Dashboard Visualization Bokeh And Flask

Dashboard Visualization Bokeh And Flask – Visualisasi itu penting. Mungkin bukan untuk Anda sebagai seorang analis/ilmuwan data, Anda mungkin merasa percaya diri melihat data tabular dan menarik kesimpulan darinya. Tetapi lebih sering daripada tidak, Anda harus mempresentasikan pekerjaan Anda kepada penyelia dan/atau profesor perguruan tinggi Anda (jika Anda kuliah). Tidak seperti Anda, mereka mungkin tidak terlalu akrab dengan data dan akan bingung jika Anda memberikan banyak angka kepada mereka.

Untuk menghindari hal ini, cara lain adalah membuat grafik menggunakan Matplotlib dan/atau Seaborn dan menampilkan grafik terbaik langsung di Jupyter Notebook atau sebagai file PNG yang disimpan. Meskipun ini bukan cara yang buruk untuk memamerkan hasil Anda, itu pasti tidak akan membuat atasan Anda terkesan, jadi Anda tidak akan menonjol dari yang lain.

Dashboard Visualization Bokeh And Flask

Untungnya, ada perpustakaan keren bernama Bokeh, dan postingan ini akan memandu Anda melalui proses pembuatan aplikasi Dasbor sederhana yang mungkin akan membuat atasan Anda terkesan. Tidak hanya itu, manajer Anda akan dapat mengurutkan atau menelusuri data secara manual alih-alih melihat grafik.

Building Python Data Applications With Blaze And Bokeh

Satu hal yang perlu diperhatikan di sini: ini bukan tutorial menggunakan bokeh atau efek botol. Posting ini hanya mencakup cara memvisualisasikan data dengan menggabungkan perpustakaan ini. Sebelum kita mulai, saya berasumsi Anda memiliki pengetahuan tentang teknologi berikut:

Anda masih dapat mengikuti jika Python Anda tidak bagus, tetapi saya tidak dapat menjamin bahwa Anda akan memahami semuanya. Pada artikel ini, saya tidak akan menjelaskan snippet HTML dan CSS dan akan lebih fokus pada Bokeh dan Flask.

Saya akan menggunakan Dataset Titanic yang terkenal. Jika Anda terjebak dalam prosesnya, Anda dapat mengambil kode dari Repo GitHub saya.

Inilah yang akan Anda lakukan. Perhatikan menu tarik-turun dan bagaimana nilainya berubah. Jika digunakan kembali, diagram digambar ulang di bagian penumpang yang sesuai (maaf untuk keterampilan desain yang buruk).

Python And Bokeh — Part Iii (tutorial)

Untuk memulai, buat direktori root kosong di mana saja di komputer Anda dan beri nama apa pun yang Anda inginkan. Di dalamnya, buat file dan folder berikut:

Di mana tampilan level selanjutnya adalah nama direktori root saya. Kemudian buka editor kode favorit Anda di direktori root, milik saya adalah Visual Studio Code.

Sekarang mari kita mengurus file HTML dan CSS. Saya hanya akan meletakkan Intisari di sini untuk Anda salin. Mereka ada di sini untuk meletakkan segala sesuatu di tempatnya dan menulisnya dengan benar. Jika Anda menyukai desain web, Anda akan melihat bahwa saya menggunakan Bootstrap, sehingga upaya pengembangan yang diperlukan minimal.

Sekarang yang perlu Anda lakukan hanyalah beberapa prosedur dasar, mengimpor modul, mendeklarasikan beberapa konstanta dan fungsi pembantu, dan akhirnya menyiapkan aplikasi Flask dasar.

Top 11 Data Visualization Libraries In Python.

Saya akan mulai dengan membeli dari negara lain, ada banyak. Tentu saja Anda akan membutuhkan Numpy dan Pandas dan banyak hal Bokeh. Anda juga perlu mengimpor Flask agar grafik dapat ditampilkan dalam template HTML yang telah ditentukan sebelumnya. Di sini Anda akan memuat ulang dataset dan membuat elemen baru di dalamnya yang disebut “

‘ dan akan menunjukkan gelar yang dimiliki orang tersebut – seperti Tuan, Nona, dll. Perhatikan bahwa Anda mungkin perlu mengubah lokasi file CSV jika Anda belum membuat direktori dan struktur file seperti yang saya tunjukkan.

Sekarang Anda perlu menentukan beberapa properti persisten – ini opsional, tetapi akan memudahkan Anda untuk mengubahnya nanti. Dengan atribut tetap, maksud saya hal-hal seperti font yang digunakan dalam bagan, ukuran judul, ukuran label, padding, dll.

Di sini Anda juga akan mendeklarasikan 2 fungsi pembantu, yang pertama adalah palette_generator() dan ini akan membantu Anda mewarnai batang grafik. Pada dasarnya, ini akan mengembalikan array warna dengan panjang yang sesuai.

Deploy Interactive Real Time Data Visualizations On Flask With Bokeh

Fungsi pembantu berikutnya disebut plot_styler(). Ini akan menggunakan atribut tetap yang telah ditentukan sebelumnya dan mengatur berbagai properti bagan seperti ukuran font dll. Ini dijelaskan karena jika tidak, Anda harus menata setiap grafik secara manual.

Rencana dasbor ini akan berisi 3 bagan. Ya, saya tahu itu tidak banyak. Tetapi Anda dapat membuat lebih banyak sendiri, dan 3 bagan ini akan membantu Anda menemukannya.

Jika Anda bertanya-tanya di mana harus meletakkan kode untuk fungsi berikut, letakkan setelah fungsi chart().

‘ — karena hanya ada dua opsi, saya tidak akan membuat grafik lebih besar dan saya akan menempatkannya di sebelah kanan beberapa teks dummy (lihat index.html). Fungsi ini akan membuat subset dari dataset berdasarkan kelas yang diberikan pengendara dan mengekstrak histogram dari presentasi ini. Saya juga menambahkan HoverTool untuk membuat bagan berfungsi. Di sini Anda akan menggunakan fungsi plot_styler() yang telah ditentukan sebelumnya untuk menghemat waktu dan ruang.

Which Library Should I Use For My Python Dashboard?

Fungsi selanjutnya akan membuat bagan nama penumpang. Ingat bahwa sebelumnya kita membuat atribut baru “

‘, yang berisi gelar seperti Tuan, Nona, dll. Sekarang tujuannya adalah untuk memvisualisasikan berapa banyak pembalap yang memiliki gelar tertentu dalam kategori pembalap tertentu.

Class_titles_bar_chart() sangat mirip dengan yang sebelumnya karena keduanya menampilkan diagram batang, jadi tidak perlu penjelasan lebih lanjut.

‘ di kelas penumpang ini. Histogram di Bokeh lebih kompleks daripada di Matplotlib. Pertama, Anda perlu membuat histogram menggunakan Numpy, yang akan mengembalikan histogram itu sendiri dan lokasi tepinya. Semua akan diteruskan ke ColumnDataSource, dan tepinya kemudian akan dibagi menjadi tepi kiri dan kanan (berguna untuk interaksi grafik – Anda mendapatkan informasi tentang lebar wadah).

A Gentle Introduction To Bokeh: Interactive Python Plotting Library

Fungsi pengisian daya sudah tersedia dan saatnya menampilkan semuanya di layar.

Oke, ini dia bagian yang kamu tunggu-tunggu. Saya tahu ada banyak kode untuk ditulis, tetapi saya harap itu dapat dimengerti meskipun Anda tidak memiliki banyak pengalaman.

Dalam kondisi saat ini, tidak ada yang akan ditampilkan di layar. Ini karena Anda mendeklarasikan fungsi menggambar bagan, tetapi tidak memanggilnya di mana pun. Sekarang saya ingin Anda mendeklarasikan fungsi baru yang disebut redraw(), itu akan membuat 3 variabel, yang masing-masing akan menyimpan nilai kembalian dari 3 fungsi menggambar grafik. Kemudian pulihkan saja:

Setelah ini selesai, yang tersisa untuk dilakukan adalah merencanakan rute utama. Karena dasbor memiliki dropdown di dalam formulir, metode GET dan POST harus dirutekan. Kemudian Anda bisa mendapatkan nilai dari daftar dropdown.

The Python Data Visualization Landscape In 2020

Untuk memeriksa kondisi kritis bahwa nilainya entah bagaimana 0 atau tidak, Anda perlu memanggil fungsi redraw() di kelas penumpang 1.

Anda sekarang memiliki 3 variabel yang mewakili grafik kelas penumpang saat ini. Dari sini Anda perlu membuat skrip dan div menggunakan modul komponen Bokeh. Sekarang Anda akan mengembalikan nama file HTML, index.html, bersama dengan 3 skrip dan 3 div ini:

Jika Anda melihat index.html Anda dapat melihat bagaimana div dan skrip diposisikan. Dan itu pada dasarnya. Semua kode ditulis, dan tidak ada yang tersisa selain menjalankan aplikasi.

Jika Anda belum pernah menulis aplikasi Flask sebelumnya, Anda tidak perlu khawatir. Proses aktivasi sangat sederhana.

Create A Dashboard With Flask, Plotly, Altair, Chart.js, And Adminlte

Di mana app.py adalah nama file Python. Ubah jika Anda telah memberinya nama yang berbeda. Aplikasi ini sekarang aktif dan Anda dapat melihatnya di URL berikut:

Itu pada dasarnya. Sekarang Anda memiliki template awal untuk membangun aplikasi dasbor yang lebih kompleks (dan dirancang lebih baik). Saya harap Anda belajar sesuatu dan itu membantu Anda menonjol dari keramaian, di mana pun Anda berada.

Untuk terus belajar tanpa batas. Saya akan menerima sebagian dari biaya keanggotaan Anda jika Anda menggunakan tautan ini tanpa biaya tambahan kepada Anda.

Bergabunglah dengan Medium dengan tautan rujukan saya – Dario Radechych. Sebagai anggota Medium, sebagian dari biaya keanggotaan Anda akan diberikan kepada penulis yang Anda baca, dan Anda mendapatkan akses penuh ke setiap cerita… medium.com Dalam dua bagian pertama dari seri ini, kami belajar banyak tentang Bokeh. Kita sudah tahu cara membuat dokumen individual dengan mesin terbang bokeh, cara memasukkannya ke dalam notebook Jupyter, menyesuaikan dan menambahkan beberapa koneksi. Lebih penting lagi, kami mempelajari cara mengembangkan aplikasi Bokeh dasar dan menjalankannya di server Bokeh. Dua bagian pertama dapat ditemukan di sini: Bagian I, Bagian II

Responsive Bar Charts With Bokeh, Flask And Python 3

Dengan semua informasi kita bisa membuat sesuatu yang nyata. Dalam tutorial ini, kami akan membuat dasbor interaktif untuk memvisualisasikan panggilan Seattle 911. Selain itu, aplikasi ini tidak hanya akan menampilkan data tertentu, tetapi juga akan mengunduh data baru secara berkala dan memperbarui dasbor sesuai dengan itu.

. Meskipun ini adalah prinsip yang terkenal dan dihormati dalam pengembangan perangkat lunak, jenis pemisahan ini penting untuk aplikasi dasbor. Mengapa

Aplikasi dasbor canggih dapat melakukan banyak manipulasi data, seperti mengunduh, mengonversi, dan menggabungkan