Vous pouvez utiliser Bokeh pour créer des graphiques interactifs. Les données peuvent être représentées graphiquement en Python uniquement, y compris la sortie en HTML et l'intégration avec IPython Notebook.
Pour savoir comment l'utiliser, reportez-vous à la galerie sur le site officiel et au cahier ci-dessous.
Les principaux développeurs de Bokeh sont Continuum Analytics qui fournit Anaconda et autres, et vous pouvez également voir la présentation de l'auteur sur YouTube. Cela dure près de 50 minutes, mais c'est utile car il existe des sujets sur l'architecture tels que BokehJS.
Quant à la version, la dernière version est sortie la semaine dernière. Le contenu est décrit dans l'article de publication - Bokeh 0.7 Released!-. Ce n'est pas encore stable, avec de nouvelles fonctionnalités et des changements d'API, mais je pense que c'est très utile si vous souhaitez explorer vos données. Récemment, des implémentations de Scala et Julia ont été ajoutées et il semble qu'elles puissent être utilisées dans des systèmes de traitement autres que Python.
Pour Python, vous pouvez facilement l'installer avec pip
. Cependant, je pense qu'il est souvent utilisé en combinaison avec NumPy et Pandas, je l'ai donc ajouté à l'image Docker. skitazaki / python34-ipython vous permet d'utiliser plusieurs bibliothèques de calcul scientifique avec Bokeh dans votre notebook IPython.
Étant donné que les fonctions telles que le zoom sont efficaces dans la partie graphique, c'est un avantage par rapport aux graphiques statiques que vous pouvez tracer grossièrement puis ajuster. Il est également possible de le télécharger sous forme d'image lorsque l'affichage est juste en zoomant.
Ce sera un outil utile pour vérifier visuellement des ensembles de données abordables.
L'image de Exemple d'utilisation de notebook est la suivante. Puisque le code source, les résultats d'exécution et les explications peuvent être stockés ensemble, il semble bon de l'introduire en sauvegardant des notes.
Recommended Posts