将 Plotly 图表并行转换为图像

我们在我工作的公司广泛使用 Plotly 图表。它们可以轻松创建看起来不错的交互式图形。通过 Plotly Express 库获得的 Python 体验非常棒，而且入门门槛很低。

Plotly 图表有两个主要用例：

• 使用 Plotly Dash 的交互式仪表板。将 Plotly 图表集成到 Dash 中显然很棒。
• 对于我们的 PDF 报告，我们在渲染 PDF 之前将图表转换为图像。

对于典型的 PDF 报告，我们使用 5-20 个数字来显示特定指标随时间的演变、某些值在多个类别上的分布，或者不同类别之间的比较。

为了创建 PDF 报告，我们结合使用了 Weasyprint、Jinja 和 Plotly 图表。要将报告呈现为 PDF，我们首先必须将所有图表呈现为图像。

使用 Kaleido 渲染图表

为此，我们使用了很棒的 Kaleido 包。它使用 Chrome 浏览器渲染图形并将其保存为图像。该 API 易于使用。

from kaleido.scopes.plotly import PlotlyScope

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

这会将图中的图形渲染为高度和宽度为 1000 像素、渲染比例为 4 的图像（即图像实际尺寸为 4000 像素 x 4000 像素）。比例越高，最终图像的 DPI 越高，看起来越好，最终的 PDF 也越大。

渲染大量图表

渲染图表需要一点时间，如果您渲染大量图表（10-20），它将占用程序运行时间的很大一部分。为了加快 PDF 渲染管道的速度，我们部署了以下解决方案。

在内部，Kaleido 只是将将图形渲染为图像的问题外包给附带的 Chrome 网络浏览器。这意味着，对于Python本身来说，渲染这个图像基本上是在等待I/O。

为了加速这个特定的过程，并且由于我们只是等待 I/O，所以我们可以使用多线程。

创建随机图

让我们首先创建一个随机图形，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

现在，可以使用上面的代码将图形转换为图像：

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)

最后我们还为以后定义：

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

在线程中运行图像转换

你可能知道，也可能不知道，由于Python中的GIL（全局解释器锁），只有一个线程可以同时执行Python代码。由于图到图像的转换不是Python代码，因此我们可以利用线程同时启动大量图的转换，然后收集结果。

为此，我们定义了一个辅助类：

from kaleido.scopes.plotly import PlotlyScope

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

这个类将帮助我们检索转换的结果（即图像的字节）。

接下来我们要做的就是遵循在 Python 中使用线程的标准模式：

1. 使用start()方法启动你想要启动的线程。
2. 使用join()方法等待线程返回结果。

我们的线程应该每个调用transform_random_figure()，然后返回字节。在本例中我们启动 10 个线程。

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()方法还将调用启动实际逻辑的线程的run()方法（即执行给定的函数，在我们的例子中意味着transform_random_figure()）。

为了收集结果，我们使用线程的 join() 方法并将结果写入文件。

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)

它是如何运作的

这里的主要思想是，每当我们想要将图形转换为图像时，我们都会启动一个线程，并且该线程将在后台等待图形完成。

将整个报告放在一起后，我们在所有线程上调用 join() 并检索所有图形的图像，然后将它们放入报告中。

这样，我们就可以生成没有图表的整个报告，并且无需等待每个图表本身都被转换，从而节省时间。

概括

综上所述，如果您想将多个 Plotly 图表转换为图像，请使用 Python 标准库中的多线程模块来加快转换过程。

您可以非常轻松地做到这一点，只需将 transform() 调用移动到一个线程中，然后等待所有线程完成即可。

附录：守则

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

以上是将 Plotly 图表并行转换为图像的详细内容。更多信息请关注PHP中文网其他相关文章！