將 Plotly 圖表並行轉換為影像

我們在我工作的公司廣泛使用 Plotly 圖表。它們可以輕鬆創建看起來不錯的互動式圖形。透過 Plotly Express 函式庫獲得的 Python 體驗非常棒，而且入門門檻很低。

Plotly 圖表有兩個主要用例：

• 使用 Plotly Dash 的互動式儀表板。將 Plotly 圖表整合到 Dash 中顯然很棒。
• 對於我們的 PDF 報告，我們在渲染 PDF 之前將圖表轉換為圖像。

對於典型的 PDF 報告，我們使用 5-20 個數字來顯示特定指標隨時間的演變、某些值在多個類別上的分佈，或不同類別之間的比較。

為了建立 PDF 報告，我們結合了 Weasyprint、Jinja 和 Plotly 圖表。要將報告呈現為 PDF，我們首先必須將所有圖表呈現為圖像。

使用 Kaleido 渲染圖表

為此，我們使用了很棒的 Kaleido 包。它使用 Chrome 瀏覽器渲染圖形並將其儲存為圖像。該 API 易於使用。

from kaleido.scopes.plotly import PlotlyScope

scope = PlotlyScope()
img_bytes = scope.transform(
    figure=figure, format="png", width=1000, height=1000, scale=4,
)

這會將圖中的圖形渲染為高度和寬度為 1000 像素、渲染比例為 4 的圖像（即圖像實際尺寸為 4000 像素 x 4000 像素）。比例越高，最終影像的 DPI 越高，看起來越好，最終的 PDF 也越大。

渲染大量圖表

渲染圖表需要一點時間，如果您渲染大量圖表（10-20），它將佔用程式運行時間的很大一部分。為了加快 PDF 渲染管道的速度，我們部署了以下解決方案。

在內部，Kaleido 只是將圖形渲染為圖像的問題外包給附帶的 Chrome 網路瀏覽器。這意味著，對於Python本身來說，渲染這個影像基本上是在等待I/O。

為了加速這個特定的過程，並且由於我們只是等待 I/O，所以我們可以使用多執行緒。

創建隨機圖

讓我們先建立一個隨機圖形，如下所示：

import pandas as pd
import numpy as np
import plotly.graph_objects as go

def get_random_figure() -> go.Figure:
    n_bars = 50
    dates = pd.date_range(start="2021-01-01", end="2021-12-31", freq="M")

    figure = go.Figure()
    for i in range(n_bars):
        values = np.random.rand(len(dates))
        figure.add_trace(go.Bar(x=dates, y=values, name=f"Label {i+1}"))

    figure.update_layout(
        dict(
            barmode="group",
            legend=dict(orientation="h", yanchor="top", xanchor="left"),
        )
    )
    figure.update_layout(yaxis=dict(tickformat=".0%"), xaxis=dict(showgrid=False))
    return figure

現在，可以使用上面的程式碼將圖形轉換為圖像：

from kaleido.scopes.plotly import PlotlyScope
import plotly.graph_objects as go

def figure_to_bytes(figure: go.Figure) -> bytes:
    scope = PlotlyScope()
    return scope.transform(figure=figure, format="png", width=1000, height=1000, scale=4)

最後我們也為以後定義：

def transform_random_figure() -> bytes:
    return figure_to_bytes(get_random_figure())

在線程中運行圖像轉換

你可能知道，也可能不知道，由於Python中的GIL（全域解釋器鎖定），只有一個執行緒可以同時執行Python程式碼。由於圖到影像的轉換不是Python程式碼，因此我們可以利用執行緒同時啟動大量圖的轉換，然後收集結果。

為此，我們定義了一個輔助類別：

from kaleido.scopes.plotly import PlotlyScope

scope = PlotlyScope()
img_bytes = scope.transform(
    figure=figure, format="png", width=1000, height=1000, scale=4,
)

這個類別將幫助我們檢索轉換的結果（即影像的位元組）。

接下來我們要做的就是遵循在 Python 中使用執行緒的標準模式：

1. 使用start()方法啟動你想要啟動的執行緒。
2. 使用join()方法等待執行緒傳回結果。

我們的執行緒應該每個呼叫transform_random_figure()，然後返回位元組。在本例中我們啟動 10 個執行緒。

import pandas as pd
import numpy as np
import plotly.graph_objects as go

def get_random_figure() -> go.Figure:
    n_bars = 50
    dates = pd.date_range(start="2021-01-01", end="2021-12-31", freq="M")

    figure = go.Figure()
    for i in range(n_bars):
        values = np.random.rand(len(dates))
        figure.add_trace(go.Bar(x=dates, y=values, name=f"Label {i+1}"))

    figure.update_layout(
        dict(
            barmode="group",
            legend=dict(orientation="h", yanchor="top", xanchor="left"),
        )
    )
    figure.update_layout(yaxis=dict(tickformat=".0%"), xaxis=dict(showgrid=False))
    return figure

start()方法也會呼叫啟動實際邏輯的執行緒的run()方法（即執行給定的函數，在我們的例子中意味著transform_random_figure()）。

為了收集結果，我們使用執行緒的 join() 方法並將結果寫入檔案。

from kaleido.scopes.plotly import PlotlyScope
import plotly.graph_objects as go

def figure_to_bytes(figure: go.Figure) -> bytes:
    scope = PlotlyScope()
    return scope.transform(figure=figure, format="png", width=1000, height=1000, scale=4)

它是如何運作的

這裡的主要思想是，每當我們想要將圖形轉換為圖像時，我們都會啟動一個線程，並且該線程將在後台等待圖形完成。

將整個報告放在一起後，我們在所有執行緒上呼叫 join() 並檢索所有圖形的圖像，然後將它們放入報告中。

這樣，我們就可以產生沒有圖表的整個報告，並且無需等待每個圖表本身都被轉換，從而節省時間。

概括

綜上所述，如果您想將多個 Plotly 圖表轉換為映像，請使用 Python 標準庫中的多執行緒模組來加快轉換過程。

您可以非常輕鬆地做到這一點，只需將 transform() 呼叫移到一個執行緒中，然後等待所有執行緒完成即可。

附錄：守則

def transform_random_figure() -> bytes:
    return figure_to_bytes(get_random_figure())

以上是將 Plotly 圖表並行轉換為影像的詳細內容。更多資訊請關注PHP中文網其他相關文章！