A visualização de dados desempenha um papel crítico na interpretação de grandes volumes de informações. Ferramentas como o Bokeh surgiram como soluções populares para a construção de painéis e relatórios interativos. Cada ferramenta traz vantagens exclusivas dependendo da complexidade do seu projeto e da linguagem de programação de sua preferência. Neste artigo, nos aprofundaremos em cada ferramenta e depois nos concentraremos no Bokeh, incluindo um exemplo prático e implantação na nuvem.

Para que...

O que é bokeh?
Bokeh é uma biblioteca de visualização interativa voltada para navegadores modernos para apresentação. Oferece gráficos elegantes e concisos, permitindo aos desenvolvedores construir painéis com interatividade avançada. Bokeh é particularmente adequado para cientistas de dados e desenvolvedores que usam Python, oferecendo interfaces de alto nível e controle granular sobre seus gráficos.

Como você pode usar esta ferramenta?

• Instalar dependências:

pip instalar bokeh
pip instalar gunicorn

• Crie o enredo: Neste caso desenvolvi dois gráficos na página principal e chamei "app.py"

from bokeh.layouts import column
from bokeh.models import ColumnDataSource, Select
from bokeh.plotting import figure, curdoc
import numpy as np

# Sample data for line plot
line_data = {
    'x': [1, 2, 3, 4, 5],
    'y1': [6, 7, 2, 4, 7],
    'y2': [1, 4, 8, 6, 9]
}

# Data for scatter plot
N = 4000
x_scatter = np.random.random(size=N) * 100
y_scatter = np.random.random(size=N) * 100
radii = np.random.random(size=N) * 1.5
colors = np.array([(r, g, 150) for r, g in zip(50   2 * x_scatter, 30   2 * y_scatter)], dtype="uint8")

# Create ColumnDataSource for line plot
source = ColumnDataSource(data={'x': line_data['x'], 'y': line_data['y1']})

# Create a figure for line plot
plot_line = figure(title="Interactive Line Plot", x_axis_label='X', y_axis_label='Y')
line1 = plot_line.line('x', 'y', source=source, line_width=3, color='blue', legend_label='y1')
line2 = plot_line.line('x', 'y2', source=source, line_width=3, color='red', legend_label='y2', line_alpha=0.5)

# Create a figure for scatter plot
plot_scatter = figure(title="Scatter Plot", tools="hover,crosshair,pan,wheel_zoom,zoom_in,zoom_out,box_zoom,undo,redo,reset,tap,save,box_select,poly_select,lasso_select,examine,help")
plot_scatter.circle(x_scatter, y_scatter, radius=radii,
                    fill_color=colors, fill_alpha=0.6,
                    line_color=None)

# Dropdown widget to select data for line plot
select = Select(title="Y-axis data", value='y1', options=['y1', 'y2'])

# Update function to change data based on selection
def update(attr, old, new):
    selected_y = select.value
    source.data = {'x': line_data['x'], 'y': line_data[selected_y]}
    # Update line colors based on selection
    line1.visible = (selected_y == 'y1')
    line2.visible = (selected_y == 'y2')
    plot_line.title.text = f"Interactive Line Plot - Showing {selected_y}"

select.on_change('value', update)

# Arrange plots and widgets in a layout
layout = column(select, plot_line, plot_scatter)

# Add layout to current document
curdoc().add_root(layout)
`

Crie sua página no heroku e siga as próximas etapas.

• Criar um perfil:

Neste arquivo declare por exemplo no meu caso.

web: bokeh serve --port=$PORT --address=0.0.0.0 --allow-websocket-origin=juancitoelpapi-325d94c2c6c7.herokuapp.com app.py

• Criar requisitos: No projeto crie requisitos.txt e escreva e salve

bokeh

• Apresente seu projeto:

É semelhante quando você envia um projeto no git, mas neste caso o master push final está no heroku

git init
git adicionar.
git commit -m "Implantar aplicativo Bokeh com Gunicorn"
git push heroku mestre

• E finalmente...

Você pode ver sua página com o bokeh dos gráficos.

• Conclusão

O verdadeiro poder do Bokeh reside em sua capacidade de fornecer painéis interativos em ambientes web, tornando-o ideal para monitoramento de dados em tempo real e grandes conjuntos de dados. Ao usar o Gunicorn para implantar aplicativos Bokeh em serviços em nuvem como o Heroku, você pode criar painéis escalonáveis ​​e prontos para produção que são fáceis de manter e atualizar.