Bokeh é uma das principais bibliotecas em Python para a criação de gráficos científicos e visualizações de dados renderizados no navegador via JavaScript. Essas ferramentas, em comparação com as ferramentas de desktop que criam imagens estáticas, facilitam a reutilização de código para trabalho exploratório em aplicações web. Bokeh é particularmente útil para isso. A biblioteca é madura e cheia de recursos. O que gostamos em Bokeh é que ela é ótima em manter sua preocupação como uma ferramenta de camada de apresentação, e não tentar assumir preocupações como agregação de dados (consulte ggplot) ou desenvolvimento de aplicações web (como Shiny ou Dash). Por isso, é uma ótima opção para usar quando a separação de interesses for importante para você. Bokeh fornece widgets de IU web e pode ser executada no modo de servidor, mas você pode usar ou descartar esses recursos como achar melhor. Bokeh é flexível e não faz muitas suposições sobre como você vai usá-la, nem tem muitas dependências (como pandas ou notebooks).
In the world of data science and analytics, much of the work is done using Python and R, languages which sadly offer few options for web-accessible plotting of visualizations. One approach is to convert the result of analysis into something that can be easily visualized and interacted with in the browser. We’re aware of two tools that are an attempt to do this. Bokeh is a Python and JavaScript library that allows you to create interactive visualizations “in the style of D3.js” but with high performance over large or streaming data sets. Vega is a declarative visualization grammar for D3 that consumes server-generated JSON datasets and translates visualization descriptions into D3.js code.
