pybestlib 0.3.0

BestLib, the best lib for graphics - Interactive dashboards for Jupyter with D3.js

📊 BESTLIB

BestLib, the best lib for graphics - Interactive dashboards for Jupyter with D3.js

BESTLIB es una librería de visualización interactiva que te permite crear dashboards profesionales en Jupyter Notebooks usando layouts ASCII y gráficos D3.js. Diseñada para ser simple, poderosa y completamente interactiva.

✨ Características Principales

• 🎨 25+ tipos de gráficos - Scatter, bar, histogram, boxplot, heatmap, line, pie, violin, radviz, kde y más
• 🔗 Vistas enlazadas - Sincronización automática entre múltiples gráficos
• ⚡ Sistema reactivo - Actualización automática sin re-ejecutar celdas
• 🖱️ Interactividad completa - Brush selection, click events, tooltips personalizables
• 📐 Layouts ASCII - Define la disposición de gráficos con texto simple
• 🐼 Soporte pandas nativo - Trabaja directamente con DataFrames sin conversiones

🚀 Instalación

pip install pybestlib

Para Google Colab

!pip install bestlib

Nota: Colab ya incluye las dependencias necesarias (pandas, numpy, ipywidgets).

📚 Documentación

La documentación completa y ejemplos detallados están disponibles en:

• Sitio de documentación: https://bestlib-docs.vercel.app/

💡 Inicio Rápido

from BESTLIB.reactive import ReactiveMatrixLayout, SelectionModel
import pandas as pd

# Cargar datos
df = pd.read_csv('iris.csv')

# Crear layout y establecer datos
layout = ReactiveMatrixLayout("S", selection_model=SelectionModel())
layout.set_data(df)  # ⚠️ IMPORTANTE: Establecer datos primero

# Agregar scatter plot interactivo
layout.add_scatter(
    'S',
    x_col='sepal_length',
    y_col='petal_length',
    category_col='species',
    interactive=True
)

layout.display()

Ejemplo con Múltiples Gráficos y Vistas Enlazadas

from BESTLIB.reactive import ReactiveMatrixLayout, SelectionModel
import pandas as pd

df = pd.read_csv('iris.csv')

# Definir el layout
layout = ReactiveMatrixLayout("SHB", selection_model=SelectionModel())
layout.set_data(df)

# Scatter plot con selección (vista principal)
layout.add_scatter('S', x_col='sepal_length', y_col='petal_length', 
                   category_col='species', interactive=True)

# Histograma enlazado a la selección del scatter
layout.add_histogram('H', column='petal_length', linked_to='S')

# Bar chart enlazado a la selección del scatter
layout.add_barchart('B', x_col='species', y_col='sepal_length', linked_to='S')

layout.display()

📊 Tipos de Gráficos Disponibles

Gráficos Básicos

Gráfico	Método	Descripción
Scatter Plot	add_scatter()	Dispersión con brush selection
Bar Chart	add_barchart()	Barras verticales simples
Grouped Bar Chart	add_grouped_barchart()	Barras agrupadas por categoría
Horizontal Bar	add_horizontal_bar()	Barras horizontales
Histogram	add_histogram()	Distribuciones con bins configurables
Boxplot	add_boxplot()	Diagramas de caja por categoría
Line Chart	add_line()	Series temporales y múltiples líneas
Line Plot	add_line_plot()	Gráfico de líneas alternativo
Pie Chart	add_pie()	Gráficos circulares
Violin Plot	add_violin()	Distribuciones de densidad

Gráficos Avanzados

Gráfico	Método	Descripción
Heatmap	add_heatmap()	Mapas de calor
Correlation Heatmap	add_correlation_heatmap()	Matriz de correlación
Hexbin	add_hexbin()	Dispersión con bins hexagonales
Hist2D	add_hist2d()	Histograma 2D (densidad bivariada)
KDE	add_kde()	Estimación de densidad kernel
Distplot	add_distplot()	Histograma + KDE + rug plot
QQ Plot	add_qqplot()	Gráfico cuantil-cuantil
ECDF	add_ecdf()	Función de distribución acumulativa empírica
Errorbars	add_errorbars()	Barras de error
Fill Between	add_fill_between()	Área entre dos curvas
Ribbon	add_ribbon()	Cinta entre series
Step Plot	add_step()	Gráfico de escalones

Gráficos Especializados

Gráfico	Método	Descripción
RadViz	add_radviz()	Visualización radial multidimensional
Star Coordinates	add_star_coordinates()	Coordenadas estelares
Parallel Coordinates	add_parallel_coordinates()	Coordenadas paralelas
Polar	add_polar()	Gráfico polar/radial
Funnel	add_funnel()	Gráfico de embudo
Confusion Matrix	add_confusion_matrix()	Matriz de confusión (ML)

🎯 Casos de Uso

• Análisis exploratorio de datos - Visualiza rápidamente tus DataFrames
• Dashboards interactivos - Crea interfaces de análisis sin HTML/JavaScript
• Presentaciones dinámicas - Gráficos que responden a interacciones del usuario
• Enseñanza de datos - Visualizaciones interactivas para educación

🔧 Dependencias

BESTLIB funciona con dependencias opcionales. Para funcionalidad completa, instala:

pip install ipython ipywidgets pandas numpy

Opcional: scikit-learn (solo para add_confusion_matrix())

🤝 Contribuciones

Desarrollado por Nahia Escalante, Alejandro Rojas y Max Antúnez

¿Encontraste un bug o tienes una sugerencia? ¡Abre un issue!

📄 Licencia

MIT License - Ver LICENSE para más detalles.

---

¿Listo para crear visualizaciones increíbles? ⚡ pip install bestlib y comienza ahora.