PyGWalker Streamlit API Anleitung

Diese Anleitung erklärt, wie PyGWalker in Streamlit-Anwendungen integriert wird, um interaktive Datenvisualisierungen bereitzustellen.

StreamlitRenderer Klasse

Die StreamlitRenderer Klasse ist die Hauptschnittstelle für die Verwendung von PyGWalker in Streamlit-Apps.

from pygwalker.api.streamlit import StreamlitRenderer
 
renderer = StreamlitRenderer(df, spec="./gw_config.json")

Wichtige Parameter

Parameter	Typ	Standard	Beschreibung
dataset	Union[DataFrame, Connector]	-	Eingabedatenquelle
spec	str	""	Diagrammkonfigurationsdaten (ID, JSON oder URL)
spec_io_mode	Literal["r", "rw"]	"r"	Spec I/O-Modus: "r" (lesen) oder "rw" (lesen/schreiben)
kernel_computation	bool	None	Aktiviert Hochleistungskernel-Berechnungen
appearance	Literal['media', 'light', 'dark']	'media'	Theme-Einstellung
default_tab	Literal["data", "vis"]	"vis"	Standardtab zum Anzeigen

Hauptmethoden

1. explorer()

Zeigt die vollständige GraphicWalker-Benutzeroberfläche an.

renderer.explorer(width=None, height=1000, scrolling=False, default_tab="vis")

2. chart(index)

Rendert ein spezifisches Diagramm.

renderer.chart(index, width=None, height=1000, scrolling=False)

3. viewer()

Zeigt eine Nur-Ansicht-Version der Diagramme.

renderer.viewer(width=None, height=1000, scrolling=False)

Best Practices

Caching: Verwenden Sie das Caching von Streamlit, um Speicherprobleme zu vermeiden:

@st.cache_resource
def get_pyg_renderer():
    df = pd.read_csv("data.csv")
    return StreamlitRenderer(df, spec="./gw_config.json")

Große Datensätze: Aktivieren Sie kernel_computation=True für eine bessere Leistung bei großen Datensätzen.
Layout: Verwenden Sie die Layout-Optionen von Streamlit (z.B. st.set_page_config(layout="wide")) für eine optimale Anzeige.
Tabs: Organisieren Sie verschiedene PyGWalker-Ansichten mit Streamlit-Tabs für eine übersichtlichere Benutzeroberfläche.

Beispiel: Streamlit App mit PyGWalker

import streamlit as st
from pygwalker.api.streamlit import StreamlitRenderer
import pandas as pd
 
st.set_page_config(page_title="PyGWalker in Streamlit", layout="wide")
st.title("PyGWalker in Streamlit Demo")
 
@st.cache_resource
def get_pyg_renderer() -> StreamlitRenderer:
    df = pd.read_csv("data.csv")
    return StreamlitRenderer(df, spec="./gw_config.json", spec_io_mode="rw")
 
renderer = get_pyg_renderer()
 
tab1, tab2, tab3 = st.tabs(["Explorer", "Data Profiling", "Charts"])
 
with tab1:
    renderer.explorer()
 
with tab2:
    renderer.explorer(default_tab="data")
 
with tab3:
    st.subheader("Registrierungen pro Wochentag")
    renderer.chart(0)
    st.subheader("Registrierungen pro Tag")
    renderer.chart(1)

Fortgeschritten: Aufbau einer Alternative zu Tableau/PowerBI

Um eine Open-Source-Alternative zu Tableau/PowerBI zu erstellen, die große Datensätze verarbeiten kann:

Verwenden Sie PyGWalker für interaktive Visualisierungen
Nutzen Sie Streamlit als Webanwendungs-Framework
Integrieren Sie Snowflake zur Verarbeitung großskaliger Daten

Diese Kombination bietet eine leistungsstarke und skalierbare Lösung für Datenvisualisierung und -analyse.

Für weitere Details und fortgeschrittene Anwendungen, siehe die PyGWalker-Dokumentation (opens in a new tab).