搜尋
首頁後端開發Python教學將 Plotly 圖表並行轉換為影像

Converting Plotly charts into images in parallel

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!

陳述
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
如何解決Linux終端中查看Python版本時遇到的權限問題?如何解決Linux終端中查看Python版本時遇到的權限問題?Apr 01, 2025 pm 05:09 PM

Linux終端中查看Python版本時遇到權限問題的解決方法當你在Linux終端中嘗試查看Python的版本時,輸入python...

我如何使用美麗的湯來解析HTML?我如何使用美麗的湯來解析HTML?Mar 10, 2025 pm 06:54 PM

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

python對象的序列化和避難所化:第1部分python對象的序列化和避難所化:第1部分Mar 08, 2025 am 09:39 AM

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python中的數學模塊:統計Python中的數學模塊:統計Mar 09, 2025 am 11:40 AM

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

如何使用TensorFlow或Pytorch進行深度學習?如何使用TensorFlow或Pytorch進行深度學習?Mar 10, 2025 pm 06:52 PM

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

用美麗的湯在Python中刮擦網頁:搜索和DOM修改用美麗的湯在Python中刮擦網頁:搜索和DOM修改Mar 08, 2025 am 10:36 AM

該教程建立在先前對美麗湯的介紹基礎上,重點是簡單的樹導航之外的DOM操縱。 我們將探索有效的搜索方法和技術,以修改HTML結構。 一種常見的DOM搜索方法是EX

如何使用Python創建命令行接口(CLI)?如何使用Python創建命令行接口(CLI)?Mar 10, 2025 pm 06:48 PM

本文指導Python開發人員構建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等庫詳細介紹,強調輸入/輸出處理,並促進用戶友好的設計模式,以提高CLI可用性。

哪些流行的Python庫及其用途?哪些流行的Python庫及其用途?Mar 21, 2025 pm 06:46 PM

本文討論了諸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和請求等流行的Python庫,並詳細介紹了它們在科學計算,數據分析,可視化,機器學習,網絡開發和H中的用途

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
3 週前By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳圖形設置
3 週前By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您聽不到任何人,如何修復音頻
3 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

MantisBT

MantisBT

Mantis是一個易於部署的基於Web的缺陷追蹤工具,用於幫助產品缺陷追蹤。它需要PHP、MySQL和一個Web伺服器。請查看我們的演示和託管服務。

MinGW - Minimalist GNU for Windows

MinGW - Minimalist GNU for Windows

這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

SublimeText3 英文版

SublimeText3 英文版

推薦:為Win版本,支援程式碼提示!

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境