Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Análisis comparativo de Streamlit y Bokeh para el
desarrollo de dashboards interactivos en Python:
características, personalización y facilidad de
implementación.
Comparative Analysis of Streamlit and Bokeh for Interactive
Dashboard Development in Python: Features, Customization, and
Ease of Implementation
-Fecha de recepción: 08-04-2026-Fecha de aceptación: 23-06-2026-Fecha de publicación: 06-07-2026
Stefany Antonella Campaña Lozano1
Universidad Técnica Particular de Loja (UTPL), Loja, Ecuador
antonellacampana6@gmail.com
Resumen
El presente artículo tiene como objetivo comparar Streamlit y Bokeh para el desarrollo de
dashboards interactivos en Python, considerando criterios de apariencia, actualización durante el
desarrollo y facilidad de implementación. La investigación se fundamenta en un análisis
documental y comparativo, complementado con la implementación de dos prototipos. Los
resultados evidencian que Streamlit facilita el desarrollo mediante componentes predefinidos,
mientras que Bokeh ofrece mayores posibilidades de personalización, aunque requiere una
implementación más elaborada en el caso estudiado. Se concluye que ambas herramientas
presentan ventajas y limitaciones, por lo que su elección depende de los requerimientos y
características de cada proyecto.
Palabras clave: dashboards interactivos, Python, Streamlit, Bokeh, visualización de datos.
Abstract
This article aims to compare Streamlit and Bokeh for the development of interactive dashboards
in Python, considering criteria related to appearance, updates during development, and ease of
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
implementation. The research is based on a documentary and
comparative analysis, complemented by the implementation of two prototypes. The results show
that Streamlit facilitates development through predefined components, while Bokeh offers greater
customization possibilities, although it required a more elaborate implementation in the case
studied. It is concluded that both tools present advantages and limitations; therefore, their selection
depends on the requirements and characteristics of each project.
Keywords: interactive dashboards, Python, Streamlit, Bokeh, data visualization.
Introducción
El incremento en la generación y disponibilidad de datos ha impulsado la necesidad de utilizar
herramientas que faciliten su procesamiento, análisis y representación visual. En este contexto, los
dashboards interactivos constituyen una alternativa para organizar y presentar información
mediante gráficos, indicadores y componentes visuales que favorecen la interpretación de los datos
y apoyan los procesos de toma de decisiones. Guerrero González (2021) destaca la relación entre
el crecimiento de la información y el desarrollo de herramientas orientadas a su visualización.
El lenguaje de programación Python ofrece diversas herramientas para el procesamiento y la
visualización de datos, entre las que se encuentran Streamlit y Bokeh. Estas permiten desarrollar
soluciones interactivas mediante enfoques diferentes: Streamlit facilita la construcción de
aplicaciones de datos mediante componentes predefinidos, mientras que Bokeh se orienta a la
creación de visualizaciones interactivas con posibilidades de personalización e integración en
aplicaciones web.
Sin embargo, la disponibilidad de distintas herramientas plantea la necesidad de identificar cuáles
son sus características, ventajas y limitaciones durante el desarrollo de dashboards interactivos. La
elección de una herramienta no depende únicamente de sus funcionalidades, sino también de
aspectos relacionados con la personalización de la interfaz, el comportamiento de actualización
durante el desarrollo y las facilidades de implementación. Por ello, resulta pertinente establecer
criterios comparativos que permitan reconocer las particularidades de cada alternativa.
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
En este contexto, el presente artículo tiene como objetivo analizar
comparativamente Streamlit y Bokeh para el desarrollo de dashboards interactivos en Python, a
partir de sus características técnicas y de los resultados obtenidos mediante la implementación de
dos prototipos. El análisis considera criterios relacionados con la apariencia, el comportamiento
de actualización durante el desarrollo y las facilidades de implementación, con la finalidad de
identificar las ventajas y limitaciones observadas en cada herramienta.
La investigación retoma los resultados del estudio desarrollado por Campaña Lozano (2022) y los
presenta desde una perspectiva comparativa, con el propósito de aportar elementos que orienten la
selección de herramientas para la construcción de dashboards interactivos en Python.
Materiales y Métodos
2.1. Marco teórico
2.1.1. ¿Qué es un Dashboard?
Los dashboards son herramientas de visualización que permiten presentar información relevante
mediante gráficos, tablas e indicadores organizados en una interfaz. Según Few (2006), su
finalidad es facilitar el seguimiento y la interpretación de información relacionada con
determinados objetivos.
Los dashboards interactivos incorporan funcionalidades como filtros, selección de variables y
actualización de visualizaciones, permitiendo explorar los datos de acuerdo con las necesidades
del usuario. Estas características favorecen el análisis de información y requieren herramientas que
faciliten tanto la representación gráfica como la interacción con los datos.
2.1.2. Bokeh
“Bokeh es una biblioteca de Python orientada a la creación de visualizaciones interactivas para
navegadores web (Jurić, 2019). Permite desarrollar gráficos personalizables e incorporar
herramientas de interacción, como selección de datos, desplazamiento y modificación de
parámetros.
Entre sus principales características se encuentran la personalización de elementos gráficos, la
integración con bibliotecas de procesamiento de datos y la posibilidad de desarrollar aplicaciones
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
interactivas mediante Bokeh Server. Estas funcionalidades permiten
adaptar las visualizaciones a diferentes necesidades, aunque el nivel de complejidad de la
implementación depende de las características del proyecto.
2.1.3. Streamlit
Streamlit es un framework de código abierto basado en Python que facilita el desarrollo de
aplicaciones web interactivas orientadas al análisis y la visualización de datos (Streamlit Inc.,
2022). Su funcionamiento se basa en la utilización de componentes predefinidos que permiten
construir interfaces sin requerir necesariamente conocimientos especializados de desarrollo web.
Entre sus principales características destacan la integración con bibliotecas de Python, la
incorporación de componentes interactivos y la actualización de la aplicación durante el proceso
de desarrollo. Estas funcionalidades favorecen la creación de prototipos y aplicaciones de
visualización de datos mediante una estructura de programación accesible.
2.2. Metodología
El presente artículo esta fundamentado en la investigación desarrollada por Campaña Lozano
(2022), titulada Implementación de dashboards interactivos para la visualización de datos usando
lenguaje de programación Python, realizada en la Universidad Técnica Particular de Loja. A partir
de dicho estudio, se sintetizan y analizan los resultados obtenidos mediante la implementación de
dos prototipos desarrollados con Streamlit y Bokeh, considerando criterios relacionados con la
apariencia, el comportamiento de actualización durante el desarrollo y las facilidades de
implementación. Esta adaptación tiene como finalidad presentar los principales hallazgos de la
investigación original en un formato de artículo científico.
2.2.1. Diseño de la investigación
La investigación se desarrolló mediante un enfoque analítico-documental y comparativo, basado
en la revisión de información técnica sobre Streamlit y Bokeh y en el análisis de dos prototipos
implementados con estas herramientas. La comparación se realizó considerando sus características
generales y la experiencia obtenida durante el desarrollo de los prototipos, a partir
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
de criterios relacionados con la apariencia, la actualización durante el
desarrollo y las facilidades de implementación.
2.2.2. Desarrollo de los prototipos
Como parte de la investigación original, se implementaron dos dashboards interactivos utilizando
Python. El prototipo desarrollado con Streamlit empleó un conjunto de datos en formato CSV
relacionado con publicaciones en Twitter y el análisis de sentimientos sobre aerolíneas
estadounidenses. Por otra parte, el prototipo elaborado con Bokeh utilizó información de
instituciones educativas de Ecuador almacenada en formato XLS.
La implementación permitió examinar las funcionalidades de ambas herramientas, los
componentes utilizados para la representación de datos y las particularidades de sus procesos de
desarrollo. Debido a que los prototipos utilizaron conjuntos de datos y funcionalidades diferentes,
la comparación se orientó a identificar características y experiencias de implementación, sin
establecer equivalencias directas de rendimiento computacional.
2.2.3. Criterios de comparación
Los criterios de evaluación se establecieron a partir de la revisión documental y de la experiencia
obtenida durante la implementación de los prototipos. Para organizar el análisis se consideraron
como referencia los atributos de calidad del software abordados por Bass et al. (2012),
adaptándolos a las características observadas durante el desarrollo de dashboards interactivos.
La evaluación se estructuró en tres categorías:
• Apariencia: comprende las posibilidades de personalización de la interfaz y de las
visualizaciones, así como la disponibilidad de componentes predefinidos. Esta categoría se
relaciona con determinados aspectos de la usabilidad, particularmente con la presentación
de información y la configuración de elementos visuales.
• Actualización durante el desarrollo: examina el comportamiento de los prototipos al
modificar el código en un entorno local y los mecanismos necesarios para visualizar los
cambios. Este criterio no constituye una medición del rendimiento computacional.
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
• Facilidades de implementación: considera la experiencia del desarrollador, los recursos
de aprendizaje y la posibilidad de integrar otros lenguajes de programación durante la
construcción de los dashboards.
Los criterios establecidos se presentan en la Tabla 1.
Tabla 1.
Categorías de comparación
Categoría
Criterio
Apariencia
Personalización de la interfaz y los gráficos;
componentes predefinidos.
Rendimiento
Actualización automática o manual de los
cambios realizados en el código.
Facilidad para el desarrollo
Experiencia del desarrollador y curva de
aprendizaje; integración con otros lenguajes
de programación.
Nota. Adaptado de los criterios establecidos en Campaña Lozano (2022).
2.2.4. Procedimiento de análisis
El análisis se desarrolló en dos etapas. En la primera se revisaron las características generales de
Streamlit y Bokeh, considerando aspectos como compatibilidad, instalación, disponibilidad de
repositorios, acceso al código fuente y actividad de sus comunidades de desarrollo.
En la segunda etapa se examinaron los prototipos implementados, aplicando los criterios de
apariencia, actualización durante el desarrollo y facilidades de implementación. Los resultados se
organizaron mediante tablas comparativas y se complementaron con la identificación de ventajas
y limitaciones observadas en cada herramienta.
La interpretación se realizó de manera descriptiva, considerando las condiciones particulares de
los prototipos y evitando generalizaciones sobre el comportamiento de ambas herramientas en
otros contextos.
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Resultados y/o Discusión
3.1. Comparación de características generales
La revisión documental permitió identificar las características generales de Streamlit y Bokeh,
considerando aspectos relacionados con su compatibilidad, instalación, disponibilidad de
recursos y actividad en los repositorios de desarrollo. Los resultados se presentan en la Tabla 2.
Tabla 2.
Comparación entre las características de librerías.
Parámetros
Streamlit
Bokeh
Funciona con la última
versión de Python
Cumple
Cumple
Tiene información en
repositorios
Cumple
Cumple
Fácil de instalar
Cumple
Cumple
Es de código abierto
Cumple
Cumple
Issues
763
913
Fork
4190
3119
Tengan una comunidad
abierta para realizar una
discusión
Cumple
Cumple
Las librerías puedan
generarse como aplicaciones
Cumple
Cumple
Nota. Datos correspondientes a la revisión de repositorios realizada en la investigación original
de Campaña Lozano (2022). Los valores de issues y forks son históricos y requieren indicar la
fecha exacta de consulta, si está disponible.
Los resultados evidencian que ambas herramientas cumplieron los criterios generales
establecidos en la investigación. En cuanto a la actividad de los repositorios, Bokeh registró un
mayor número de issues, mientras que Streamlit presentó una mayor cantidad de forks.
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Sin embargo, estos indicadores reflejan aspectos de la actividad de los repositorios y no permiten
determinar directamente la calidad del software, la facilidad de implementación ni el rendimiento
de las herramientas.
3.2. Análisis de apariencia
La evaluación de apariencia permitió identificar diferencias en la personalización de las interfaces,
la configuración de los gráficos y la disponibilidad de componentes durante la implementación de
los prototipos. Los resultados registrados se presentan en la Tabla 3.
Tabla 3.
Apariencia
Aspecto evaluado
Argumentos
Bokeh
Streamlit
Apariencia general
del dashboard
Existencia de temas
predeterminados.
NO
SI
Apariencia general
del dashboard
Personalización total
SI
NO
Apariencia general
del dashboard
Personalización
parcial
SI
SI
Apariencia de las
gráficas
Gráficos integrados
NO
SI
Apariencia de las
gráficas
Gráficos
incorporados
NO
SI
Apariencia de las
gráficas
Personalización total
SI
NO
Apariencia de las
gráficas
Personalización
Parcial
SI
SI
Componentes
preexistentes
Componentes
preexistentes
NO
SI
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Aspecto evaluado
Argumentos
Bokeh
Streamlit
Títulos y subtítulos
Uso de archivos
HTML y CSS
SI
NO
Títulos y subtítulos
Personalización total
SI
NO
Títulos y subtítulos
Personalización
parcial
SI
SI
Nota. Se conservan los resultados registrados en los prototipos de Campaña Lozano (2022). Las
respuestas «Sí» y «No» describen la evaluación original y no deben interpretarse como ausencia
absoluta de funcionalidades en las herramientas.
Ventajas y limitaciones de Streamlit
En el prototipo desarrollado con Streamlit se identificaron ventajas relacionadas con la
disponibilidad de componentes predefinidos, la incorporación de gráficos y la facilidad para
estructurar la interfaz. Estas características simplificaron determinadas tareas de implementación
y redujeron la necesidad de configurar individualmente algunos elementos visuales.
No obstante, durante el desarrollo se observaron limitaciones para realizar ciertas modificaciones
de apariencia. Asimismo, la personalización de gráficos mediante bibliotecas externas requirió
consultar documentación adicional y familiarizarse con sus funcionalidades.
Ventajas y limitaciones de Bokeh
En el prototipo desarrollado con Bokeh se identificaron posibilidades de personalización de
gráficos y elementos visuales, particularmente en aspectos relacionados con colores, dimensiones
y presentación de componentes. Estas características permitieron adaptar las visualizaciones a los
requerimientos del caso estudiado.
Sin embargo, algunas tareas de personalización y configuración de componentes resultaron más
elaboradas durante la implementación. En determinados casos fue necesario recurrir a
conocimientos complementarios y consultar documentación técnica para completar las
modificaciones previstas.
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
En términos generales, Streamlit facilitó la construcción de la interfaz
mediante componentes predefinidos, mientras que Bokeh permitió una configuración visual más
detallada en el prototipo evaluado, aunque con un proceso de implementación más elaborado.
3.3. Actualización durante el desarrollo
Esta categoría permitió examinar el comportamiento de los prototipos al realizar modificaciones
en el código durante la fase de desarrollo en un entorno local. La Tabla 4 presenta los resultados
observados respecto a los mecanismos de actualización.
Tabla 4. Rendimiento
Categoría
Bokeh
Streamlit
RENDIMIENTO
NO
SI
RENDIMIENTO
SI
SI
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Ventajas y limitaciones de Streamlit
Durante el desarrollo del prototipo con Streamlit se observó que las modificaciones realizadas en
el código podían reflejarse mediante el mecanismo de actualización de la aplicación. Esta
característica facilitó la revisión de cambios durante las actividades de implementación y prueba.
En el criterio específico evaluado no se identificaron limitaciones relevantes relacionadas con la
actualización automática, aunque este resultado corresponde únicamente a las condiciones del
prototipo desarrollado.
Ventajas y limitaciones de Bokeh
El prototipo elaborado con Bokeh permitió ejecutar y visualizar la aplicación en un entorno local.
Sin embargo, durante la implementación evaluada, determinadas modificaciones requirieron
reiniciar manualmente el servidor para reflejar los cambios realizados.
Esta diferencia corresponde al procedimiento utilizado en la investigación y no implica que todas
las aplicaciones desarrolladas con Bokeh requieran necesariamente el mismo mecanismo de
actualización.
En consecuencia, Streamlit presentó un proceso de actualización más directo en el caso estudiado,
mientras que Bokeh requirió intervenciones adicionales durante determinadas modificaciones del
código. Estos resultados no permiten establecer conclusiones sobre la velocidad de procesamiento
o el rendimiento computacional de ambas herramientas.
3.4. Facilidades de implementación
La evaluación de las facilidades de implementación consideró la experiencia obtenida durante el
desarrollo de los prototipos, la disponibilidad de recursos de aprendizaje y la integración con otros
lenguajes de programación. Los resultados se presentan en la Tabla 5.
Tabla 5.
Facilidades para el Desarrollo
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Bokeh
NO
SI
SI
SI
SI
Ventajas y limitaciones de Streamlit
Durante la implementación del prototipo con Streamlit, la disponibilidad de documentación,
ejemplos y recursos de consulta facilitó la comprensión de sus funcionalidades. Asimismo, la
posibilidad de construir la aplicación principalmente mediante Python contribuyó a simplificar el
proceso de desarrollo.
No obstante, la incorporación de determinadas funcionalidades o visualizaciones externas requirió
consultar documentación específica y comprender los mecanismos de integración
correspondientes.
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Ventajas y limitaciones de Bokeh
En el caso de Bokeh, se identificaron ventajas relacionadas con las posibilidades de integración y
personalización de elementos interactivos, así como con la disponibilidad de ejemplos y recursos
técnicos para el desarrollo de visualizaciones.
Sin embargo, durante la implementación del prototipo fue necesario dedicar mayor esfuerzo a
comprender la estructura de algunos componentes y sus mecanismos de configuración.
Determinadas personalizaciones también requirieron conocimientos complementarios de
tecnologías web.
En síntesis, Streamlit presentó facilidades relacionadas con la construcción de aplicaciones
mediante componentes predefinidos y una estructura de programación accesible, mientras que
Bokeh ofreció posibilidades de configuración más detalladas, acompañadas de una mayor
complejidad de implementación en el caso analizado.
Conclusiones
El análisis comparativo permitió identificar que Streamlit y Bokeh presentan características y
funcionalidades que favorecen el desarrollo de dashboards interactivos en Python. Ambas
herramientas cuentan con recursos de documentación, repositorios de código abierto y
comunidades de desarrollo que facilitan su utilización y aprendizaje.
En relación con la apariencia y las facilidades de implementación, Streamlit destacó por la
disponibilidad de componentes predefinidos y la simplicidad de su estructura
de programación, lo que facilitó la construcción del prototipo. Por su parte, Bokeh ofreció mayores
posibilidades de personalización de gráficos y elementos visuales en el caso estudiado, aunque
requirió un proceso de configuración más elaborado.
Respecto a la actualización durante el desarrollo, Streamlit permitió visualizar los cambios
realizados en el código de manera más directa, mientras que la implementación evaluada con
Bokeh requirió intervenciones manuales para reflejar determinadas modificaciones. Estas
diferencias corresponden a las condiciones de los prototipos analizados y no constituyen una
evaluación general del rendimiento de ambas herramientas.
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Finalmente, se concluye que la elección entre Streamlit y Bokeh debe considerar los objetivos del
proyecto, el nivel de personalización requerido y la experiencia del desarrollador. Streamlit
constituye una alternativa para facilitar la construcción de aplicaciones interactivas, mientras que
Bokeh ofrece opciones de configuración más detalladas. En consecuencia, ambas herramientas
presentan ventajas y limitaciones que deben valorarse de acuerdo con las necesidades específicas
de implementación.
Contribución de autoría (Taxonomía CRediT)
Stefany Antonella Campaña Lozano: Conceptualización, metodología, investigación, análisis
formal, desarrollo de software, visualización de datos, redacción del borrador original, revisión y
edición del manuscrito.
Referencias
Enciclopedia Concepto. (2022). ¿Qué es el método analítico? https://concepto.de/metodo-
analitico/
Campaña Lozano, S. A. (2022). Implementación de dashboards interactivos para la visualización
de datos usando lenguaje de programación Python [Tesis de grado, Universidad Técnica
Particular de Loja].
Colaboradores de Bokeh. (2022). bokeh.documento . Bokeh.Documento.
https://docs.bokeh.org/en/latest/docs/reference/document.html
Data Science. (2024). Bokeh: la biblioteca de visualización Python de nueva generación.
DataScientest https://datascientest.com/es/bokeh-la-biblioteca-de-visualizacion-
python#:~:text=En%20resumen%2C%20Bokeh%20es%20una,pueden%20visualizarse%
20en%20diferentes%20plataformas.
Data Scientist en Python. (2023). Streamlit. DataScientest. https://entrenamiento-data-scientist-
python.readthedocs.io/leccion5/streamlit.html
Revista Científica Multidisciplinar CONEXUS. ISSN 3151-8419
Enero-julio 2025. Vol. 3, Núm.1, P. 037-052
Dask. (2018). Anaconda, In. https://docs.dask.org/en/stable/
Few, Stephen. (2006). Information dashboard design : the effective visual communication of data.
O’Reilly.
González Guerrero, A. (2021). EVOLUCIÓN HISTÓRICA DE LOS DASHBOARDSç
Jurić, S. (2019). Usporedba Python biblioteka za vizualizaciju podataka.
https://urn.nsk.hr/urn:nbn:hr:137:510308
Len Bass, P. C. R. K. (2012). Software Architecture in Practice, Third Edition.
McKinney, W. (n.d.). Python for Data Analysis. www.it-ebooks.info
Mhadhbi, Nadia.(2024). Tutorial de Python: Streamlit. Datacamp.
https://www.datacamp.com/es/tutorial/streamlit
Streamlit Inc. (2022). Streamlit documentation. https://docs.streamlit.io/
Murillo, W. (2024). Diseño de dashboards interactivos: mejorando la interpretación de datos en la
elasticidad de precios y demanda de productos ferreteros en la empresa “Importador
Ferretero Trujillo” (Tesis de maestría). Universidad de las Américas, Quito.
Vanrell Jordi. (2024). Librerías de Python para visualización interactiva de mapas. Data Machine
Learning Visualization. https://blog.damavis.com/librerias-de-python-para-visualizacion-
interactiva-de-mapas/