網(wǎng)站首頁 編程語言 正文
引言
Q&A快速了解PyWebIO
Q：首先，什么是PyWebIO？
A：PyWebIO提供了一系列命令式的交互函數(shù)，能夠讓咱們用只用Python就可以編寫 Web 應(yīng)用, 不需要編寫前端頁面和后端接口, 讓簡(jiǎn)易的UI開發(fā)效率大大提高（本人非研發(fā)，用詞可能不妥，大家輕點(diǎn)噴）
Q：其次，我們能用來干嘛？？ 這對(duì)一個(gè)團(tuán)隊(duì)的效率提升有什么作用？？
A：Pywebio的作用在于讓咱們可以快速的開發(fā)一個(gè)帶有UI界面的，支持用戶輸入的，以既定的邏輯輸出結(jié)果的應(yīng)用。 那么，我們是不是可以將團(tuán)隊(duì)內(nèi)一些機(jī)械性的數(shù)據(jù)處理，數(shù)據(jù)異動(dòng)分析等的工作以既定邏輯的方式通過Pywebio輸出一個(gè)可復(fù)用的應(yīng)用給大家使用呢？ 當(dāng)然，日常的數(shù)據(jù)運(yùn)營(yíng)過程中，咱們肯定不是面對(duì)著一成不變的case。 那么，我們是不是可以用不同參數(shù)輸入的方式來達(dá)到一定的泛用性拓展呢？ 只要，case和case之間的底層邏輯是一致的，我們就可以用同一套邏輯，不同的入?yún)磉_(dá)到不同結(jié)果輸出的獲取。
Exampl 倘若，我們每天都有一項(xiàng)工作，每天對(duì)著一份又一份業(yè)務(wù)反饋的訂單，然后部門需要對(duì)著這些訂單本身進(jìn)行一個(gè)初步的風(fēng)險(xiǎn)分層，我們是不是可以把風(fēng)險(xiǎn)分層的底層規(guī)則寫在后端，然后通過PywebIO來支持不同情況下的不同規(guī)則閾值輸入， 快速獲取咱們所需要的風(fēng)險(xiǎn)分層結(jié)果。 （當(dāng)然，如果數(shù)據(jù)允許，直接寫SQL也可以，可是，SQL需要一定的門檻，而PywebIO則可以通過UI的方式分享給那些沒有技術(shù)背景的運(yùn)營(yíng)人員進(jìn)行0代碼使用。）
以下正式開始用一個(gè)例子來逐步介紹PywebIO拓展包
簡(jiǎn)介
虛擬背景： 每天需要一份又一份地對(duì)業(yè)務(wù)反饋的樣本來進(jìn)行風(fēng)險(xiǎn)分層，為了提高處理效率。
計(jì)劃方案： 通過現(xiàn)有風(fēng)險(xiǎn)標(biāo)簽的波爾標(biāo)簽，非波爾標(biāo)簽體系來搭建一個(gè)支持 靈活配置閾值來快速獲取分層結(jié)果的UI應(yīng)用。
方案簡(jiǎn)介：基本邏輯如下，（以下均為舉例所示，并不代表該方案就可以進(jìn)行風(fēng)險(xiǎn)分層哈，大家請(qǐng)注意）
開始實(shí)現(xiàn)：這里的例子采取的是非數(shù)據(jù)庫模式，支持的是上傳本地csv，然后進(jìn)行閾值配置。
Step one：本地文件上傳
首先，肯定是得先文件上傳的代碼。
##例子如下：
import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
def read_csv():
put_markdown('# 只支持pin')
put_markdown('功能如下：')
put_markdown("""
- 選擇與程序再**同一文件夾**的文件
- 輸入你希望卡的風(fēng)險(xiǎn)值閾值 **不輸入則默認(rèn)-10**
- 自動(dòng)加載解析輸出極黑標(biāo)簽占比以及明細(xì)數(shù)據(jù)
- 請(qǐng)勾選你所需要的標(biāo)簽**（不勾選=全選）**，然后點(diǎn)擊提交即可
""")
file = file_upload('只支持上傳該程序所在文件夾的csv文件哦', '.csv')
## 本地文件
raw_data = pd.read_csv(os.getcwd() + "\" + file['filename'], encoding='gbk')
put_html(raw_data.to_html())
if __name__ == '__main__':
start_server(read_csv, port=8081, debug=True, cdn=False, auto_open_webbrowser=True)
允許代碼后，因?yàn)椤?auto_open_webbrowser=True“，所以自動(dòng)彈出一個(gè)WebUI，如下左圖，選擇上傳的文件，即可看到下右圖的文件數(shù)據(jù)
Step two：風(fēng)險(xiǎn)值卡控
第一步也只是上傳文件，展示文件，還沒達(dá)到咱們的目的。 所以，第二步則是需要對(duì)上傳的csv本身進(jìn)行數(shù)據(jù)處理，邏輯判斷。 這里其實(shí)很好理解，在step one 中已經(jīng)獲取了上傳的文件且轉(zhuǎn)成dataframe了對(duì)吧，那么實(shí)際，咱們只需要沿用咱們熟悉的pandans對(duì)dataframe進(jìn)行處理即可。
import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
def 配置規(guī)則_風(fēng)險(xiǎn)值閾值(df, user_risk, pp_risk=None):
df_updated = df[(df['風(fēng)險(xiǎn)值A(chǔ)'] >=user_risk)|((df['風(fēng)險(xiǎn)值B'] >=pp_risk))]
return df_updated
def read_csv():
put_markdown('# 只支持pin')
put_markdown('功能如下：')
put_markdown("""
- 選擇與程序再**同一文件夾**的文件
- 輸入你希望卡的風(fēng)險(xiǎn)值閾值 **不輸入則默認(rèn)-10**
- 自動(dòng)加載解析輸出極黑標(biāo)簽占比以及明細(xì)數(shù)據(jù)
- 請(qǐng)勾選你所需要的標(biāo)簽**（不勾選=全選）**，然后點(diǎn)擊提交即可
""")
file = file_upload('只支持上傳該程序所在文件夾的csv文件哦', '.csv')
## 本地文件
data = []
raw_data = pd.read_csv(os.getcwd() + "\" + file['filename'], encoding='gbk')
put_html(raw_data.to_html())
## -------------------------- 下面是 step two 新增的代碼 --------------------------
risk_value = input_group(
"risk_value",
[
input("風(fēng)險(xiǎn)值A(chǔ)(默認(rèn)-10)？", name="user_risk", type=NUMBER),
input("風(fēng)險(xiǎn)值B(默認(rèn)-10)？", name="pp_risk", type=NUMBER)
],
)
raw_data_upated = 配置規(guī)則_風(fēng)險(xiǎn)值閾值(raw_data,risk_value['user_risk'], risk_value['pp_risk'])
table1 = raw_data_upated.groupby('指標(biāo)').賬號(hào).count().reset_index()
table1['占比'] = table1.賬號(hào) / len(raw_data_upated.賬號(hào).unique()) * 100
table1.sort_values('占比', ascending=False, inplace=True)
put_html(table1.to_html())
## -------------------------- 上面是 step two 新增的代碼 --------------------------
if __name__ == '__main__':
start_server(read_csv, port=8081, debug=True, cdn=False, auto_open_webbrowser=True)
Step Three: 標(biāo)簽卡控
從第二步，我們已經(jīng)完成了風(fēng)險(xiǎn)值閾值的卡控，然后第三步就是標(biāo)簽的選取了。從對(duì)標(biāo)簽的理解和應(yīng)用經(jīng)驗(yàn)以及第二步得到的標(biāo)簽在樣本中的占比，咱們就可以快速的知道，這個(gè)樣本里面的標(biāo)簽分布分別是什么。進(jìn)一步可以通過標(biāo)簽的選取達(dá)到最終符合我們風(fēng)險(xiǎn)分層結(jié)果中有風(fēng)險(xiǎn)的那一部分的輸出了
import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
def 配置規(guī)則_風(fēng)險(xiǎn)值閾值(df, user_risk, pp_risk=None):
df_updated = df[(df['風(fēng)險(xiǎn)值A(chǔ)'] >=user_risk)|((df['風(fēng)險(xiǎn)值B'] >=pp_risk))]
return df_updated
def read_csv():
put_markdown('# 只支持pin')
put_markdown('功能如下：')
put_markdown("""
- 選擇與程序再**同一文件夾**的文件
- 輸入你希望卡的風(fēng)險(xiǎn)值閾值 **不輸入則默認(rèn)-10**
- 自動(dòng)加載解析輸出極黑標(biāo)簽占比以及明細(xì)數(shù)據(jù)
- 請(qǐng)勾選你所需要的標(biāo)簽**（不勾選=全選）**，然后點(diǎn)擊提交即可
""")
file = file_upload('只支持上傳該程序所在文件夾的csv文件哦', '.csv')
## 本地文件
data = []
raw_data = pd.read_csv(os.getcwd() + "\" + file['filename'], encoding='gbk')
put_html(raw_data.to_html())
risk_value = input_group(
"risk_value",
[
input("風(fēng)險(xiǎn)值A(chǔ)(默認(rèn)-10)？", name="user_risk", type=NUMBER),
input("風(fēng)險(xiǎn)值B(默認(rèn)-10)？", name="pp_risk", type=NUMBER)
],
)
raw_data_upated = 配置規(guī)則_風(fēng)險(xiǎn)值閾值(raw_data,risk_value['user_risk'], risk_value['pp_risk'])
table1 = raw_data_upated.groupby('指標(biāo)').賬號(hào).count().reset_index()
table1['占比'] = table1.賬號(hào) / len(raw_data_upated.賬號(hào).unique()) * 100
table1.sort_values('占比', ascending=False, inplace=True)
put_html(table1.to_html())
## -------------------------- 下面是 step three 新增的代碼 --------------------------
set_list = raw_data_upated.指標(biāo).unique()
list_save = checkbox(label='勾選保留的標(biāo)簽，不勾選=全選', options=set_list, inline=True)
if list_save == []:
list_save = set_list
else:
list_save = list_save
raw_data_upated = raw_data_upated[raw_data_upated.指標(biāo).isin(list_save)]
put_html(raw_data_upated.to_html())
def Save0():
put_markdown("You click Save button, Done").show()
raw_data_upated.to_excel(os.getcwd() + "\" + '輸出的風(fēng)險(xiǎn)明細(xì).xlsx', index=False)
put_markdown("find your file on 程序同級(jí)文件夾下的 文件 ： 輸出的風(fēng)險(xiǎn)明細(xì).xlsx").show()
put_buttons(['下載文件"對(duì)內(nèi)不對(duì)外輸出明細(xì).xlsx"'], onclick=[Save0]).show()
## -------------------------- 上面是 step three 新增的代碼 --------------------------
if __name__ == '__main__':
start_server(read_csv, port=8081, debug=True, cdn=False, auto_open_webbrowser=True)
總結(jié)
這里只是舉了個(gè)簡(jiǎn)單的例子，一個(gè)支持閾值+標(biāo)簽卡控，快速獲取符合要求的目標(biāo)群體的例子。 實(shí)際上，這個(gè)框架的拓展還有很多。例如：
1.直連數(shù)據(jù)庫，可以幫住那些不會(huì)sql的同事可以自定義快速獲取業(yè)務(wù)數(shù)據(jù)。
2.Pyinstaller封裝成本地程序，脫離代碼環(huán)境，可以在任意電腦，任意環(huán)境，任意人士進(jìn)行使用，有興趣的同學(xué)可以看《Python-Pyinstaller介紹》
原文鏈接：https://juejin.cn/post/7185347578102775845
相關(guān)推薦
- 2022-10-08 LyScript實(shí)現(xiàn)繞過反調(diào)試保護(hù)的示例詳解_python
- 2022-04-28 基于OpenCV實(shí)現(xiàn)視頻循環(huán)播放_(tái)python
- 2022-06-20 詳解Python列表解析式的使用方法_python
- 2022-11-05 python中的bisect模塊與二分查找詳情_python
- 2022-08-07 python利用pd.cut()和pd.qcut()對(duì)數(shù)據(jù)進(jìn)行分箱操作_python
- 2022-06-16 Python數(shù)據(jù)結(jié)構(gòu)之遞歸方法詳解_python
- 2022-04-02 Pandas實(shí)現(xiàn)groupby分組統(tǒng)計(jì)的實(shí)踐_python
- 2022-12-11 C語言中求解圖形的問題_C 語言
- 最近更新
-
- window11 系統(tǒng)安裝 yarn
- 超詳細(xì)win安裝深度學(xué)習(xí)環(huán)境2025年最新版（
- Linux 中運(yùn)行的top命令 怎么退出？
- MySQL 中decimal 的用法？ 存儲(chǔ)小
- get 、set 、toString 方法的使
- @Resource和 @Autowired注解
- Java基礎(chǔ)操作-- 運(yùn)算符，流程控制 Flo
- 1. Int 和Integer 的區(qū)別，Jav
- spring @retryable不生效的一種
- Spring Security之認(rèn)證信息的處理
- Spring Security之認(rèn)證過濾器
- Spring Security概述快速入門
- Spring Security之配置體系
- 【SpringBoot】SpringCache
- Spring Security之基于方法配置權(quán)
- redisson分布式鎖中waittime的設(shè)
- maven:解決release錯(cuò)誤：Artif
- restTemplate使用總結(jié)
- Spring Security之安全異常處理
- MybatisPlus優(yōu)雅實(shí)現(xiàn)加密？
- Spring ioc容器與Bean的生命周期。
- 【探索SpringCloud】服務(wù)發(fā)現(xiàn)-Nac
- Spring Security之基于HttpR
- Redis 底層數(shù)據(jù)結(jié)構(gòu)-簡(jiǎn)單動(dòng)態(tài)字符串（SD
- arthas操作spring被代理目標(biāo)對(duì)象命令
- Spring中的單例模式應(yīng)用詳解
- 聊聊消息隊(duì)列，發(fā)送消息的4種方式
- bootspring第三方資源配置管理
- GIT同步修改后的遠(yuǎn)程分支
提供CDN加速