python使用Streamlit库制作Web可视化页面

 更新时间:2021年05月24日 16:04:28   作者:法纳斯特  
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/

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。

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。

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。

代码及数据:链接:https://pan.baidu.com/s/1ARK7YdVB4O8V678fbPnBNw  密码:z3m9

以上就是python使用Streamlit库制作Web可视化页面的详细内容,更多关于python 制作Web可视化页面的资料请关注脚本之家其它相关文章!

相关文章

  • django实现图片上传数据库并显示

    django实现图片上传数据库并显示

    这篇文章主要为大家详细介绍了django实现图片上传数据库并显示,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2021-08-08
  • pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解

    pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解

    今天小编就为大家分享一篇pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-01-01
  • python3列表删除大量重复元素remove()方法的问题详解

    python3列表删除大量重复元素remove()方法的问题详解

    这篇文章主要给大家介绍了关于python3列表删除大量重复元素remove()方法的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-01-01
  • python数据可视化之条形图画法

    python数据可视化之条形图画法

    这篇文章主要为大家详细介绍了python数据可视化之条形图画法,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2022-04-04
  • python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

    python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

    这篇文章主要给大家介绍了关于python图像处理基本操作的相关资料,主要利用的是PIL库、Matplotlib及Numpy等处理方法,需要的朋友可以参考下
    2021-06-06
  • Windows下pycharm安装第三方库失败(通用解决方案)

    Windows下pycharm安装第三方库失败(通用解决方案)

    这篇文章主要介绍了Windows下pycharm安装第三方库失败(通用解决方案),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-09-09
  • 解决Python运行文件出现out of memory框的问题

    解决Python运行文件出现out of memory框的问题

    今天小编就为大家分享一篇解决Python运行文件出现out of memory框的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-12-12
  • python的jinja2模板深入浅出地解析

    python的jinja2模板深入浅出地解析

    Python模板,全称为“Jinja2 Template”,是Python语言中的一种模板引擎。在web应用中,模板一般用于生成页面或其他输出格式。Python的模板引擎为程序员提供了一种非常方便的方式来构建动态内容,强制执行代码结构,并允许从数据中提取特定的信息。Jinja2在Python社区
    2023-06-06
  • python随机生成库faker库api实例详解

    python随机生成库faker库api实例详解

    今天小编就为大家分享一篇python随机生成库faker库api实例详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-11-11
  • python自动化测试selenium核心技术处理弹框

    python自动化测试selenium核心技术处理弹框

    这篇文章主要为大家介绍了python自动化测试selenium核心技术处理弹框的示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助
    2021-11-11

最新评论