日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

python中的PywebIO模塊制作一個數據大屏_python

作者：Python學習與數據挖掘 ? 更新時間： 2022-05-04 編程語言

一、PywebIO介紹

Python當中的PywebIO模塊可以幫助開發者在不具備HTML和JavaScript的情況下也能夠迅速構建Web應用或者是基于瀏覽器的GUI應用，PywebIO還可以和一些常用的可視化模塊聯用，制作成一個可視化大屏，

我們先來安裝好需要用到的模塊

pip install pywebio
pip install cutecharts

上面提到的cutecharts模塊是Python當中的手繪風格的可視化神器，相信大家對此并不陌生，我們來看一下它與PywebIO模塊結合繪制圖表的效果是什么樣的，

代碼如下：

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：

上述代碼的邏輯并不難看懂，先實例化一個直方圖Bar()對象，然后填上X軸對應的標簽以及對應Y軸的值，最后調用PywebIO模塊當中的put_html()方法，我們會看到一個URL

在瀏覽器當中輸入該URL便能夠看到我們繪制出來的圖表。當然在cutecharts模塊當中有Page()方法來將各個圖表都連接起來，做成一張可視化大屏，

代碼如下：

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("標題", width="100%")
? ? ........
? ? return chart

def radar_base() -> Radar:
? ? chart = Radar("標題", width="100%")
? ? ......
? ? return chart

def line_base() -> Line:
? ? chart = Line("標題", 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：

二、PywebIO和Pyecharts的組合

當PywebIO模塊遇上Pyecharts模塊時，代碼的邏輯基本上和cutecharts的一致，先是實例化一個圖表的對象，然后在添加完數據以及設置好圖表的樣式之后，最后調用put_html()方法將最后的結果在瀏覽器中呈現

# `chart` 是你的圖表的實例
pywebio.output.put_html(chart.render_notebook())

在這個案例當中我們調用Pyecharts當中的組合組件，分別來呈現繪制完成的圖表，代碼如下：

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：

三、PywebIO和Bokeh的組合

PywebIO和Bokeh的組合從代碼的語法上來看會稍微和上面的不太一樣，具體的不同如下所示：

from bokeh.io import output_notebook
from bokeh.io import show

output_notebook(notebook_type='pywebio')
fig = figure(...)
...
show(fig)

例如我們來繪制一個簡單的直方圖，代碼如下：

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：

四、基于瀏覽器的GUI應用

除了將Pywebio模塊與常用的可視化模塊結合用于各種圖表的繪制之外，我們還能用它構建一個基于瀏覽的圖形界面，我們先來做一個最為簡單的應用，代碼如下：

from pywebio.input import *
from pywebio.output import *

data = input_group(
? ? "用戶數據",
? ? [
? ? ? ? input("請問您的名字是: ", name="name", type=TEXT),
? ? ? ? input("輸入您的年齡", name="age", type=NUMBER),
? ? ? ? radio(
? ? ? ? ? ? "哪個洲的",
? ? ? ? ? ? name="continent",
? ? ? ? ? ? options=[
? ? ? ? ? ? ? ? "非洲",
? ? ? ? ? ? ? ? "亞洲",
? ? ? ? ? ? ? ? "澳大利亞",
? ? ? ? ? ? ? ? "歐洲",
? ? ? ? ? ? ? ? "北美洲",
? ? ? ? ? ? ? ? "南美洲",
? ? ? ? ? ? ],
? ? ? ? ),
? ? ? ? checkbox(
? ? ? ? ? ? "用戶隱私條例", name="agreement", options=["同意"]
? ? ? ? ),
? ? ],
)

put_text("表格輸出:")

put_table(
? ? [
? ? ? ? ["名字", data["name"]],
? ? ? ? ["年齡", data["age"]],
? ? ? ? ["位置", data["continent"]],
? ? ? ? ["條例", data["agreement"]],
? ? ]
)

output：

當中部分函數方法的解釋如下：

  • input(): 文本內容的輸入
  • radio(): 代表的是單選框
  • checkbox(): 代表的是多選框
  • input_group(): 代表的是輸入組
  • put_table(): 代表的是輸出組
  • put_text(): 代表的是輸出文本

原文鏈接：https://blog.csdn.net/weixin_38037405/article/details/122807489

欄目分類
最近更新