مقایسه سریع Streamlit، Dash، Reflex و Rio

بسیاری از دانشمندان داده فاقد پیشینه در علوم کامپیوتر یا مهندسی نرم افزار هستند. حتی کسانی که این کار را انجام می دهند ممکن است از توسعه برنامه های کاربردی وب یا رابط های کاربری جلویی برای نمایش کار خود لذت نبرند. علاوه بر این، کسانی که گهگاه از مهندسی نرم‌افزار «خالص» قدردانی می‌کنند، ممکن است تمایلی به تخصیص بخش‌های قابل توجهی از بودجه علم داده خود به تکمیل دستورالعمل‌های CSS برای بهینه‌سازی ظاهر دکمه‌ها و نمودارها در دستگاه‌های مختلف نداشته باشند. در نهایت، یک پروژه علم داده حول یک سوال مبتنی بر داده متمرکز است، و به طور کلی توصیه می‌شود که هزینه‌های جانبی، به‌ویژه در مراحل اولیه، دموها و اثبات مفهوم به حداقل برسد. در این مقاله، سه فریمورک اصلی را به همراه فریمورک تازه معرفی شده در این دسته بررسی می‌کنیم: Rio، Reflex، Streamlit و قدیمی‌تر و جاافتاده‌تر Dash از Plotly. ما معتقدیم که این چهار چارچوب طیف سادگی-انعطاف پذیری را در بر می گیرند و می توانند به اکثر موارد استفاده در پروژه های علم داده رسیدگی کنند. تمرکز ما بر پایتون است، زیرا این زبان پرکاربردترین زبان برنامه نویسی در جامعه علم داده است. Rio، Reflex، Streamlit و Dash همگی بومی پایتون هستند و Dash از R و Julia نیز پشتیبانی می کند.

Streamlit

Streamlit به دلیل سادگی خود متمایز است و امکان ایجاد وب جذاب را فراهم می کند …

Source link