今天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 pywebiopip install cutecharts1.2.

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 Barfrom cutecharts.faker import Fakerfrom pywebio import start_serverfrom pywebio.output import put_htmldef 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)1.2.3.4.5.6.7.8.9.10.11.

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 chartdef pie_base() -> Pie:    chart = Pie("标题", width="100%")    ........    return chartdef radar_base() -> Radar:    chart = Radar("标题", width="100%")    ......
    return chartdef line_base() -> Line:    chart = Line("标题", width="100%")    ......
    return chartdef 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)1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.

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())1.2.

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 bardef 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 linedef 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)1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.

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_notebookfrom bokeh.io import showoutput_notebook(notebook_type='pywebio')fig = figure(...)...show(fig)1.2.3.4.5.6.

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)1.2.3.4.5.6.7.8.9.10.11.12.

output

基于浏览器的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"]],
    ]
)1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.

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