1 dépôt
Visual representations of runtime symbols using tables and lazy-loading streams.
Distinct from Data Visualization: Focuses on the visual inspection of runtime symbols specifically, rather than general chart rendering.
Explore 1 awesome GitHub repository matching data & databases · Symbol Visualizations. Refine with filters or upvote what's useful.
Polynote est un environnement de notebook polyglotte et un système de documents interactifs conçu pour exécuter du code dans plusieurs langages au sein d'un même document. Il fonctionne comme un outil d'analyse de données multi-langages et un IDE pour langages JVM, permettant aux utilisateurs de combiner du code exécutable, du texte riche et des visualisations de données pour prototyper et documenter des flux de travail techniques. Le système se distingue par sa capacité à partager des données et des variables entre différents runtimes de langage, tels que Python et la JVM. Il utilise la conversion d'objets multi-langages et le wrapping de données pour transmettre des objets entre les runtimes, permettant des flux de travail de données multi-langages. De plus, il s'intègre à Apache Spark pour exécuter des tâches de traitement de données distribuées via des soumissions de cluster locales ou distantes. La plateforme fournit une suite complète de capacités pour l'analyse et la visualisation de données, incluant une table des symboles en temps réel pour la surveillance du runtime et la prise en charge du rendu des spécifications Vega. Elle gère les dépendances pour les runtimes JVM et Python en utilisant une résolution basée sur les coordonnées et offre une édition améliorée par IDE avec autocomplétion et mise en évidence des erreurs. Les fonctionnalités de gestion de documents incluent une table des matières dynamique, une recherche de contenu inter-notebook et une récupération de sauvegarde basée sur le navigateur pour éviter la perte de données due à des fichiers corrompus.
Inspects symbols using various representations, including data tables and lazy-loading streams for large datasets.