儀表盤 (Dashboard)，可簡單的理解為一個互動式網頁，在其中，用戶可以不懂代碼，拖拖拽拽即可與資料互動、做資料探索建模分析、展示自己關注的結果，
本文匯總了Python/R/Julia中數款儀表盤 (Dashboard)工具，簡單比較其使用場景、學習難度，挑選趁手的來玩即可，
Dash
Dash和前面介紹的plotly出自同一家公司，可基于Python, R, Julia和 F#語言高效開發儀表盤，為機器學習和資料科學結果提供良好展示；
專注于企業級儀表板的創建，部分功能開源（人名幣玩家可嘗試全功能企業版本），高級API plotly-express的發布使Dash更容易上手；
一個簡單的Python Dash例子，使用熟悉的iris資料集，代碼存入dash.t.py中，內容如下，
import dash
from dash import dcc
from dash import html
from dash.dependencies import Input, Output
import plotly.express as px
df = px.data.iris()
all_dims = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
app = dash.Dash(__name__)
app.layout = html.Div([
dcc.Dropdown(id="dropdown",
options=[{
"label": x,
"value": x
} for x in all_dims],
value=all_dims[:2],
multi=True),
dcc.Graph(id="splom"),
])
@app.callback(Output("splom", "figure"), [Input("dropdown", "value")])
def update_bar_chart(dims):
fig = px.scatter_matrix(df, dimensions=dims, color="species")#plotly.express可視化
return fig
app.run_server(debug=True)python dash.t.py
Dash is running on http://xxx/
瀏覽器中打開 http://xxx/
進一步學習： 誰是Python/R/Julia中最強Dashboard APP開發工具？
Streamlit
相較于Dash，Streamlit只能基于Python開發儀表盤，但是完全開源；
比Dash更容易上手，幾分鐘即可創建一個儀表盤，可節省更多時間做資料分析，
一個簡單Python Streamlit例子，求任意數平方，代碼存入stre.t.py中，內容如下，
import streamlit as st
x = st.slider('Select a value')
st.write(x, 'squared is', x * x)
streamlit run stre.t.py
You can now view your Streamlit app in your browser.
Local URL: http://xx
打開http://xx
?
更復雜的例子，利用自動駕駛資料集，使用YOLO做物件檢測，
?
進一步學習：誰是Python/R/Julia中最強Dashboard APP開發工具？
Shiny
Shiny是R中的工具，能非常友好的融合R中的其它工具，譬如ggplot2等，推薦R用戶使用；
Shiny功能不及Dash強大，特別是Dash的企業收費版本，
一個例子，和ggplot2一樣，創建的頁面非常優雅，
?
進一步學習：誰是Python/R/Julia中最強Dashboard APP開發工具？
Voila
Jupyter Notebook重度玩家首選，Voila快速將Jupyter Notebook變成儀表盤；
Voila非常輕量級，當需要將Jupyter Notebook結果展示給非技術團隊時，推薦，
Python Voila一個簡單例子，
?
進一步學習：
Panel
需要快速將Jupyter Notebook變成儀表盤，但是Voila又不能充分滿足這個需求時，推薦Panel，
進一步學習：誰是Python/R/Julia中最強Dashboard APP開發工具？
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/356104.html
標籤：其他