bokeh python Avis & Détails du Produit

J'aime comment il y a plusieurs modèles de tracés interactifs préfabriqués qui vous permettent de générer des tracés interactifs en une ligne de code, mais qu'il y a aussi de la place pour la personnalisation au-delà de cela. C'est assez facile de commencer avec bokeh pour créer des tracés interactifs simples mais utiles et des pages web. Avis collecté par et hébergé sur G2.com.

J'ai eu des problèmes pour faire fonctionner certaines fonctionnalités sur lesquelles j'ai fini par abandonner. Il y a une courbe d'apprentissage lorsqu'on essaie de créer des choses très personnalisées, sans beaucoup de documentation. C'est aussi difficile à déboguer et cela nécessite d'apprendre un peu de javascript, ce qui est utile mais augmente la courbe d'apprentissage. Avis collecté par et hébergé sur G2.com.

J'aime le package Python bokeh car il me permet de visualiser des données de manière auparavant inatteignable. Ce package me permet de mener des analyses d'une manière qui impressionne mon équipe. Cela a vraiment changé notre façon de faire de l'ingénierie des données dans notre équipe. Avis collecté par et hébergé sur G2.com.

Je n'aime pas ce package car il est quelque peu difficile à utiliser parfois, la documentation n'est pas la meilleure et parfois peu claire. Ce package a certainement besoin d'une meilleure documentation écrite et partagée. Avis collecté par et hébergé sur G2.com.

Avec Bokeh, je peux créer des graphiques interactifs qui ont donné une toute nouvelle dimension à mes rapports de tests de performance. Non seulement ils sont beaux, mais ils me permettent d'illustrer des concepts de manière interactive, sans générer différents graphiques qui ne sont que des versions zoomées ou de simples chiffres : je peux montrer les chiffres en survolant le graphique généré. Avis collecté par et hébergé sur G2.com.

il m'a fallu un certain temps pour obtenir la bonne configuration. Matplotlib fonctionne presque immédiatement, bokeh prend très peu pour produire un joli graphique, mais pas mal de travail pour obtenir exactement ce que vous voulez. Quoi qu'il en soit, cela est justifié par le fait que le résultat final est plus captivant que Matplotlib et interactif. Avis collecté par et hébergé sur G2.com.

J'aime Bokeh Python car il me permet de rationaliser mes flux de travail d'analyse de données afin de mieux présenter différents types de données à un large public. Il rend les données plus faciles à comprendre avec les différents types de graphiques. Avis collecté par et hébergé sur G2.com.

Je n'aime pas que Bokeh soit une bibliothèque open source qui est quelque peu difficile à comprendre sous forme de documentation, peut-être parce que des individus très avancés l'ont écrite. Avis collecté par et hébergé sur G2.com.

Bokeh me permet, ainsi qu'à mon équipe, de visualiser des données et des informations d'une manière qui n'était pas possible auparavant avec les outils BI encombrants que nous utilisions. Ce que j'aime le plus chez Bokeh, c'est sa facilité d'installation et d'utilisation car il est open source. Avis collecté par et hébergé sur G2.com.

Avec l'open source vient le problème du support. Il n'y a pas beaucoup de support disponible à part un guide du développeur qui est disponible sur leur site web, donc il vaut mieux avoir une équipe d'ingénieurs prête à plonger en profondeur. Avis collecté par et hébergé sur G2.com.

Bokeh est une bibliothèque de visualisation phénoménale en Python. En tant que data scientist, vous cherchez constamment des moyens d'exprimer les données de manière plus compréhensible et Bokeh vous permet de faire exactement cela. Avis collecté par et hébergé sur G2.com.

Je pense que ce que je n'aime pas dans cette bibliothèque, c'est la courbe d'apprentissage. Ce n'est pas facile d'apprendre chaque nouvelle fonction et cela prend du temps. Avis collecté par et hébergé sur G2.com.

J'aime qu'il soit assez facile de créer des visualisations HTML dynamiques qui ont l'air élégantes et agréables. Comme j'ai appris R avant Python pour les statistiques et les visualisations, je préfère définitivement la syntaxe de ggplot2 de R (que plotly peut ensuite facilement convertir en une version HTML avec plotly::ggplotly()). Cependant, pour le travail en Python que je fais (quand mes collègues préfèrent les notebooks Python, etc.), la capacité de bokeh est excellente ! L'API est assez cohérente à travers différents types de graphiques, ce qui est génial. Avis collecté par et hébergé sur G2.com.

Bien que Bokeh soit assez puissant pour créer de jolies visualisations de tranches, je trouve qu'il est plus difficile de personnaliser les thèmes et les fonctionnalités des graphiques par rapport à certaines autres bibliothèques de visualisation. Cependant, je suis également plus impressionné par les paramètres par défaut de n'importe quel graphique Bokeh. Avis collecté par et hébergé sur G2.com.

La bibliothèque a beaucoup de potentiel pour créer un arc-en-ciel de visualisations. J'aime que les tableaux de bord soient interactifs. Avis collecté par et hébergé sur G2.com.

Les ressources d'aide ou les ressources d'apprentissage sont limitées. Avis collecté par et hébergé sur G2.com.

Facile à apprendre et à utiliser, bon pour les graphiques interactifs de base. Permet de fournir des graphiques dans de nombreux supports (html, notebook et serveur). Bonne alternative à plotly et pygal. Avis collecté par et hébergé sur G2.com.

Plotly offre un niveau d'interactivité bien supérieur à celui de Bokeh dès le départ. Bokeh a un problème avec sa documentation. Avis collecté par et hébergé sur G2.com.