De manière inattendue, Python peut également créer des pages de visualisation Web !

Quand il s'agit de pages Web, la première chose qui vient peut-être à l'esprit est HTML, CSS ou JavaScript.

Cette fois, Xiao F vous présentera comment utiliser Python pour créer une page Web de visualisation de données, à l'aide de la bibliothèque Streamlit.

Convertissez facilement un fichier de données Excel en une page Web que tout le monde peut consulter en ligne.

Chaque fois que vous enregistrez des modifications dans le fichier Excel, la page Web peut être mise à jour en temps réel, ce qui est vraiment bien.

Les adresses de la documentation et des didacticiels de Streamlit sont les suivantes.

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

https://streamlit.io/gallery

L'utilisation pertinente de l'API peut être consultée dans la documentation, qui contient des explications détaillées.

Le projet comprend un total de trois fichiers, un programme, une image et des données de tableau Excel.

Les données sont les suivantes, une enquête par questionnaire de fin d'année d'une entreprise (données fictives), les scores des départements concernés sur la collaboration au travail du département de production.

Il y a environ 676 données valides au total. Le questionnaire anonyme comprend le département, l'âge et l'évaluation de la personne qui remplit le questionnaire.

Enfin, le nombre de participants dans chaque département est récapitulé et compté (données à droite).

Installez d'abord la bibliothèque Python appropriée et utilisez la source Baidu.

# 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/

Étant donné que nos fichiers de données sont au format xlsx, la dernière version de xlrd ne prend en charge que les fichiers xls.

Vous devez donc spécifier la version xlrd comme 1.2.0 pour que les pandas puissent lire avec succès les données.

Démarrez la page Web à partir du terminal de ligne de commande.

# 命令行终端打开文件所在路径
cd Excel_Webapp

# 运行网页
streamlit run app.py

Il y aura une invite après le succès et le navigateur affichera automatiquement la page Web.

S'il ne s'affiche pas automatiquement, vous pouvez accéder directement à l'adresse indiquée dans l'image ci-dessus.

Le résultat est le suivant, une page web de visualisation de données sort.

Actuellement, il ne peut être consulté que localement. Si vous souhaitez le mettre en ligne, vous pouvez le déployer via le serveur. Vous devez l'étudier par vous-même~.

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')

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。

En annulant les ventes, le marketing et la logistique, nous pouvons voir la proportion de personnes de la finance et des achats qui ont participé à l'enquête.