没想到,Python还可以制作Web可视化页面!

开发 后端
本次小F就给大家介绍一下如何用Python制作一个数据可视化网页,使用到的是Streamlit库。

 一谈到Web页面,可能大家首先想到就是HTML,CSS或JavaScript。

本次小F就给大家介绍一下如何用Python制作一个数据可视化网页,使用到的是Streamlit库。

轻松的将一个Excel数据文件转换为一个Web页面,提供给所有人在线查看。

每当你对Excel文件进行更改保存,Web页面还能够实时进行更新,确实挺不错的。

Streamlit的文档和教程地址如下。

https://docs.streamlit.io/en/stable/

https://streamlit.io/gallery

相关的API使用可以去文档中查看,都有详细的解释。

项目一共有三个文件,程序、图片、Excel表格数据。

数据情况如下,某公司年底问卷调查(虚构数据),各相关部门对生产部门在工作协作上的打分情况。

有效数据总计约676条,匿名问卷,包含问卷填写人所属部门,年龄,评分。

最后对各部门参与人数进行汇总计数(右侧数据)。

首先来安装一下相关的Python库,使用百度源。 

# 安装streamlit  
pip install streamlit -i https://mirror.baidu.com/pypi/simple/  
# 安装Plotly Express  
pip install plotly_express==0.4.0 -i https://mirror.baidu.com/pypi/simple/  
# 安装xlrd  
pip install xlrd==1.2.0 -i https://mirror.baidu.com/pypi/simple/ 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.

因为我们的数据文件是xlsx格式,最新版的xlrd,只支持xls文件。

所以需要指定xlrd版本为1.2.0,这样pandas才能成功读取数据。

命令行终端启动网页。 

# 命令行终端打开文件所在路径  
cd Excel_Webapp  
# 运行网页  
streamlit run app.py 
  • 1.
  • 2.
  • 3.
  • 4.

成功以后会有提示,并且浏览器会自动弹出网页。

如果没有自动弹出,可以直接访问上图中的地址。

得到结果如下,一个数据可视化网页出来了。

目前只能在本地访问查看,如果你想放在网上,可以通过服务器部署,需要自行去研究~

下面我们来看看具体的代码吧。 

import pandas as pd  
import streamlit as st  
import plotly.express as px  
from PIL import Image  
# 设置网页名称  
st.set_page_config(page_title='调查结果' 
# 设置网页标题  
st.header('2020年调查问卷')  
# 设置网页子标题  
st.subheader('2020年各部门对生产部的评分情况') 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.

导入相关的Python包,pandas处理数据,streamlit用来生成网页,plotly.express则是生成图表,PIL读取图片。

设置了网页名称,以及网页里的标题和子标题。 

# 读取数据  
excel_file = '各部门对生产部的评分情况.xlsx'  
sheet_name = 'DATA'  
df = pd.read_excel(excel_file,  
                   sheet_namesheet_name=sheet_name,  
                   usecols='B:D' 
                   header=3 
# 此处为各部门参加问卷调查人数  
df_participants = pd.read_excel(excel_file,  
                                sheet_namesheet_name=sheet_name,  
                                usecols='F:G' 
                                header=3 
df_participants.dropna(inplace=True 
# streamlit的多重选择(选项数据)  
department = df['部门'].unique().tolist()  
# streamlit的滑动条(年龄数据)  
ages = df['年龄'].unique().tolist() 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.

读取Excel表格数据,并且得出年龄分布以及部门情况,一共是有5个部门。

添加滑动条和多重选择的数据选项。 

# 滑动条, 最大值、最小值、区间值  
age_selection = st.slider('年龄:',  
                          minmin_value=min(ages),  
                          maxmax_value=max(ages),  
                          value=(min(ages), max(ages)))  
# 多重选择, 默认全选  
department_selection = st.multiselect('部门:',  
                                      department,  
                                      default=department
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.

结果如下。

年龄是从23至65,部门则是市场、物流、采购、销售、财务这几个。

由于滑动条和多重选择是可变的,需要根据过滤条件得出最终数据。 

# 根据选择过滤数据  
mask = (df['年龄'].between(*age_selection)) & (df['部门'].isin(department_selection))  
number_of_result = df[mask].shape[0]  
# 根据筛选条件, 得到有效数据  
st.markdown(f'*有效数据: {number_of_result}*')  
# 根据选择分组数据  
dfdf_grouped = df[mask].groupby(by=['评分']).count()[['年龄']]  
df_groupeddf_grouped = df_grouped.rename(columns={'年龄': '计数'})  
df_groupeddf_grouped = df_grouped.reset_index() 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.

得到数据便可以绘制柱状图了。 

# 绘制柱状图, 配置相关参数  
bar_chart = px.bar(df_grouped,  
                   x='评分' 
                   y='计数' 
                   text='计数' 
                   color_discrete_sequence=['#F63366']*len(df_grouped),  
                   template='plotly_white' 
st.plotly_chart(bar_chart) 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.

使用plotly绘制柱状图。

当我们在网页调整选项时,有效数据和柱状图也会随之变化。

此外streamlit还可以给网页添加图片和交互式表格。 

# 添加图片和交互式表格  
col1, col2 = st.beta_columns(2)  
image = Image.open('survey.jpg')  
col1.image(image,  
           caption='Designed by 小F / 法纳斯特' 
           use_column_width=True 
col2.dataframe(df[mask], width=300
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.

得到结果如下。

可以看到表格有一个滑动条,可以使用鼠标滚轮滚动查看。

最后便是绘制一个饼图啦! 

# 绘制饼图  
pie_chart = px.pie(df_participants,  
                   title='总的参加人数' 
                   values='人数' 
                   names='公司部门' 
st.plotly_chart(pie_chart) 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.

结果如下。

各部门参加问卷调查的人数,也是一个可以交互的图表。

将销售、市场、物流取消掉,我们就能看出财务和采购参加问卷调查的人数占比情况。

好了,本期的分享就到此结束了,有兴趣的小伙伴可以自行去实践学习。 

 

责任编辑:庞桂玉 来源: Python编程
相关推荐

2018-06-27 14:23:38

机器学习人工智能入门方法

2021-01-27 18:13:35

日志nginx信息

2017-12-26 15:41:26

2018-01-26 23:23:23

JDBC MySQL数据库

2021-02-25 17:58:26

Python 开发编程语言

2012-12-28 13:47:36

Raspberry PGeek

2017-02-09 17:00:00

iOSSwiftKVC

2022-01-05 17:13:28

监控HTTPS网站

2009-04-28 07:48:29

盖茨打工基金会

2021-11-29 05:37:24

Windows Def操作系统微软

2020-08-14 08:19:25

Shell命令行数据

2022-05-23 17:18:19

可视化数据

2021-08-12 06:52:02

谷歌面试ArrayList

2023-10-31 12:29:25

模型训练

2022-03-21 08:55:53

RocketMQ客户端过滤机制

2019-03-08 10:08:41

网络程序猿代码

2023-02-26 00:00:02

字符串分割String

2023-09-07 06:48:38

Intel显卡AMD

2018-10-22 15:29:50

2022-11-02 07:46:31

GoFrameGcache缓存
点赞
收藏

51CTO技术栈公众号