Python还可以制作Web可视化页面

作者：小F

本文转自：法纳斯特

一谈到Web页面，可能大家首先想到就是HTML，CSS或Java。

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/

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

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。

importpandas aspd

importstreamlit asst

importplotly.express aspx

fromPIL importImage

# 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’)

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_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_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

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:’,

min_value=min(ages),

max_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)

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

df_grouped = df[mask].groupby(by=[ ‘评分’]).count[[ ‘年龄’]]

df_grouped = df_grouped.rename(columns={ ‘年龄’: ‘计数’})

df_grouped = df_grouped.reset_index

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)

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)

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)

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。