应用场景 #
- 需要在jupyter中通过smartchart分享的数据集获取数据进行分析
- 有很多线下数据需要进行个性化分析, 然后制做仪表盘
- 在Jupyter的数据分析过程中, 你需要快速生成图形
- 大屏或报表有部分数据集是需要能过复杂的分析生成的
Smartchart支持像pyecharts, Matplotlib 等python绘图工具一样在Jupyter中使用, 但她更加方便, 更加炫酷 和 通用化, 不仅仅是一个绘图工具, 而且是一个平台
我们有什么特色 #
- 使用上手非常简单, 仅仅只有两个命令[get,set], 配置项采用原生的Echarts配置, 无重复学习成本, 使用顺滑
- 支持Echarts所有功能, 可定制化程度高, 显示效果好, 可嵌入也可弹出窗口显示, 也可在dashboard中显示
- 数据可固化存储, 采用smartchart Portal可以直接拼接炫酷大屏
相关视屏参考 #
安装使用方法 #
你需要在jupyter相同的python环境中安装smartchart客户端
pip install smartchart
或
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple smartchart
快速开始 #
初始化认证: #
- 第一次使用时, 需要设定默认用户和smartchart服务端url
- 同一个环境, 只需初始化执行一次, 后面无需再设定
from smart_chart import Smart
Smart().set_auth('用户名','密码',url = 'http://xxxxx')
- 如果smartchart服务端在本地, 可以省略url
Smart().set_auth('用户名','密码')
使用方法: #
from smart_chart import Smart
mysmart = Smart()
dataset = [['A','B','C'],[12,34,23],[22,33,37]]
#把数据写入临时数据集并显示图形
mysmart.set(1,dataset)
#随意命名临时数据集, 不一定需要smartchart中数据集已有的
mysmart.set('DD', dataset)
#从已有的数据集中获取数据(格式参考smartchart数据集)
ds1 = mysmart.get(1)
ds2 = mysmart.get('DD')
修改图形 #
- 方法一: 你可以在图形菜单中选择内置图形或主题
- 方法二: set默认是表格显示,你也可通过名称加前缀bar,line,pie进行修改
mysmart.set('barxxx', dataset) #显示柱形图, 另外还有linexxx, piexxx
- 方法三: 简单图形,可能无法满足你的个性化要求, 你可以采用实例化数据集的方式后做出炫酷的自定义图形
mysmart.set('myds_1', dataset, push=1) #参数push=1, 将实例化数据集
实例化的数据集, 在图形编辑区点击, 可以进入定制化图形开发, 可使用原生的Echarts配置和实时调试,或直接使用社区图形(第一次使用,有一个登记的过程, 按提示进行)
- 方法四: 在非实例化的数据集中使用自定义图形进行临时显示 假如你已经实例化并自定义了图形, 比如 ‘myds_1’, 你可以直接用它的名称来set
#不加push, 将使用新的数据采用myds_1的图形临时显示, 而不会改变原myds_1的数据
mysmart.set('myds_1', dataset)
显示设定参数 #
你可以通过参数来设定图形的高宽, 是否嵌入等个性化要求
# width, height指定图形嵌入显示的宽高
# embed 默认不嵌入, embed=1 嵌入, embed=0 不嵌入
# editor 是否显示图形菜单, 1显示, 0不显示
# push 是否持久化数据集 push=1, 无则新建有则保存数据
# url 报表访问的url,默认是localhost
#可以全局初始化设定
mysmart = Smart(width=xx, height=xx, embed=1, editor='')
#也可以全局单独进行设定
mysmart.url = 'http://ip:8000'
mysmart.embed = 1
#也可以针对单独的一个图形设定
mysmart.set(1,dataset,embed=1,height=200,editor=0)
SmartChart与Pandas #
Smartchart的set支持直接set Pandas的dataframe对象
from smart_chart import Smart
import pandas as pd
mysmart = Smart()
df = pd.read_excel('manual_smartdemo.xlsx', 'sheet1')
mysmart.set('excelsample', df.sample(10))
df1 = df.groupby('province').agg({'qty':'sum'}).reset_index()
mysmart.set('ec_df1', df1, push=1)
df2 = df.groupby('c1').agg({'qty':'sum'}).reset_index()
mysmart.set('ec_df2', df2, push=1)
df4 = df.groupby('province').agg({'qty':'count'}).reset_index()
mysmart.set('ec_df4', df1, push=1)
df3 = df.groupby('c3').agg({'qty':'sum'}).reset_index()
print(df3)
df3.loc[1, 'qty'] = df3.loc[1, 'qty'] * 100
print(df3)
mysmart.set('ec_df3', df3, push=1)
#mysmart.set('pie0', df1)
#df2 = df.groupby(['province','c3']).agg({'qty':'sum'}).reset_index()
#print(df2)
#mysmart.set('ssss', df2)
#print(mysmart.get(15))
