ホームページ バックエンド開発 Python チュートリアル Plotly チャートを画像に並行して変換する

Plotly チャートを画像に並行して変換する

Jan 04, 2025 am 02:32 AM

Converting Plotly charts into images in parallel

私が働いている会社では Plotly チャートを広く使用しています。これらを使用すると、見栄えの良いインタラクティブなグラフィックを簡単に作成できます。 Plotly Express ライブラリを介した Python エクスペリエンスは素晴らしく、始めるためのハードルは低いです。

Plotly グラフには 2 つの主な使用例があります:

  • Plotly Dash を使用したインタラクティブなダッシュボードの場合。 Plotly チャートの Dash への統合は明らかに優れています。
  • PDF レポートの場合、PDF をレンダリングする前にグラフを画像に変換します。

一般的な PDF レポートの場合、特定の指標の時間の経過に伴う変化、多数のカテゴリにわたる値の分布、または隣り合う異なるカテゴリの比較を示すために、5 ~ 20 個の図を使用します。

PDF レポートを作成するには、Weasyprint、Jinja、および Plotly チャートを組み合わせて使用​​します。レポートを PDF としてレンダリングするには、まずすべてのグラフを画像としてレンダリングする必要があります。

Kaleido を使用したグラフのレンダリング

これを行うために、素晴らしい Kaleido パッケージを使用します。 Chrome ブラウザを使用してグラフをレンダリングし、画像として保存します。 API は簡単に使用できます。

from kaleido.scopes.plotly import PlotlyScope

scope = PlotlyScope()
img_bytes = scope.transform(
    figure=figure, format="png", width=1000, height=1000, scale=4,
)
ログイン後にコピー
ログイン後にコピー

これにより、Figure 内の図が高さと幅 1000 ピクセル、レンダリング スケール 4 の画像としてレンダリングされます (つまり、画像の実際の寸法は 4000 ピクセル x 4000 ピクセル)。スケールが大きいほど、最終画像の DPI が高くなり、見栄えが良くなり、最終的な PDF が大きくなります。

大量のグラフをレンダリングする

グラフのレンダリングには少し時間がかかり、多数 (10 ~ 20) のグラフをレンダリングすると、プログラムの実行時間のかなりの部分を占めることになります。 PDF レンダリング パイプラインを高速化するために、次のソリューションをデプロイしました。

内部的には、Kaleido は、グラフを画像としてレンダリングする問題を、付属の Chrome ウェブブラウザにアウトソーシングしているだけです。これは、Python 自体の場合、この画像のレンダリングは基本的に I/O を待機していることを意味します。

この特定のプロセスを高速化するには、I/O を待つだけなので、マルチスレッドを使用できます。

ランダムグラフの作成

次のようなランダムな図を作成することから始めましょう:

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

ログイン後にコピー
ログイン後にコピー

上記のコードを使用して、Figure を画像に変換できます。

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)
ログイン後にコピー
ログイン後にコピー

そして最後に、後で使用するために次の定義も行います。

def transform_random_figure() -> bytes:
    return figure_to_bytes(get_random_figure())
ログイン後にコピー
ログイン後にコピー

スレッドでの画像変換の実行

Python の GIL (グローバル インタプリタ ロック) により、同時に 1 つのスレッドだけが Python コードを実行できることをご存じないかもしれません。グラフから画像への変換は Python コードではないため、スレッドを利用して多数のグラフの変換を同時に開始し、結果を収集できます。

そのために、ヘルパー クラスを定義します。

from kaleido.scopes.plotly import PlotlyScope

scope = PlotlyScope()
img_bytes = scope.transform(
    figure=figure, format="png", width=1000, height=1000, scale=4,
)
ログイン後にコピー
ログイン後にコピー

このクラスは、変換の結果 (つまり、画像のバイト) を取得するのに役立ちます。

次にしなければならないことは、Python でスレッドを操作するための標準パターンに従うことです。

  1. start() メソッドを使用して、開始したいスレッドを開始します。
  2. join() メソッドを使用して、スレッドが結果を返すのを待ちます。

スレッドはそれぞれ、transform_random_figure() を呼び出してバイトを返す必要があります。この場合、10 個のスレッドを開始します。

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

ログイン後にコピー
ログイン後にコピー

start() メソッドは、実際のロジックを開始するスレッドの run() メソッドも呼び出します (つまり、指定された関数を実行します。この場合、transform_random_figure() を意味します)。

結果を収集するには、スレッドの join() メソッドを使用し、結果をファイルに書き込みます。

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)
ログイン後にコピー
ログイン後にコピー

仕組み

ここでの主な考え方は、グラフを画像に変換したいときはいつでもスレッドを開始し、このスレッドはグラフがバックグラウンドで完了するのを待つということです。

レポート全体をまとめたら、すべてのスレッドで join() を呼び出し、すべてのグラフの画像を取得してレポートに組み込みます。

この方法では、グラフなしでレポート全体をすでに生成でき、各グラフが変換されるのを待たずに済むので時間を節約できます。

まとめ

要約すると、複数の Plotly チャートを画像に変換する場合は、Python 標準ライブラリのマルチスレッド モジュールを使用して、変換プロセスを高速化します。

transform() 呼び出しをスレッドに移動し、すべてのスレッドが終了するのを待つだけで、非常に簡単に実行できます。

付録: コード

def transform_random_figure() -> bytes:
    return figure_to_bytes(get_random_figure())
ログイン後にコピー
ログイン後にコピー

以上がPlotly チャートを画像に並行して変換するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Python vs. C:曲線と使いやすさの学習 Python vs. C:曲線と使いやすさの学習 Apr 19, 2025 am 12:20 AM

Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

Pythonと時間:勉強時間を最大限に活用する Pythonと時間:勉強時間を最大限に活用する Apr 14, 2025 am 12:02 AM

限られた時間でPythonの学習効率を最大化するには、PythonのDateTime、時間、およびスケジュールモジュールを使用できます。 1. DateTimeモジュールは、学習時間を記録および計画するために使用されます。 2。時間モジュールは、勉強と休息の時間を設定するのに役立ちます。 3.スケジュールモジュールは、毎週の学習タスクを自動的に配置します。

Python vs. C:パフォーマンスと効率の探索 Python vs. C:パフォーマンスと効率の探索 Apr 18, 2025 am 12:20 AM

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

Pythonの学習:2時間の毎日の研究で十分ですか? Pythonの学習:2時間の毎日の研究で十分ですか? Apr 18, 2025 am 12:22 AM

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

Python vs. C:重要な違​​いを理解します Python vs. C:重要な違​​いを理解します Apr 21, 2025 am 12:18 AM

PythonとCにはそれぞれ独自の利点があり、選択はプロジェクトの要件に基づいている必要があります。 1)Pythonは、簡潔な構文と動的タイピングのため、迅速な開発とデータ処理に適しています。 2)Cは、静的なタイピングと手動メモリ管理により、高性能およびシステムプログラミングに適しています。

Python Standard Libraryの一部はどれですか:リストまたは配列はどれですか? Python Standard Libraryの一部はどれですか:リストまたは配列はどれですか? Apr 27, 2025 am 12:03 AM

PythonListSarePartOfThestAndardarenot.liestareBuilting-in、versatile、forStoringCollectionsのpythonlistarepart。

Python:自動化、スクリプト、およびタスク管理 Python:自動化、スクリプト、およびタスク管理 Apr 16, 2025 am 12:14 AM

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。

Web開発用のPython:主要なアプリケーション Web開発用のPython:主要なアプリケーション Apr 18, 2025 am 12:20 AM

Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化

See all articles