作者：俊欣

來源：關于數據分析與可視化

大家好，今天又是周五了，可能是打工人最開心的日子

今天小編給大家分享一個制作數據大屏的工具，非常的好用，100行左右的Python代碼就可以制作出來一個完整的數據大屏，并且代碼的邏輯非常容易理解。

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

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

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

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