Awesome GitHub RepositoriesVisualization

Bokeh is a Python data visualization library and interactive plotting framework used to create high-performance graphics and data dashboards that render in web browsers. It serves as a tool for generating standalone HTML documents, embedded components for digital notebooks, and full-stack web applications powered by a Python backend. The project distinguishes itself through its ability to handle large or streaming datasets while maintaining smooth interactivity. It enables linked brushing across multiple views, allowing data selected in one plot to automatically highlight corresponding data i

Altair is a declarative data visualization library for Python that generates Vega-Lite specifications. It functions as a tool for mapping data to graphical marks using a high-level syntax, allowing users to describe the desired visual outcome instead of writing imperative drawing commands. The framework enables the creation of interactive charts and graphics, including linked views and filtered displays that respond to user input in real time. It supports the design of multi-view dashboards by combining visualizations into layered or faceted layouts. The library provides capabilities for sta

Penrose is a compiler that transforms structured mathematical notation into optimized SVG diagrams. It uses a three-stage pipeline of separate domain, substance, and style files to define mathematical objects, relationships, and visual presentation, then solves continuous optimization problems with user-defined spatial constraints and objectives to automatically arrange diagram elements. The system separates diagram content from visual style using distinct declarative languages, and provides a typed domain language with subtype hierarchies for mathematical objects. It supports embedding compi

SandDance is a hardware-accelerated visualization library and web-based data explorer designed for the interactive analysis of large, non-aggregated datasets. It functions as an interactive data visualization tool that renders complex datasets and intricate visuals within a browser. The project provides an embeddable data canvas consisting of web components and tags, allowing for the integration of full visualization interfaces and interactive charts into external web applications. It utilizes WebGL hardware acceleration to efficiently render large volumes of data as interactive graphics. Th

Plotnine es una librería de visualización de datos para Python basada en la Gramática de Gráficos. Sirve como un framework de trazado estadístico declarativo y motor de trazado multipanel, permitiendo a los usuarios crear gráficos complejos mapeando variables de datos a propiedades visuales como posición, color y tamaño. El proyecto se distingue por su uso de un modelo de composición en capas y un motor de transformación estadística que realiza agregaciones y cálculos antes de renderizar visuales. Cuenta con un sistema integral para faceting multipanel, que permite dividir una sola visualización en una cuadrícula de sub-gráficos basados en variables categóricas. La librería cubre una amplia gama de capacidades, incluyendo diversas representaciones geométricas para gráficos de distribución, área y dispersión, así como visualización geoespacial para renderizar límites geográficos. Proporciona herramientas extensas para mapeo de escalas, proyecciones de coordenadas y estilo basado en temas para separar los elementos impulsados por datos de las propiedades estéticas no relacionadas con los datos. El framework utiliza un backend de Matplotlib para el renderizado e integra con dataframes tabulares mediante operaciones de tubería (piping).

Yellowbrick es una librería de visualización de machine learning y herramienta de diagnóstico de modelos diseñada para analizar la importancia de las características, distribuciones objetivo y métricas de error del modelo. Sirve como un kit de herramientas visual para diagnosticar el subajuste (underfitting) y sobreajuste (overfitting) mediante el uso de curvas de validación y aprendizaje. El proyecto proporciona suites especializadas para evaluar modelos predictivos y aprendizaje no supervisado. Permite la determinación de conteos de clústeres óptimos mediante métodos de codo y coeficientes de silueta, y evalúa la calidad de clasificadores y regresores a través de curvas ROC, matrices de confusión y gráficos de residuos. La librería cubre varias áreas de capacidad de alto nivel, incluyendo análisis de ingeniería de características para identificar variables predictivas, ajuste de hiperparámetros para ajustar la complejidad del modelo y diagnóstico de errores de regresión para identificar puntos de datos influyentes. También incluye herramientas para proyección de aprendizaje de variedades (manifold learning) para visualizar datos de alta dimensión y corpus de texto. La herramienta se integra con la API de Scikit-Learn para consumir métodos estándar de fit y predict.

A python library for decision tree visualization and model interpretation.

Multiplatform plotting library based on the Grammar of Graphics

Next-gen fast plotting library running on WGPU using the pygfx rendering engine

Python histogram library - histograms as updateable, fully semantic objects with visualization tools. Python HYSTograms.