Gradio Dataframe 学习笔记

Gradio Dataframe 学习笔记

  • [0. 简介](#0. 简介)
  • [1. 使用场景](#1. 使用场景)
  • [2. 测试数据](#2. 测试数据)
  • [3. 学习代码](#3. 学习代码)
  • [4. 更多功能](#4. 更多功能)
  • [5. 学习资源](#5. 学习资源)
  • [6. 总结](#6. 总结)

0. 简介

Gradio是一个用于构建交互式机器学习界面的Python库。它可以轻松创建各种类型的界面,包括用于数据可视化和探索的界面。

Gradio Dataframe 组件是 Gradio 中用于显示和编辑 Dataframe 的强大工具。它可以用于:

  • 显示表格数据
  • 过滤和排序数据
  • 编辑数据
  • 添加注释

1. 使用场景

Gradio Dataframe 可用于各种场景,例如:

  • 数据探索和分析
  • 机器学习模型的输入和输出
  • 协作式数据分析
  • 教育和演示

2. 测试数据

为了更好地学习 Gradio Dataframe,我们先来生成一套测试数据。假设我们有一份商品数据,包含以下字段:

  • 商品名称
  • 商品价格
  • 商品库存
  • 商品类别

我们可以使用以下代码生成测试数据:

python 复制代码
import pandas as pd

# 定义列名
column_names = ["商品名称", "商品价格", "商品库存", "商品类别"]

# 生成测试数据
data = [
    ["商品1", 100, 10, "类别1"],
    ["商品2", 200, 20, "类别2"],
    ["商品3", 300, 30, "类别3"],
    ["商品4", 400, 40, "类别1"],
    ["商品5", 500, 50, "类别2"],
    ["商品6", 600, 60, "类别3"],
]

# 创建Dataframe
df = pd.DataFrame(data, columns=column_names)

3. 学习代码

下面我们来学习如何使用 Gradio Dataframe 组件。

1. 导入库

首先,我们需要导入 Gradio 和 Pandas 库:

python 复制代码
import gradio as gr
import pandas as pd

2. 创建 Dataframe

然后,我们可以创建 Dataframe:

python 复制代码
# 定义列名
column_names = ["商品名称", "商品价格", "商品库存", "商品类别"]

# 生成测试数据
data = [
    ["商品1", 100, 10, "类别1"],
    ["商品2", 200, 20, "类别2"],
    ["商品3", 300, 30, "类别3"],
    ["商品4", 400, 40, "类别1"],
    ["商品5", 500, 50, "类别2"],
    ["商品6", 600, 60, "类别3"],
]

# 创建Dataframe
df = pd.DataFrame(data, columns=column_names)

3. 创建过滤函数

复制代码
def filter_data(df, product, category):
    # 对于没有特定过滤条件的情况,生成一个全为True的布尔序列
    product_filter = (df['商品名称'] == product) if product is not None and product != "ALL" and len(product) != 0 else pd.Series(
        [True] * len(df))
    category_filter = (df['商品类别'] == category) if category is not None and category != "ALL" and len(
        category) != 0 else pd.Series([True] * len(df))
        
    # 应用过滤条件
    result = df[product_filter& category_filter]
    return result

4. 创建 Gradio 组件

接下来,我们可以创建 Gradio 组件:

python 复制代码
# 创建 Gradio 组件
demo = gr.Interface(
    filter_data,
    inputs=[gr.DataFrame(value=df, col_count=(4, 'fixed')), gr.Dropdown(choices=["ALL"] + sorted(df["商品名称"].unique())),
            gr.Radio(choices=["ALL"] + sorted(df["商品类别"].unique()))],
    outputs='dataframe'
)

5. 显示界面

最后,我们可以使用 Gradio 显示界面:

python 复制代码
# 显示界面
demo.launch()

4. 更多功能

Gradio Dataframe 组件还支持许多其他功能,例如:

  • 过滤和排序数据
  • 编辑数据
  • 添加注释

5. 学习资源

6. 总结

Gradio Dataframe 组件是一个强大的工具,可以用于各种数据分析和可视化任务。通过学习 Gradio Dataframe,我们可以提高数据分析效率,从而做出更好的决策。

完结!

相关推荐
Norvyn_726 分钟前
LeetCode|Day18|20. 有效的括号|Python刷题笔记
笔记·python·leetcode
Y4090012 小时前
C语言转Java语言,相同与相异之处
java·c语言·开发语言·笔记
笑衬人心。2 小时前
TCP 拥塞控制算法 —— 慢启动(Slow Start)笔记
笔记·tcp/ip·php
花海如潮淹2 小时前
前端性能追踪工具:用户体验的毫秒战争
前端·笔记·ux
Andy杨3 小时前
20250718-5-Kubernetes 调度-Pod对象:重启策略+健康检查_笔记
笔记·容器·kubernetes
杭州杭州杭州8 小时前
Python笔记
开发语言·笔记·python
iFulling11 小时前
【计算机网络】第四章:网络层(上)
学习·计算机网络
香蕉可乐荷包蛋11 小时前
AI算法之图像识别与分类
人工智能·学习·算法
谢白羽12 小时前
jenkins搭建笔记
运维·笔记·jenkins