粉红色网站欣赏,网站开发能自学吗,wordpress最新教程,邢台网红餐厅「本文参与少数派 2019 年度征文 效率有心得」不用学前端编程#xff0c;你就能用 Python 简单高效写出漂亮的交互式 Web 应用#xff0c;将你的数据分析成果立即展示给团队和客户。痛点从我开始折腾数据分析工具的那一天#xff0c;就没有想明白一件事儿 —— 为什么我打算…「本文参与少数派 2019 年度征文 效率有心得」不用学前端编程你就能用 Python 简单高效写出漂亮的交互式 Web 应用将你的数据分析成果立即展示给团队和客户。痛点从我开始折腾数据分析工具的那一天就没有想明白一件事儿 —— 为什么我打算把数据分析的成果做成一个应用这么难其实我需要的核心功能无非是在网页上接收用户输入然后做分析处理把分析结果反馈给用户完事儿。可是这谈何容易很多人都会笑着告诉你这得学前端编程 HTML Javascript 了解一下吧什么你还需要在后台做数据分析那你就得学 Web 框架了。你说喜欢 Python 那就学个 Django 或者 Flask 好了。我也不是没有看过 Django 和 Flask 的教程还曾经付费学习过。光是配置环境就得循序渐进学一堆东西。作为学习的中间成果我还写了这篇《如何用 Python 做 Web 开发——Django 环境配置》分享给你。问题是我在学习中提不起真正的兴趣。因为教程里讲的那些功能我根本不关心。核心的功能我早已实现了。我只是希望把输入输出弄成网页形式方便用户来用。我为什么要理解那么多的概念为什么一定要跟那么繁重的数据库操作打交道为什么几乎所有的样例都要教我如何做一个 blog 我要是想用 blog 可以直接注册一个免费的啊难道我要自己开发你的教程为什么不干脆教我怎么把数据科学的分析结果利用这些技术快速变成一个产品但是人家写书和做教程的人就是不疾不徐坚持一定要教会你如何做一个 blog 出来……我仿佛看见达芬奇的老师教学生画鸡蛋一样。我相信这绝不仅仅是我一个人的痛点。我们都希望尽快把数据分析结果或是其他的交互功能发布出来和用户交流。但是因为缺乏这样的简单 Web 包裹我们不得不每次都给别人展示一个包含了代码的 Jupyter Notebook 。那些不懂编程的用户看到代码就会觉得不适。再看到改变一个输入都需要编程(其实就是改语句中的一个赋值)立刻就决定不玩儿了。万万没想到这个痛点如此容易就解决了。尝试我用纯 Python 脚本写了个 Web 应用。我编写的程序里没有一丝半毫的 Web 框架Javascript甚至是 HTML 。这玩意儿能用吗你自己来试试看。请你打开浏览器输入以下链接你会看到下面的初始化界面。初始化完毕之后页面会分成左右两栏。左面是两个下拉候选框分别让你指定需要分析的数据范围。上面一个是事件类型下面一个是事件发生归属地。只不过当时我们更注重的是用循环神经网络搭建了一个严重拥堵事件预测模型。而今天我们是要进行探索性数据分析也就是根据我们感兴趣的目标对数据进行整理操作然后可视化显示。选定之后你会看到右侧提示两个信息你筛选之后数据框包含行数在层叠地图上的可视化结果。怎么样麻雀虽小五脏俱全。虽然咱们这个 Web 应用很简单不过交互分析该有的功能和流程基本上都涵盖了。你可能会问王老师编这么一个应用出来不简单吧学完这篇教程你就能自己开发出这样一个应用来。幕后我把这个应用的全部源代码都为你存储到了 Github 上。请你访问这个网址获取。可以看到一共包含了 4 个文件。有意思的是其中 3 个包括Procfilesetup.shrequirements.txt都只是部署到远程服务器时需要用到的配置文件而已。这些文件的具体使用方法咱们后面会说明。也就是说只有最后一个 helloworld.py 是主角它包含了实现咱们全部交互式数据分析功能的 Python 脚本文件。这代码少说也得有几百行吧别担心打开来看看上面这张截图就已经包含了实现交互数据分析功能的全部代码。神奇吧解读这么短的代码为什么能有如此强大的功能这是因为它背后使用的一个软件包叫做 streamlit 。下面我通过实际操作带你初步领略一下 streamlit 的威力。首先请你安装 Anaconda 这个请参考我为你做的视频教程《如何安装 Python 运行环境 Anaconda》然后你需要打开终端执行pip install streamlit你可以创建一个新目录。然后在目录下新建一个 helloworld.py 文件并且用任意编辑器打开它。我这里用 Visual Studio Code 编辑器来编辑和制作 Python 脚本文件。然后回到终端下执行streamlit run helloworld.py如果一切顺利你就会看到如下图的提示。一般来说你的浏览器会自动开启并且访问上图中红色标识出的网址。如果浏览器没有自动开启你手动开启一个并且输入上述网址即可。为了演示方便我这里把 Visual Studio Code 编辑器缩小到屏幕左侧半部右边放置 Chrome 浏览器来显示 Web 应用效果。我们可以开始尝试了。首先在 helloworld.py 中输入这些内容import streamlit as stimport numpy as npimport pandas as pdst.title(my first app)输入完之后你不需要去找什么执行按钮。只需要保存一下你对 helloworld.py 文件的修改即可。之后你会立即在右侧看到 Web 应用的运行效果。这里前几行语句只是引入了几个软件包然后设置了一下标题。下面我们尝试点儿好玩儿的。x st.slider(x)y x 3y这时候网页上出现了滑动条告诉你这是 x 的取值。我们定义了一个式子让 y 总比 x 大 3 并且显示 y 。你可以试试在滑动条拖拽 x 的效果。Jan-14-2020-18-39-15.gify 值紧随你的拖动变化对吧从这个简单的例子里你可以看到 streamlit 响应用户的输入和输出是多么方便。而且应用上的控件一直运行。你输入的变化会实时带来输出的变化。下面我们还是步入正题吧。先注释掉刚才这三条语句免得碍事儿。# x st.slider(x)# y x 3# y我们定义一个函数st.cachedef load_data():df pd.read_csv(data.csv)df dfdf.columns [event_type, time, county, lat, lon]return df如果你学过那篇《如何用 Python 和 Pandas 分析犯罪记录开放数据》里面的其他语句你应该都认得。无非就是 Pandas 读入我们的 CSV 数据之后取其中的 5 个列包括EVENT_TYPE 事件类型CREATE_TIME 事件创建时间COUNTY事件发生位置所在郡名称LAT事件发生位置的纬度LON事件发生位置的经度然后我们把这几个列分别用小写的名称来命名。值得一提的是 st.cache 这是一个新玩意儿。它是什么呢这在 Python 里面叫做装饰器(decorator) 。其实这里没有什么魔法它只是 streamlit 软件包里一个预先定义的函数。只不过这样写相当于是你在自己的 load_data() 函数之外又包裹了一个 st.cache() 函数的功能。每次执行的时候 st.cache() 都会参与进来。st.cache() 这个函数做什么用呢那作用可太大了。因为你每次更新代码或者用户更新输入整个儿 Python 脚本都相当于被重新执行了一遍。而 st.cache() 装饰器可以告诉 Python 查查看我包裹的这个函数内容或者输入改过没有如果没有就用已存储的上次调用结果好了别再费事重新执行一遍了。我们这里是从一个外部文件读入数据。就这样一个 300MB 的文件每次读起来也得花上近 10 秒钟。更别说是那些上 GB 规模甚至更大的文件了。所以如果 Streamlit 能够帮助我们跳过一些无意义的重复操作将节省大量的用户等待时长。不过这一步你也看到了输出没有变化。因为我们什么也没有输出啊。下面我们让 Python 实际读数据并且把读后的数据框前 5 行用列表形式(st.table())展示给用户。这一读数据不要紧右上角会出现一个小人儿做各种健身运动。这就是告诉我们程序在忙着呢。忙完之后这是结果下面我们要让程序给用户选项首先是选择观察哪一种事件类型。event_list df[event_type].unique()event_type st.sidebar.selectbox(Which kind of event do you want to explore?,event_list)解释一下第一句是在 event_type 里面寻找全部事件类型列表。下面一段采用了 st.sidebar.selectbox() 构造了一个左边栏里的下拉选择框。里面两个参数第一个是显示给用户的提示语句第二个是选择列表内容。问题是我们存储了之后好像什么也没有发生啊。没关系看到上图里面红色标出的这个箭头没有点击它选项就出现了。照葫芦画瓢我们顺便把事件发生所在郡的下拉选择框一并做出来。county_list df[county].unique()county_name st.sidebar.selectbox(Which county?,county_list)这是效果然后我们根据用户的输入做出反应提示给用户经过他的选择现在符合要求的行数还有多少。part_df df[(df[event_type]event_type) (df[county]county_name)]st.write(f根据你的筛选数据包含{len(part_df)}行)第一句里面用了个联合筛选必须同时满足两个条件的数据才会被保留在结果 part_df 中。然后我们把一个格式化后的字符串用 st.write() 直接输出在网页上。运行结果如下图所示。Jan-14-2020-19-04-42.gif好了下面可能是你最关心的一刻了。老师别卖关子了那张标示了事件位置的叠层地图怎么画啊一共都没有多少行语句你都讲了这么多了怎么还没讲到请你输入下面这一行语句st.map(part_df)然后保存。你就会看到下面的效果了。是不是很惊讶我第一次用的时候也是这感觉。在 HackNTX 2018 编程马拉松竞赛中我曾经找不同的编程高手学了若干种地理信息可视化的工具。每一种都得花上很多时间学习演练。没想到短短一年的时间这样的功能居然可以用一行代码就实现了。还是集成在 Web 应用里可以发布给全球用户与合作者进行展示。不是我不明白这世界变化快啊。部署我知道你又开始着急了。老师这么好的东西我可不想在本地一个人玩儿。我也想把结果发布到网络上让别人看到我的成果。快告诉我怎么办别急。咱们部署( deploy )一下它就行。虽然你写了半天只是 Python 脚本。但是 Streamlit 已经把它转换成了一个动态的 Web 应用。所以只要是常见的 Web 应用发布平台理论上你都可以用来部署你的交互式数据分析作品。这些平台常见的包括EC2GlitchHeroku这列表列下去就太多了。咱们这里只介绍 Heroku 也就是前文给你展示的样例使用的部署平台。这东西的好处就是基础款免费。对咱们今天的教程来说基础款就足够了。你需要先到 Heroku 平台注册一个账号。我这里起的名字叫做 helloworld-streamlit 。你可以根据自己的喜好起名称。之后我们就要部署了。部署的步骤在上图中你可以参考。注意上图中右上角的 Open App 按钮就是你的应用链接地址你可以把它记下来。首先你需要准备一些配置文件。全部的配置文件我都给你展示在了前文介绍过的这个 github 项目中你可以下载回来复用。这里需要说明的是几个不同配置文件的用途。setup.sh 做一些初始设置设定一些参数。注意你将来用的时候需要把其中标红的部分替换成自己注册 heroku 时候的邮箱。requirements.txt 告诉机器需要安装哪些 Python 依赖包。显然教程这里需要的依赖包不多。Procfile 是远端服务器上 Web 应用启动的时候需要调用的脚本。其实里面只有一行。请你下载或者自行编辑上述 3 个文件后与你的 Python 文件放在一个文件夹下面。之后请你到这里下载 heroku cli package。下载后根据提示安装即可。进入终端。用 cd 命令切换到你的工作文件夹也就是包含了你的 Python 脚本的目录。输入heroku login因为你已经在 setup.sh 中指定了自己的邮箱所以这里会尝试直接用它来登录。这时按任意键会跳出一个浏览器窗口。在浏览器中点击确认即可登录。看到上面的提示证明登录成功了。下面我们来设置 git 这是推送我们文件和更新改动的途径。在终端下执行git init之后设置一下与远端的 heroku 服务器的连接heroku git:remote -a helloworld-streamlit若是看到下图证明成功了然后执行git add .git commit -m init再执行git push heroku master这样就可以把全部内容推送到 heroku 了。推送的第一步是上传文件。Heroku 发现咱们推送的是一个 Python App 所以自动执行许多安装设置工作。这些安装和配置做完后会出现下面这样的提示。到这里你的 Web 应用部署就搞定了。回到浏览器里用下图中标红的这个按钮开启你自己的应用吧。怎么样很有成就感吧思考尝试过之后你应该不难发现Streamlit 给你带来了什么。如果你学过 Javascript 和 Flask, Django 等 Web 应用开发技术Streamlit 可以加快你的 Web 应用开发与测试进程。如果你还没有学过上述技术 Streamlit 就可以给你赋能让你一下子有了把数据分析结果变成产品的能力。给你讲点儿更激进的。有人已经希望能用它替代掉 Flask 用于产品发布了。还有人说将来写技术文档也应该充分使用 Streamlit 。甚至还把它比作了数据科学界的 iPhone 。这里它是借喻 iPhone 开启智能手机时代说明 Streamlit 的划时代性。我不希望你也变得如此激进。因为这里提到的每一种功用现在还都有非常专业的工具做的更好而且新的工具也在不断涌现。例如说我们在多个教程中一直使用 Jupyter Notebook 。现在凭借 Voila 扩展的加持你也可以很轻松地把 Jupyter Notebook 变成 Web app 而且可以免费运行在 mybinder 上面。但是你可以看到一个新的工具以一种简单而不是更繁复的办法解决一个功能痛点是一件多么令人欣喜的事儿。看了这篇文章可能会给你一种误解似乎 JavaScript 为代表的前端编程技术再也不需要学了。其实不是这样的。可以想象开发门槛降低以后将来会有更多的人使用 Python 来做 Web 应用。用 Streamlit 这样的方法他们只是开发出了一个原型。要是想打造精品就必须精细调控很多细节。这时候 Javascript 是绕不过去的。如果你精通 Javascript 那你潜在的合作对象一下子就多了起来你掌握的这门技术也就有了更大的价值。还记得吗我不止一次给你强调过协作网络更重要。忘了的话记得复习《学 Python 能提升你的竞争力吗》。这就好像印刷术的发明不是让会写字这件事儿变得失去价值而是全社会都增大了对好作品的渴求。深刻的思考加上有效的文字表达会让你生存得更好。当然如果你不希望精通写作技艺只是想做一个抄书匠糊口。那么印刷术就可能会替代你的工作结果就不那么美妙了。小结本文我为你介绍了 Streamlit 它可以让你用 Python 脚本编写简洁实用的交互式 Web 应用。通过学习本文希望你掌握了以下知识点现在你有了一种选择仅用纯 Python 做一个完整的交互式数据分析产品出来如何在读取数据等常用重复操作中使用 st.cache 装饰器提升速度与效率如何使用滑动条、下拉框等基本组件如何在网页上输出文字、表格和图像如何把你本地构建和测试后的 Web 应用部署到 Heroku 上以发布给你的合作者与客户。咱们是以数据分析和可视化为例进行了讲解。而且为了讲解的清晰我们只介绍了 Streamlit 可实现功能的一小部分。但请注意即便是目前 Streamlit 能帮你达成的目标也远远不止于此。希望你能够举一反三用 Streamlit 做出令人惊艳的作品。也欢迎你把作品的链接在留言区分享给咱们的同学。祝编程愉快读过本文如果觉得有收获请点赞。要读更多的文章微信关注我的公众号 “玉树芝兰”(nkwangshuyi)。别忘了加星标以免错过新推送提示。如果本文对你身边的亲友有帮助也欢迎你把本文通过微博或朋友圈分享给他们。延伸阅读你可能也会对以下话题感兴趣。点击链接就可以查看。题图Photo by Luke Chesser on Unsplash
