在數(shù)據(jù)分析行業(yè)中，往往一張圖表勝過千言萬語，而python的一大應(yīng)用方向就是數(shù)據(jù)的分析和處理。在我們進(jìn)行數(shù)據(jù)的挖掘和分析后可以得到一些有用的結(jié)果，然而這些結(jié)果往往只是一個數(shù)字，極其抽象。這時候我們就需要想辦法將數(shù)據(jù)進(jìn)行可視化處理，讓數(shù)據(jù)真正變成容易理解的參考材料。這時候我們就可以借助python生成數(shù)據(jù)可視化網(wǎng)頁了，那么python怎么制作web可視化頁面呢？其實只需要借助一個名叫streamlit的庫就可以生成可視化網(wǎng)頁了，接下來的這篇文章小編就帶你了解python怎么使用streamlit庫來生成可視化網(wǎng)頁吧！
每當(dāng)你對Excel文件進(jìn)行更改保存，Web頁面還能夠?qū)崟r進(jìn)行更新，確實挺不錯的。
Streamlit的文檔和教程地址如下。
https://docs.streamlit.io/en/stable/
相關(guān)的API使用可以去文檔中查看，都有詳細(xì)的解釋。
項目一共有三個文件，程序、圖片、Excel表格數(shù)據(jù)。
數(shù)據(jù)情況如下，某公司年底問卷調(diào)查(虛構(gòu)數(shù)據(jù))，各相關(guān)部門對生產(chǎn)部門在工作協(xié)作上的打分情況。
有效數(shù)據(jù)總計約676條，匿名問卷，包含問卷填寫人所屬部門，年齡，評分。
最后對各部門參與人數(shù)進(jìn)行匯總計數(shù)(右側(cè)數(shù)據(jù))。
首先來安裝一下相關(guān)的Python庫，使用百度源。
# 安裝streamlit
pip install streamlit -i https://mirror.baidu.com/pypi/simple/
# 安裝Plotly Express
pip install plotly_express==0.4.0 -i https://mirror.baidu.com/pypi/simple/
# 安裝xlrd
pip install xlrd==1.2.0 -i https://mirror.baidu.com/pypi/simple/因為我們的數(shù)據(jù)文件是xlsx格式，最新版的xlrd，只支持xls文件。
所以需要指定xlrd版本為1.2.0，這樣pandas才能成功讀取數(shù)據(jù)。
命令行終端啟動網(wǎng)頁。
# 命令行終端打開文件所在路徑
cd Excel_Webapp
# 運行網(wǎng)頁
streamlit run app.py成功以后會有提示，并且瀏覽器會自動彈出網(wǎng)頁。
如果沒有自動彈出，可以直接訪問上圖中的地址。
得到結(jié)果如下，一個數(shù)據(jù)可視化網(wǎng)頁出來了。
目前只能在本地訪問查看，如果你想放在網(wǎng)上，可以通過服務(wù)器部署，需要自行去研究～
下面我們來看看具體的代碼吧。
import pandas as pd
import streamlit as st
import plotly.express as px
from PIL import Image
# 設(shè)置網(wǎng)頁名稱
st.set_page_config(page_title='調(diào)查結(jié)果')
# 設(shè)置網(wǎng)頁標(biāo)題
st.header('2020年調(diào)查問卷')
# 設(shè)置網(wǎng)頁子標(biāo)題
st.subheader('2020年各部門對生產(chǎn)部的評分情況')導(dǎo)入相關(guān)的Python包，pandas處理數(shù)據(jù)，streamlit用來生成網(wǎng)頁，plotly.express則是生成圖表，PIL讀取圖片。
設(shè)置了網(wǎng)頁名稱，以及網(wǎng)頁里的標(biāo)題和子標(biāo)題。
# 讀取數(shù)據(jù)
excel_file = '各部門對生產(chǎn)部的評分情況.xlsx'
sheet_name = 'DATA'
df = pd.read_excel(excel_file,
sheet_name=sheet_name,
usecols='B:D',
header=3)
# 此處為各部門參加問卷調(diào)查人數(shù)
df_participants = pd.read_excel(excel_file,
sheet_name=sheet_name,
usecols='F:G',
header=3)
df_participants.dropna(inplace=True)
# streamlit的多重選擇(選項數(shù)據(jù))
department = df['部門'].unique().tolist()
# streamlit的滑動條(年齡數(shù)據(jù))
ages = df['年齡'].unique().tolist()讀取Excel表格數(shù)據(jù)，并且得出年齡分布以及部門情況，一共是有5個部門。
添加滑動條和多重選擇的數(shù)據(jù)選項。
# 滑動條, 最大值、最小值、區(qū)間值
age_selection = st.slider('年齡:',
min_value=min(ages),
max_value=max(ages),
value=(min(ages), max(ages)))
# 多重選擇, 默認(rèn)全選
department_selection = st.multiselect('部門:',
department,
default=department)結(jié)果如下。
年齡是從23至65，部門則是市場、物流、采購、銷售、財務(wù)這幾個。
由于滑動條和多重選擇是可變的，需要根據(jù)過濾條件得出最終數(shù)據(jù)。
# 根據(jù)選擇過濾數(shù)據(jù)
mask = (df['年齡'].between(*age_selection)) & (df['部門'].isin(department_selection))
number_of_result = df[mask].shape[0]
# 根據(jù)篩選條件, 得到有效數(shù)據(jù)
st.markdown(f'*有效數(shù)據(jù): {number_of_result}*')
# 根據(jù)選擇分組數(shù)據(jù)
df_grouped = df[mask].groupby(by=['評分']).count()[['年齡']]
df_grouped = df_grouped.rename(columns={'年齡': '計數(shù)'})
df_grouped = df_grouped.reset_index()得到數(shù)據(jù)便可以繪制柱狀圖了。
# 繪制柱狀圖, 配置相關(guān)參數(shù)
bar_chart = px.bar(df_grouped,
x='評分',
y='計數(shù)',
text='計數(shù)',
color_discrete_sequence=['#F63366']*len(df_grouped),
template='plotly_white')
st.plotly_chart(bar_chart)使用plotly繪制柱狀圖。
當(dāng)我們在網(wǎng)頁調(diào)整選項時，有效數(shù)據(jù)和柱狀圖也會隨之變化。
此外streamlit還可以給網(wǎng)頁添加圖片和交互式表格。
# 添加圖片和交互式表格
col1, col2 = st.beta_columns(2)
image = Image.open('survey.jpg')
col1.image(image,
caption='Designed by 小F / 法納斯特',
use_column_width=True)
col2.dataframe(df[mask], width=300)得到結(jié)果如下。
可以看到表格有一個滑動條，可以使用鼠標(biāo)滾輪滾動查看。
最后便是繪制一個餅圖啦！
# 繪制餅圖
pie_chart = px.pie(df_participants,
title='總的參加人數(shù)',
values='人數(shù)',
names='公司部門')
st.plotly_chart(pie_chart)結(jié)果如下。
各部門參加問卷調(diào)查的人數(shù)，也是一個可以交互的圖表。
將銷售、市場、物流取消掉，我們就能看出財務(wù)和采購參加問卷調(diào)查的人數(shù)占比情況。
好了，本期的分享就到此結(jié)束了，有興趣的小伙伴可以自行去實踐學(xué)習(xí)。
小結(jié)
以上就是python怎么使用Streamlit庫生成可視化網(wǎng)頁的全部內(nèi)容，更多關(guān)于python streamlit庫的使用教程請關(guān)注W3Cschool其它相關(guān)文章！
