通过Flask提供Holoviews DynamicMap,使用下拉列表绘制Pandas DataFrame的多个列

loading...


0

this tutorial之后,我尝试使用Holoviews而不是Bokeh(样本数据可用here作为CSV文件)可视化数据集,使用Flask提供结果 . 我决定使用Flask而不是Bokeh Server,因为我正在使用前者构建更大的工作流程 .

我的代码如下:

from flask import Flask, render_template, request
import numpy as np
import pandas as pd
from datetime import datetime
from bokeh.embed import components
from bokeh.io import curdoc
import holoviews as hv
hv.extension("bokeh")

app = Flask(__name__)

renderer = hv.renderer('bokeh')
infile = "./uploads/test.csv"

def loadRegionData(regionProperty, **kwargs):
    df = pd.read_csv(infile, parse_dates=['Datetime'])
    df1 = df[regionProperty]
    df = pd.concat([df['Datetime'],df1], axis=1)

    return hv.Curve(df)

colNames = ((pd.read_csv(infile, nrows=1)).drop(['Datetime'], axis=1)).columns.values

dmap = hv.DynamicMap(loadRegionData, kdims='RegionProperty').redim.values(RegionProperty=colNames)

hvplot = renderer.get_plot(dmap)
plot = hvplot.state
plot.name = 'plot'
curdoc().add_root(plot)

@app.route("/")
def index():
    # Embed plot into HTML via Flask Render
    script, div = components(plot)
    return render_template("index.html", script=script, div=div)

if __name__ == '__main__':
    app.run(port=5000, debug=True)

我遇到了以下(无关的问题)

  • 使用Flask进行部署时,不会显示用于选择列的下拉列表 . 我怀疑那是因为我没有返回/从 index() 函数引用正确的变量到我的 index.html
<html>
<head>
    <link
        href="http://cdn.pydata.org/bokeh/release/bokeh-1.0.2.min.css"
        rel="stylesheet" type="text/css">
    <link
        href="http://cdn.pydata.org/bokeh/release/bokeh-widgets-1.0.2.min.css"
        rel="stylesheet" type="text/css">

    <script src="http://cdn.pydata.org/bokeh/release/bokeh-1.0.2.min.js"></script>
    <script src="http://cdn.pydata.org/bokeh/release/bokeh-widgets-1.0.2.min.js"></script>

</head>
<body>
    <h1>Holoview test</h1>
    {{ script|safe }}
    {{ div|safe }}
</body>
</html>

如何让Flask也显示下拉选择器?

  • 我在使用Bokeh服务器测试此应用程序时发现的一个不相关的问题,也就是在Flask实现中也会出现这个问题,因为比例不会根据我的列选择动态调整 . 也许这可以作为一个单独的问题关于SO,但我想现在将其包含在这里以便将事情保持在一起 .

loading...

0回答

No Data

评论

暂时没有评论!