作者 | 俊欣
来源 | 关于数据分析与可视化
今天小编给大家分享一个制作数据大屏的工具,非常的好用,100行左右的Python
代码就可以制作出来一个完整的数据大屏,并且代码的逻辑非常容易理解。
PywebIO
介绍Python
当中的PywebIO
模块可以帮助开发者在不具备HTML
和JavaScript
的情况下也能够迅速构建Web
应用或者是基于浏览器的GUI
应用,PywebIO
还可以和一些常用的可视化模块联用,制作成一个可视化大屏,
我们先来安装好需要用到的模块
pip install pywebio
pip install cutecharts
上面提到的cutecharts
模块是Python
当中的手绘风格的可视化神器,相信大家对此并不陌生,我们来看一下它与PywebIO
模块结合绘制图表的效果是什么样的,代码如下
from cutecharts.charts import Bar
from cutecharts.faker import Faker
from pywebio import start_server
from pywebio.output import put_html
def bar_base():
chart = Bar("Bar-基本示例", width="100%")
chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel")
chart.add_series("series-A", Faker.values())
put_html(chart.render_notebook())
if __name__ == '__main__':
start_server(bar_base, debug=True, port=8080)
output
上述代码的逻辑并不难看懂,先实例化一个直方图Bar()
对象,然后填上X
轴对应的标签以及对应Y
轴的值,最后调用PywebIO
模块当中的put_html()
方法,我们会看到一个URL
在浏览器当中输入该URL
便能够看到我们绘制出来的图表。当然在cutecharts
模块当中有Page()
方法来将各个图表都连接起来,做成一张可视化大屏,代码如下
def bar_base():
chart = Bar("Bar-基本示例", width="100%")
chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel")
chart.add_series("series-A", Faker.values())
return chart
def pie_base() -> Pie:
chart = Pie("标题", width="100%")
........
return chart
def radar_base() -> Radar:
chart = Radar("标题", width="100%")
......
return chart
def line_base() -> Line:
chart = Line("标题", width="100%")
......
return chart
def main():
page = Page()
page.add(pie_base(), pie_base(), radar_base(), line_base(), bar_base())
put_html(page.render_notebook())
if __name__ == '__main__':
start_server(main, debug=True, port=8080)
output
PywebIO
和Pyecharts
的组合当PywebIO
模块遇上Pyecharts
模块时,代码的逻辑基本上和cutecharts
的一致,先是实例化一个图表的对象,然后在添加完数据以及设置好图表的样式之后,最后调用put_html()
方法将最后的结果在浏览器中呈现
# `chart` 是你的图表的实例
pywebio.output.put_html(chart.render_notebook())
在这个案例当中我们调用Pyecharts
当中的组合组件,分别来呈现绘制完成的图表,代码如下
def bar_plots():
bar = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar"))
)
return bar
def line_plots():
line = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"),
legend_opts=opts.LegendOpts(pos_top="48%"),
)
)
return line
def main():
c = (
Grid()
.add(bar_plots(), grid_opts=opts.GridOpts(pos_bottom="60%"))
.add(line_plots(), grid_opts=opts.GridOpts(pos_top="60%"))
)
c.width = "100%"
put_html(c.render_notebook())
if __name__ == '__main__':
start_server(main, debug=True, port=8080)
output
PywebIO
和Bokeh
的组合PywebIO
和Bokeh
的组合从代码的语法上来看会稍微和上面的不太一样,具体的不同如下所示
from bokeh.io import output_notebook
from bokeh.io import show
output_notebook(notebook_type='pywebio')
fig = figure(...)
...
show(fig)
例如我们来绘制一个简单的直方图,代码如下
def bar_plots():
output_notebook(notebook_type='pywebio')
fruits = ['Apples', 'Pears', 'Nectarines', 'Plums', 'Grapes', 'Strawberries']
counts = [5, 3, 4, 2, 4, 6]
p = figure(x_range=fruits, plot_height=350, title="Fruit Counts",
toolbar_location=None, tools="")
p.vbar(x=fruits, top=counts, width=0.9)
p.xgrid.grid_line_color = None
p.y_range.start = 0
show(p)
if __name__ == "__main__":
start_server(bar_plots, debug=True, port=8080)
output
GUI
应用除了将Pywebio
模块与常用的可视化模块结合用于各种图表的绘制之外,我们还能用它构建一个基于浏览的图形界面,我们先来做一个最为简单的应用,代码如下
from pywebio.input import *
from pywebio.output import *
data = input_group(
"用户数据",
[
input("请问您的名字是: ", name="name", type=TEXT),
input("输入您的年龄", name="age", type=NUMBER),
radio(
"哪个洲的",
name="continent",
options=[
"非洲",
"亚洲",
"澳大利亚",
"欧洲",
"北美洲",
"南美洲",
],
),
checkbox(
"用户隐私条例", name="agreement", options=["同意"]
),
],
)
put_text("表格输出:")
put_table(
[
["名字", data["name"]],
["年龄", data["age"]],
["位置", data["continent"]],
["条例", data["agreement"]],
]
)
output
当中部分函数方法的解释如下:
input()
: 文本内容的输入
radio()
: 代表的是单选框
checkbox()
: 代表的是多选框
input_group()
: 代表的是输入组
put_table()
: 代表的是输出组
put_text()
: 代表的是输出文本
往
期
回
顾
技术
用技术实现时序羽毛球动作预测
资讯
体验在元宇宙豪宅里开party
资讯
苹果市值达3万亿美元,创历史新高
资讯
这个AI模型火上GitHub热榜
分享
点收藏
点点赞
点在看