Introduction au tableau de bord : un outil puissant de suivi et de visualisation des données en temps réel

Introduction au tableau de bord : un outil puissant pour la surveillance et la visualisation des données en temps réel, des exemples de code spécifiques sont requis

Le tableau de bord est un outil de visualisation de données commun qui permet aux utilisateurs de parcourir rapidement plusieurs indicateurs en un seul endroit. Le tableau de bord peut surveiller l'état de fonctionnement de n'importe quoi en temps réel et fournir des informations et des rapports précis. Que vous gériez une entreprise, suiviez les données d'un projet, suiviez les tendances du marché ou traitiez les données de l'apprentissage automatique, Dashboard peut toujours être utilisé à son avantage.

L'objectif principal de Dashboard est de fournir des outils de visualisation simples qui nous permettent de visualiser et de surveiller les données en temps réel sur différents projets. Il optimise la façon dont les données sont présentées, les rendant plus attrayantes et plus faciles à comprendre. Les tableaux de bord nous aident à mieux comprendre les données et à prendre des décisions précises. Dans cet article, nous explorerons quelques concepts de base de Dashboard et quelques exemples de code concrets.

Concepts de base

Avant de commencer à écrire Dashboard, nous devons comprendre certains concepts de base de Dashboard. Voici une explication de quelques concepts de base :

1. Metrics : les métriques du tableau de bord sont des éléments de données qui doivent être surveillés et mesurés. Par exemple, le nombre de visites sur un site Internet peut être un indicateur.
2. Dimension : La dimension est la classification entre les indicateurs. Par exemple, dans un rapport de ventes, la date, la région, le canal, etc. peuvent être des dimensions.
3. Types de graphiques : dans le tableau de bord, nous pouvons utiliser différents types de graphiques pour afficher des données, tels que des graphiques à barres, des graphiques linéaires, des diagrammes circulaires, etc.
4. Source de données : la source de données dans Dashboard est généralement une base de données, mais il peut également s'agir de données obtenues à partir d'une API ou d'un service Web.

Exemple de code

Ici, nous utiliserons la bibliothèque Python et Bokeh pour créer un tableau de bord. Bokeh est une bibliothèque Python permettant de créer des visualisations Web interactives qui peuvent être intégrées aux bibliothèques Python les plus populaires telles que Pandas, NumPy, SciPy, etc.

Nous utiliserons les données météorologiques pour créer un tableau de bord. Commençons par importer les bibliothèques requises :

import pandas as pd
from bokeh.layouts import column
from bokeh.models import ColumnDataSource, RangeTool, HoverTool
from bokeh.plotting import figure, show

De plus, nous devons importer l'ensemble de données météorologiques.

weather_data = pd.read_csv('https://assets.fundsindia.com/articles/wp-content/uploads/2019/07/2018_weather.csv')

En utilisant la bibliothèque pandas, nous pouvons lire le fichier CSV et le convertir en un objet DataFrame comme indiqué ci-dessous :

weather_data = pd.read_csv('https://assets.fundsindia.com/articles/wp-content/uploads/2019/07/2018_weather.csv')
weather_data['Date'] = pd.to_datetime(weather_data['Date'], format='%Y-%m-%d')
weather_data = weather_data.set_index('Date')

Nous utiliserons la bibliothèque Bokeh pour créer deux graphiques : l'un est un graphique linéaire sur la température, et le l'autre est un graphique linéaire sur l'humidité.

# 创建一个包含温度数据的数据源
temp_data = ColumnDataSource(weather_data[['Temperature']])
# 创建一个包含湿度数据的数据源
humidity_data = ColumnDataSource(weather_data[['Humidity']])

# 创建一个绘图工具，并添加温度数据
temp_fig = figure(sizing_mode='scale_width', plot_height=300, x_axis_type='datetime')
temp_fig.line('Date', 'Temperature', source=temp_data)

# 创建一个绘图工具，并添加湿度数据
humidity_fig = figure(sizing_mode='scale_width', plot_height=300, x_axis_type='datetime')
humidity_fig.line('Date', 'Humidity', source=humidity_data)

En même temps, nous pouvons également ajouter un outil de plage de dates déplaçable et un outil de survol.

data_range_tool = RangeTool(x_range=temp_fig.x_range)
data_range_tool.overlay.fill_color = 'blue'
data_range_tool.overlay.fill_alpha = 0.2
temp_fig.add_tools(data_range_tool)
temp_fig.toolbar.active_multi = data_range_tool

hover_tool = HoverTool(mode='vline', tooltips=[('Temperature', '@Temperature'),('Humidity', '@Humidity')])
temp_fig.add_tools(hover_tool)
humidity_fig.add_tools(hover_tool)

Enfin, nous avons combiné les deux graphiques et utilisé les outils de mise en page de Bokeh pour créer le tableau de bord.

dashboard = column(temp_fig, humidity_fig)
show(dashboard)

Ce sont nos 10 lignes complètes de code du tableau de bord.

Résumé

Le tableau de bord est un outil important qui peut nous aider à mieux comprendre les données et à prendre des décisions précises. Dans cet article, nous avons présenté quelques concepts de base du tableau de bord et montré comment créer un tableau de bord simple à l'aide de Python et de la bibliothèque Bokeh. J'espère que cela t'aides!

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!