没想到，Python还可以制作Web可视化页面！
一谈到Web页面，没想到可能大家首先想到就是制作HTML，CSS或JavaScript。视化
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，页面使用到的没想到是Streamlit库。
轻松的制作将一个Excel数据文件转换为一个Web页面，提供给所有人在线查看。视化
每当你对Excel文件进行更改保存，页面Web页面还能够实时进行更新，没想到确实挺不错的制作。
Streamlit的视化文档和教程地址如下。
https://docs.streamlit.io/en/stable/
https://streamlit.io/gallery
相关的页面API使用可以去文档中查看，都有详细的没想到解释。
项目一共有三个文件，制作程序、视化图片、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。香港云服务器
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。亿华云
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_namesheet_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_namesheet_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:, minmin_value=min(ages), maxmax_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 dfdf_grouped = df[mask].groupby(by=[评分]).count()[[年龄]] df_groupeddf_grouped = df_grouped.rename(columns={ 年龄: 计数}) df_groupeddf_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。云服务器提供商
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。