Bokeh es una de las principales bibliotecas en Python para crear gráficos científicos y visualizaciones de datos que se renderizan en el navegador a través de JavaScript. Estas herramientas, en comparación con las de escritorio que generan imágenes estáticas, facilitan la reutilización de código a la hora de realizar trabajo exploratorio en aplicaciones web. Bokeh hace este trabajo especialmente bien: es una biblioteca consolidada y completa, y nos gusta que concentra su funcionalidad en la capa de presentación sin involucrarse en otros temas como la agregación de datos (ver ggplot) o en el desarrollo web (como Shiny o Dash). Por ello, si la separación de responsabilidades es prioritaria, es un placer usar Bokeh. Cabe decir que esta herramienta sí que proporciona componentes de UI para web y puede ejecutarse en modo servidor, pero estas funcionalidades son opcionales y dependen de la necesidad. Bokeh es flexible y no hace supuestos sobre cómo se utilizará o si tiene demasiadas dependencias (como pandas o 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.
