który jest używany jako dane wejściowe dla BokehJS, biblioteki JavaScript, która z kolei jest napisana w języku TypeScript i renderuje wizualizacje w nowoczesnych przeglądarkach.

Niektóre important features of Bokeh są następujące -

Elastyczność

Bokeh jest przydatny w przypadku typowych wymagań dotyczących drukowania, a także niestandardowych i złożonych przypadków użycia.

Wydajność

Bokeh może łatwo współdziałać z innymi popularnymi narzędziami Pydata, takimi jak Pandy i notatnik Jupyter.

Interaktywność

Jest to ważna przewaga Bokeh nad Matplotlib i Seaborn, które tworzą statyczne wykresy. Bokeh tworzy interaktywne wykresy, które zmieniają się, gdy użytkownik wchodzi z nimi w interakcję. Możesz zapewnić swoim odbiorcom szeroki wachlarz opcji i narzędzi do wnioskowania i przeglądania danych pod różnymi kątami, tak aby użytkownik mógł przeprowadzić analizę „a co, jeśli”.

Potężny

Dodając własny JavaScript, możliwe jest generowanie wizualizacji dla specjalistycznych przypadków użycia.

Udostępniane

Działki można osadzać w danych wyjściowych Flask lub Djangowłączone aplikacje internetowe. Można je również renderować w formacie

Jupyter

notebooki.

Otwarte źródło

Bokeh to projekt open source. Jest rozpowszechniany na licencji Berkeley Source Distribution (BSD). Jego kod źródłowy jest dostępny nahttps://github.com/bokeh/bokeh.