We're sorry but this page doesn't work properly without JavaScript enabled. Please enable it to continue.
Feedback

The Python Data Visualization Landscape in 2020

Formale Metadaten

Titel
The Python Data Visualization Landscape in 2020
Serientitel
Anzahl der Teile
130
Autor
Lizenz
CC-Namensnennung - keine kommerzielle Nutzung - Weitergabe unter gleichen Bedingungen 3.0 Unported:
Sie dürfen das Werk bzw. den Inhalt zu jedem legalen und nicht-kommerziellen Zweck nutzen, verändern und in unveränderter oder veränderter Form vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen und das Werk bzw. diesen Inhalt auch in veränderter Form nur unter den Bedingungen dieser Lizenz weitergeben
Identifikatoren
Herausgeber
Erscheinungsjahr
Sprache

Inhaltliche Metadaten

Fachgebiet
Genre
Abstract
Python offers many different data visualization libraries, and the sheer number of alternatives can be daunting to newcomers. This talk aims to introduce the most important visualization libraries, covering Matplotlib, Plotly, Bokeh and Altair, among others. It also provides a summary of the quickly developing dashboarding solutions, including Dash, Panel and Voila. The goal of talk is not just to provide a simple list of libraries, but also to highlight the main characteristics and inspirations for each, and summarize the recent developments as well. This talk is aimed to people who have some basic experience working with data in Python and would like to get a better understanding of the data visualization tool landscape. Some existing knowledge of pandas DataFrames is beneficial for understanding the examples, but not required.