Автор оригинала: Max Ong Zong Bao.
Во время одного из модулей моего университетского проекта, который требует, чтобы мы представили наши данные из выборочного набора данных Шотландского референдума 2014 .
Там я столкнулся с такими терминами, как Data Wrangling и использование D3 для создания интерактивной панели мониторинга.
Что процесс data-wrangling был утомительным процессом, и создание панели мониторинга с использованием D3 также было довольно плохим.
Так что Визуализация данных всегда оставляет у меня плохой вкус.
Для меня трудности возникают при создании панели мониторинга веб-сайта на Python.
Несмотря на то, что существует буквально тонны шаблонов панели мониторинга. Из bootstrap , D3 в plotly chart шаблоны для начала работы.
Когда вы хотите настроить его в соответствии с вашими потребностями, это может быть огромная кривая обучения .
Особенно ваше внимание сосредоточено не на веб-разработке. С постоянно растущим количеством передовых технологий в вашем распоряжении. Это может быть пугающим для любого.
Если вы, как и большинство разработчиков, обладаете навыками анализа данных и представления истории из них.
Именно здесь я считаю , что использование библиотек визуализации данных может помочь ускорить процесс создания панели мониторинга для представления данных.
До сих пор я играл с двумя библиотеками визуализации данных для создания панели мониторинга в Python.
А именно, Dash by Plotly который имеет довольно зрелую библиотеку визуализации данных и красивые интерактивные графики .
Но у него есть более крутая кривая обучения и много шаблонного кода.
Когда вы создаете свою собственную панель мониторинга, используя компоненты HTML , предоставленные Plotly .
2-й, с которым я работал, – это новый ребенок в блоке, который называется Streamlight .
Который предлагает такие функции, как сторонняя интеграция диаграмм и кэширование данных возможности наряду с использованием markdown для создания вашей панели мониторинга.
Несмотря на простоту использования этих библиотек панелей мониторинга, которые помогают вам создавать панель мониторинга без необходимости изучения или создания с использованием интерфейсных веб-технологий.
Я обнаружил, что это не заменяет необходимость анализа данных или визуализации данных с использованием библиотек построения графиков, таких как Bokeh , Plotly или Matplotlib .
Так как я застрял с очисткой и созданием диаграмм, необходимых для отображения их на моей приборной панели. Если вам понравилась моя статья, пожалуйста подпишитесь на рассылку Max Adventurer’s для потрясающего контента, на который я натыкаюсь еженедельно в Python , Startup и Web Development .
Вы также можете следовать за мной, чтобы получить последнее обновление моей статьи о CodeMentor
Этот пост был первоначально опубликован в блоге Макса по адресу Awesome Full Stack Python Resources и Фото Гленна Карстенса-Питерса на Unsplash *.