仪表盘 (Dashboard) ，可简单的理解为一个交互式网页， 在其中，用户可以不懂代码，拖拖拽拽即可与数据交互、做数据探索建模分析、展示自己关注的结果 。

本文 汇总了Python/R/Julia中5款仪表盘 (Dashboard)工具 ，简单比较其使用场景、学习难度、成熟度、支持语言等。

The GitHub star history of Viola, Dash, Shiny, Streamlit, and Panel.

Dash和前面介绍的plotly出自同一家公司， 可基于Python, R, Julia和 F#语言高效开发仪表盘 ，为机器学习和数据科学结果提供良好展示；
Dash专注于企业级仪表板的创建 ， 部分功能 开源（人名币玩家可尝试全功能企业版本），高级API plotly-express的发布使Dash更容易上手；
一个简单的Python Dash例子 ，使用熟悉的iris数据集，代码存入dash.t.py中，内容如下，

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可视化
    return fig
app.run_server(debug=True)

python dash.t.py
Dash is running on http://xxx/
浏览器中打开 http://xxx/ 进一步学习：https://github.com/plotly/dash

Streamlit

相较于Dash，Streamlit只能基于Python开发仪表盘 ，但是 完全开源 ；
比Dash更容易上手，几分钟即可创建一个仪表盘 ，可节省更多时间做数据分析。
一个简单Python Streamlit例子 ，求任意数平方，代码存入stre.t.py中，内容如下，

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
打开http://xx 更复杂的例子，利用自动驾驶数据集，使用YOLO做对象检测，

进一步学习：https://github.com/streamlit/streamlit

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， 推荐R用户使用 ；
Shiny功能不及Dash强大，特别是Dash的企业收费版本 。
一个例子，和ggplot2一样，创建的页面非常优雅，

进一步学习：https://github.com/rstudio/shiny

https://shiny.rstudio.com/tutorial/

Voila

Jupyter Notebook重度玩家首选 ，Voila快速将Jupyter Notebook变成仪表盘；
Voila非常 轻量级 ，当需要将Jupyter Notebook结果展示给非技术团队时推荐。

Python Voila一个简单例子 ，

进一步学习：https://github.com/voila-dashboards/voila

Panel

需要快速将Jupyter Notebook变成仪表盘，但是Voila又不能充分满足这个需求时，推荐Panel 。
进一步学习：https://github.com/holoviz/panel

比较结果汇总， 参考6个指标 ：

• 成熟度 (Maturity)

• 知名度 (Popularity)

• 上手难度 (Simplicity)

• 应用灵活度 (Adaptability)

• 聚焦场景 (Focus)

• 支持语言 (Language support)

结果划分分 A、B、C三个等级:

-END-

仪表盘 (Dashboard)，可简单的理解为一个交互式网页，在其中，用户可以不懂代码，拖拖拽拽即可与数据交互、做数据探索建模分析、展示自己关注的结果。本文汇总了Python/R/Julia中5款仪表盘 (Dashboard)工具，简单比较其使用场景、学习难度、成熟度、支持语言等。The GitHub star history of Viola, Dash, Shiny, Streamlit, a... 要在Windows和Mac上安装Docker，请单击此。 要在Ubuntu上安装Docker，请遵循本。 创建一个Docker帐户。 这可能不是强制性的，但肯定会在某些时候对您有用。 开始使用Py shiny 首先，克隆存储库，打开终端，导航到py shiny 文件夹，然后按照以下步骤操作。 1.配置env.py文件。 在生产环境中部署时，该服务器只能通过https进行服务器到服务器的通信。 为了进行身份验证，请求服务器（在本例中为 Shiny 应用程序）需要在标头中发送一个参数，该参数的名称为token，并带有一个Py shiny 服务器将验证的密钥。 如果您想阅读如何在R的标头上发送此数据，可以找到该信息。 返回到env.py文件... 转到/ ap https://www.jianshu.com/p/e4d2cbc38a10 试错第一步：关于 dash 的安装问题 详细步骤见：https://www.jianshu.com/p/be954aaa7025 主要问题： 安装成功后，如果在Jupyter notebook运行结果出现404错误，进行如下操作 conda install -c conda-forge jupyter-ser... for i in range(k): indices = np.where(idx == i) centroids[i, :] = (np.sum(X[indices, :], axis=1) / len(indices[0])).ravel() return centroids 这里为什么是axis=1，对每个特征求均值不应该是axis=0吗？ Python业务分析实战｜共享单车数据挖掘 ♛幽幽♛: 你好，我想问一下你的数据集是用的哪个啊 【机器学习】数据挖掘实战：个人信贷违约预测 37.2℃197: 请问训练数据如何获取 【深度学习】CVPR'24｜Transformer+稀疏卷积，Adobe提出人像抠图新网络MaGGIe wzs.: 二进制掩码和 trimaps 是两种在图像处理中用于表示图像区域的方式，它们的主要区别在于对前景和背景的定义方式。 二进制掩码是一种只有两个值（通常为 0 和 1）的掩码图像，其中 1 表示前景区域，0 表示背景区域。它将图像分为明确的前景和背景两部分，没有中间过渡区域。 Trimaps 则是一种包含三个值（通常为 0、1 和 2）的掩码图像。其中 0 表示明确的背景区域，1 表示明确的前景区域，2 表示不确定或过渡区域。Trimaps 提供了一种更灵活的方式来表示前景和背景之间的过渡，适用于一些复杂的图像或需要更精确分割的情况。