10 dépôts
Components for rendering charts, metrics, and informational blocks within user interfaces.
Distinguishing note: Focuses on the visual representation layer rather than the underlying data storage.
Explore 10 awesome GitHub repositories matching user interface & experience · Data Visualization Widgets. Refine with filters or upvote what's useful.
Appsmith is a low-code platform designed for building internal business tools, such as operational dashboards and administrative panels. It enables developers to construct dynamic user interfaces by dragging and dropping modular widgets onto a canvas and binding them directly to backend data sources. The platform utilizes a reactive framework that automatically updates interface elements and triggers functions whenever underlying data or widget properties change, eliminating the need for manual event handling. The platform distinguishes itself through a server-side proxy architecture that exe
Ships a variety of visual widgets for rendering data in tables, charts, and maps.
DearPyGui is a GPU-accelerated, immediate-mode graphical user interface framework for Python. It provides a high-performance toolkit for building interactive desktop applications by leveraging native hardware-accelerated rendering backends across multiple operating systems. By utilizing an immediate-mode execution model, the library offers direct control over the rendering loop and element state, enabling the creation of responsive, dynamic interfaces. The framework distinguishes itself through its ability to handle complex, high-frequency visual updates, making it suitable for real-time data
Renders interactive data plots and histograms with support for embedding complex widgets within tooltips.
This library provides a diagnostic toolkit for automated data profiling and exploratory analysis. It generates comprehensive statistical summaries and visual reports for tabular datasets, enabling users to identify distribution patterns, missing values, and quality anomalies through a unified interface. The project distinguishes itself by offering differential analysis, which allows for the comparison of two dataset versions to track structural and statistical changes over time. It supports large-scale data processing through lazy evaluation and provides interactive widgets that embed directl
Displays interactive profiling widgets directly inside data science environments for immediate exploration.
Perspective is a columnar data analytics engine and high-performance visualization component powered by WebAssembly. It provides a system for analyzing and visualizing large or streaming datasets through interactive data grids and charts, utilizing a compiled binary to achieve near-native performance within the browser. The project distinguishes itself through a WebSocket-based data streaming interface and deep Apache Arrow integration, which minimize memory overhead when synchronizing tables between servers and clients. It acts as a remote query proxy capable of translating visualization con
Provides interactive widgets for transforming and visualizing large datasets within JupyterLab environments.
Conky is a system monitoring application used to create custom desktop widgets that visualize real-time hardware performance and system metrics. It renders data such as CPU, memory, disk, and network usage directly onto the desktop environment as transparent overlays. The project extends its core monitoring capabilities through external data integration, allowing it to fetch information from remote APIs and mail servers. It also includes dedicated tracking for media playback status and current track information from music players. Users can personalize these displays using text, graphs, and
Visualizes system and external data using customizable text, progress bars, and graphs.
Serial Studio is a desktop application for connecting to, decoding, visualizing, and recording data from hardware devices over multiple communication protocols. It functions as an embedded device debugging toolkit that ingests live data from Serial, Bluetooth, CAN, Modbus, MQTT, and network sockets into a unified dashboard, while also serving as a programmatic automation platform with over 320 commands exposed over TCP, gRPC, and MCP for external control. The application distinguishes itself through a scriptable frame pipeline that routes incoming bytes through configurable detection, decodin
Displays incoming data through over 15 interactive widgets including line plots, gauges, bar charts, GPS maps, FFT spectrum, and accelerometer views.
Davinci est une plateforme de business intelligence et de visualisation de données utilisée pour construire des tableaux de bord et des rapports interactifs. Elle fonctionne comme un constructeur de tableaux de bord basé sur SQL et un service d'analyse multi-tenant qui se connecte aux bases de données via JDBC et des fichiers CSV pour transformer des données brutes en composants visuels. La plateforme se distingue par son modèle de sécurité granulaire, qui inclut des permissions au niveau des lignes et des colonnes intégrées avec l'authentification LDAP et OAuth2. Elle fournit également un outil de visualisation intégré qui permet d'insérer des graphiques et des tableaux de bord sécurisés et paramétrés dans des applications externes via des URL et des cadres (frames). Le système couvre un large éventail de capacités, y compris la modélisation de données avec des modèles SQL, un moteur de mise en page par glisser-déposer pour les tableaux de bord réactifs, et une grande variété de types de visualisation tels que les diagrammes de Sankey, les graphiques radar et les cartes géographiques. Elle inclut en outre l'automatisation pour la planification de rapports par e-mail et utilise la mise en cache clé-valeur pour optimiser les performances des requêtes.
Transforms data models into interactive visualization widgets by applying secondary aggregation and grouping.
Ce projet est un modèle administratif basé sur React et un kit UI conçu pour construire des tableaux de bord. Il fournit une collection complète de mises en page pré-stylisées, une bibliothèque de composants accessible et un framework UI basé sur Sass pour créer des interfaces administratives. Le modèle est spécifiquement structuré comme un projet optimisé pour l'IA, utilisant des modèles de codage et une organisation conçus pour aider les assistants IA à générer du code React cohérent et prêt pour la production. Il dispose d'un système de style flexible utilisant des variables Sass et des propriétés personnalisées CSS pour prendre en charge des thèmes clairs et sombres personnalisables. Le kit couvre un large éventail de capacités d'interface, y compris des widgets de visualisation de données, des tableaux interactifs avec tri et pagination, et des éléments de formulaire complexes comme des assistants multi-étapes. Il inclut des systèmes de navigation de haut niveau tels que des barres latérales et des fils d'ariane, ainsi que des composants structurels comme des grilles réactives, des boîtes de dialogue modales et des interfaces de calendrier accessibles.
Renders visual widgets that summarize key data and metrics for an immediate performance overview.
Mercury est un framework pour transformer des notebooks Jupyter en applications web interactives, une API d'exécution de notebooks et un générateur de sites statiques. Il fonctionne comme un serveur d'applications auto-hébergé qui permet aux utilisateurs de déployer des notebooks protégés par mot de passe en tant qu'interfaces utilisateur fonctionnelles sans écrire de code frontend. Le système se distingue en mappant les widgets de notebook à une interface web réactive et en synchronisant les sessions d'application en direct entre plusieurs utilisateurs en temps réel. Il permet l'exécution à distance de notebooks via une API pour récupérer les résultats de calcul sous forme de données structurées et prend en charge la conversion de notebooks en présentations interactives ou en interfaces de chat. La plateforme couvre un large éventail de capacités, y compris la création de tableaux de bord interactifs, la génération automatisée de rapports aux formats PDF et HTML, et la possibilité d'intégrer des notebooks exécutés dans des sites web externes. Le branding et la mise en page de l'application sont gérés via des fichiers de configuration externes. Les options de déploiement incluent des services cloud gérés et une infrastructure privée auto-hébergée utilisant des conteneurs Docker.
Triggers the automatic re-execution of notebook cells when a user modifies an input widget.
Ce projet est un environnement de notebook interactif basé sur le web, conçu pour la science des données distribuée et le calcul à grande échelle. Il sert d'outil de développement pour exécuter du code et effectuer des analyses de données spécifiquement au sein du framework Apache Spark, fournissant une interface basée sur navigateur qui combine l'exécution de code avec la visualisation réactive des données. La plateforme se distingue par son intégration profonde avec l'infrastructure distribuée, permettant aux utilisateurs de gérer les ressources du cluster, de configurer les dépendances d'exécution et d'isoler les processus d'exécution pour les notebooks individuels. Elle prend en charge les flux de travail collaboratifs en synchronisant les fichiers de notebook directement avec les systèmes de contrôle de version et fournit un moteur de rendu réactif qui met automatiquement à jour les graphiques et les widgets en réponse aux flux de données en direct et à l'exécution du code. Au-delà de ses capacités d'exécution de base, l'environnement inclut des outils complets pour la gestion de cluster, la sécurité et l'extensibilité. Il prend en charge l'authentification et l'usurpation d'identité des utilisateurs pour un accès sécurisé aux ressources distribuées, tout en offrant des options de configuration flexibles pour les modèles d'environnement, la gestion des dépendances et l'optimisation des performances. Le système propose également une large bibliothèque de composants de visualisation interactifs, incluant la cartographie géospatiale, les graphes de réseau et les tableaux croisés dynamiques, pour faciliter l'exploration complexe des données.
Integrates interactive visualization components directly into notebook cells for displaying data samples and streaming updates.