Комментарии 10
Две основных претензии:
- Ресурсоемкость. Работать в jupyter становится невозможно после 2-3 тяжелых графиков.
- Исследовательская динамика разработки. В основном работа с графиками это непрерывные изменение, как данные выглядят тем или иным углом, логарифмические шкалы, распределения и т.д. Собрать в конце красивую презентацию на plotly — здорово. Выполнять исследования — нет.
Ну и еще небольшой камень в сторону вашего примера с sunk cost.
Собрать анимацию на matplotlib — отрендерил пачку картинок, слепил их в видео инструментом вроде ffmpeg и готово.
Анимация на plotly? Ну да, изучи фреймворк, напиши тонну кода. Хотел что нибудь нестрандартного? Ах ну изучи еще как плагины писать, напиши плагин может быть что-то получится.
+1
К минусам plotly я бы ещё отнёс невозможность построения графиков в Spyder(без интерактивности), который удобнее для аналитической и исследовательской работы.
Ещё что plotly, что seaborn оба опираются на на использование Pandas, с данными организованными по конкретному шаблону, и не поддерживают работу с данными, организованными по принципу матрицы( где по верхним строкам и левым столбцам идут аннотации данных, а в пересечении значения). Порой необходимость переформатирования больших датасетов только для построения графиков создаёт существенные неудобства.
Plotly хорош для нормального долго используемого приложения в связке с Dash. Для использования в блокнотах и одноразовых интерфейсах хорошо идёт bokeh (в одноразовых интерфейсах — вместе со streamlit). Из недостатков интерактивщины — нельзя быстро перегнать блокнот в пдф отчёт с исполнением и отрисовкой графики, тут только старый матплотлиб.
Интересует техническая возможность, т.к. вы в этой библиотеке разбирались
Тоже подумал про ffmpeg — полезнейшная вещица)
Невероятно полезная обёртка для шикарных штук на JS. Но есть ли смысл? Даже тот самый d3.js да ещё и в совокупности с WASM даст колоссальную добавку к скорости. Люди плодят безмерное количество новых инструментов, (за такой труд им огромный Respect) но иногда проще выучить новый язык, чем пытаться оптимизировать очередную обертку над оберткой, прочитать доку на over9999 страниц. ИМХО.
Статья шикарная, автору спасиbо за труды.
Продвинутый уровень визуализации данных для Data Science на Python