快捷導(dǎo)航

Python PyWebIO提升團(tuán)隊(duì)效率使用介紹

更新時(shí)間：2023年01月06日 10:02:52 作者：京東零售關(guān)鍵

這篇文章主要為大家介紹了Python PyWebIO提升團(tuán)隊(duì)效率使用介紹，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

引言

Q&A快速了解PyWebIO

Q：首先，什么是PyWebIO？

A：PyWebIO提供了一系列命令式的交互函數(shù)，能夠讓咱們用只用Python就可以編寫 Web 應(yīng)用, 不需要編寫前端頁面和后端接口, 讓簡(jiǎn)易的UI開發(fā)效率大大提高（本人非研發(fā)，用詞可能不妥，大家輕點(diǎn)噴）

Q：其次，我們能用來干嘛？？這對(duì)一個(gè)團(tuán)隊(duì)的效率提升有什么作用？？

A：Pywebio的作用在于讓咱們可以快速的開發(fā)一個(gè)帶有UI界面的，支持用戶輸入的，以既定的邏輯輸出結(jié)果的應(yīng)用。那么，我們是不是可以將團(tuán)隊(duì)內(nèi)一些機(jī)械性的數(shù)據(jù)處理，數(shù)據(jù)異動(dòng)分析等的工作以既定邏輯的方式通過Pywebio輸出一個(gè)可復(fù)用的應(yīng)用給大家使用呢？當(dāng)然，日常的數(shù)據(jù)運(yùn)營(yíng)過程中，咱們肯定不是面對(duì)著一成不變的case。那么，我們是不是可以用不同參數(shù)輸入的方式來達(dá)到一定的泛用性拓展呢？只要，case和case之間的底層邏輯是一致的，我們就可以用同一套邏輯，不同的入?yún)磉_(dá)到不同結(jié)果輸出的獲取。

Exampl 倘若，我們每天都有一項(xiàng)工作，每天對(duì)著一份又一份業(yè)務(wù)反饋的訂單，然后部門需要對(duì)著這些訂單本身進(jìn)行一個(gè)初步的風(fēng)險(xiǎn)分層，我們是不是可以把風(fēng)險(xiǎn)分層的底層規(guī)則寫在后端，然后通過PywebIO來支持不同情況下的不同規(guī)則閾值輸入，快速獲取咱們所需要的風(fēng)險(xiǎn)分層結(jié)果。（當(dāng)然，如果數(shù)據(jù)允許，直接寫SQL也可以，可是，SQL需要一定的門檻，而PywebIO則可以通過UI的方式分享給那些沒有技術(shù)背景的運(yùn)營(yíng)人員進(jìn)行0代碼使用。）

以下正式開始用一個(gè)例子來逐步介紹PywebIO拓展包

簡(jiǎn)介

虛擬背景：每天需要一份又一份地對(duì)業(yè)務(wù)反饋的樣本來進(jìn)行風(fēng)險(xiǎn)分層，為了提高處理效率。

計(jì)劃方案：通過現(xiàn)有風(fēng)險(xiǎn)標(biāo)簽的波爾標(biāo)簽，非波爾標(biāo)簽體系來搭建一個(gè)支持靈活配置閾值來快速獲取分層結(jié)果的UI應(yīng)用。

方案簡(jiǎn)介：基本邏輯如下，（以下均為舉例所示，并不代表該方案就可以進(jìn)行風(fēng)險(xiǎn)分層哈，大家請(qǐng)注意）

開始實(shí)現(xiàn)：這里的例子采取的是非數(shù)據(jù)庫(kù)模式，支持的是上傳本地csv，然后進(jìn)行閾值配置。

Step one：本地文件上傳

首先，肯定是得先文件上傳的代碼。

##例子如下：
import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
def read_csv():
    put_markdown('# 只支持pin') 
    put_markdown('功能如下：')
    put_markdown("""
- 選擇與程序再**同一文件夾**的文件
- 輸入你希望卡的風(fēng)險(xiǎn)值閾值 **不輸入則默認(rèn)-10**
- 自動(dòng)加載解析輸出極黑標(biāo)簽占比以及明細(xì)數(shù)據(jù)
- 請(qǐng)勾選你所需要的標(biāo)簽**（不勾選=全選）**，然后點(diǎn)擊提交即可
    """)
    file = file_upload('只支持上傳該程序所在文件夾的csv文件哦', '.csv')
    ## 本地文件
    raw_data = pd.read_csv(os.getcwd() + "\" + file['filename'], encoding='gbk')
    put_html(raw_data.to_html())
if __name__ == '__main__':
    start_server(read_csv, port=8081, debug=True, cdn=False, auto_open_webbrowser=True)

允許代碼后，因?yàn)?rdquo; auto_open_webbrowser=True“，所以自動(dòng)彈出一個(gè)WebUI，如下左圖，選擇上傳的文件，即可看到下右圖的文件數(shù)據(jù)

Step two：風(fēng)險(xiǎn)值卡控

第一步也只是上傳文件，展示文件，還沒達(dá)到咱們的目的。所以，第二步則是需要對(duì)上傳的csv本身進(jìn)行數(shù)據(jù)處理，邏輯判斷。這里其實(shí)很好理解，在step one 中已經(jīng)獲取了上傳的文件且轉(zhuǎn)成dataframe了對(duì)吧，那么實(shí)際，咱們只需要沿用咱們熟悉的pandans對(duì)dataframe進(jìn)行處理即可。

import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
def 配置規(guī)則_風(fēng)險(xiǎn)值閾值(df, user_risk, pp_risk=None):
    df_updated = df[(df['風(fēng)險(xiǎn)值A(chǔ)'] >=user_risk)|((df['風(fēng)險(xiǎn)值B'] >=pp_risk))]   
    return df_updated
def read_csv():
    put_markdown('# 只支持pin') 
    put_markdown('功能如下：')
    put_markdown("""
- 選擇與程序再**同一文件夾**的文件
- 輸入你希望卡的風(fēng)險(xiǎn)值閾值 **不輸入則默認(rèn)-10**
- 自動(dòng)加載解析輸出極黑標(biāo)簽占比以及明細(xì)數(shù)據(jù)
- 請(qǐng)勾選你所需要的標(biāo)簽**（不勾選=全選）**，然后點(diǎn)擊提交即可
    """)
    file = file_upload('只支持上傳該程序所在文件夾的csv文件哦', '.csv')
    ## 本地文件
    data = []
    raw_data = pd.read_csv(os.getcwd() + "\" + file['filename'], encoding='gbk')
    put_html(raw_data.to_html())
## -------------------------- 下面是 step two 新增的代碼 -------------------------- 
    risk_value = input_group(
    "risk_value",
    [
        input("風(fēng)險(xiǎn)值A(chǔ)(默認(rèn)-10)？", name="user_risk", type=NUMBER),
        input("風(fēng)險(xiǎn)值B(默認(rèn)-10)？", name="pp_risk", type=NUMBER)
    ],
    )
    raw_data_upated = 配置規(guī)則_風(fēng)險(xiǎn)值閾值(raw_data,risk_value['user_risk'], risk_value['pp_risk'])
    table1 = raw_data_upated.groupby('指標(biāo)').賬號(hào).count().reset_index()
    table1['占比'] = table1.賬號(hào) / len(raw_data_upated.賬號(hào).unique()) * 100
    table1.sort_values('占比', ascending=False, inplace=True)
    put_html(table1.to_html())
## -------------------------- 上面是 step two 新增的代碼 -------------------------- 
if __name__ == '__main__':
    start_server(read_csv, port=8081, debug=True, cdn=False, auto_open_webbrowser=True)

Step Three: 標(biāo)簽卡控

從第二步，我們已經(jīng)完成了風(fēng)險(xiǎn)值閾值的卡控，然后第三步就是標(biāo)簽的選取了。從對(duì)標(biāo)簽的理解和應(yīng)用經(jīng)驗(yàn)以及第二步得到的標(biāo)簽在樣本中的占比，咱們就可以快速的知道，這個(gè)樣本里面的標(biāo)簽分布分別是什么。進(jìn)一步可以通過標(biāo)簽的選取達(dá)到最終符合我們風(fēng)險(xiǎn)分層結(jié)果中有風(fēng)險(xiǎn)的那一部分的輸出了

import pandas as pd
from pywebio.input import *
from pywebio import start_server
from pywebio.output import *
import nest_asyncio
import numpy as np
import os
import time
nest_asyncio.apply()
def 配置規(guī)則_風(fēng)險(xiǎn)值閾值(df, user_risk, pp_risk=None):
    df_updated = df[(df['風(fēng)險(xiǎn)值A(chǔ)'] >=user_risk)|((df['風(fēng)險(xiǎn)值B'] >=pp_risk))]   
    return df_updated
def read_csv():
    put_markdown('# 只支持pin') 
    put_markdown('功能如下：')
    put_markdown("""
- 選擇與程序再**同一文件夾**的文件
- 輸入你希望卡的風(fēng)險(xiǎn)值閾值 **不輸入則默認(rèn)-10**
- 自動(dòng)加載解析輸出極黑標(biāo)簽占比以及明細(xì)數(shù)據(jù)
- 請(qǐng)勾選你所需要的標(biāo)簽**（不勾選=全選）**，然后點(diǎn)擊提交即可
    """)
    file = file_upload('只支持上傳該程序所在文件夾的csv文件哦', '.csv')
    ## 本地文件
    data = []
    raw_data = pd.read_csv(os.getcwd() + "\" + file['filename'], encoding='gbk')
    put_html(raw_data.to_html())
    risk_value = input_group(
    "risk_value",
    [
        input("風(fēng)險(xiǎn)值A(chǔ)(默認(rèn)-10)？", name="user_risk", type=NUMBER),
        input("風(fēng)險(xiǎn)值B(默認(rèn)-10)？", name="pp_risk", type=NUMBER)
    ],
    )
    raw_data_upated = 配置規(guī)則_風(fēng)險(xiǎn)值閾值(raw_data,risk_value['user_risk'], risk_value['pp_risk'])
    table1 = raw_data_upated.groupby('指標(biāo)').賬號(hào).count().reset_index()
    table1['占比'] = table1.賬號(hào) / len(raw_data_upated.賬號(hào).unique()) * 100
    table1.sort_values('占比', ascending=False, inplace=True)
    put_html(table1.to_html())
    ## -------------------------- 下面是 step three 新增的代碼 -------------------------- 
    set_list = raw_data_upated.指標(biāo).unique()
    list_save = checkbox(label='勾選保留的標(biāo)簽，不勾選=全選', options=set_list, inline=True)
    if list_save == []:
        list_save = set_list
    else:
        list_save = list_save
    raw_data_upated = raw_data_upated[raw_data_upated.指標(biāo).isin(list_save)]
    put_html(raw_data_upated.to_html())
    def Save0():
        put_markdown("You click Save button, Done").show()
        raw_data_upated.to_excel(os.getcwd() + "\" + '輸出的風(fēng)險(xiǎn)明細(xì).xlsx', index=False)
    put_markdown("find your file on 程序同級(jí)文件夾下的 文件 ： 輸出的風(fēng)險(xiǎn)明細(xì).xlsx").show()
    put_buttons(['下載文件"對(duì)內(nèi)不對(duì)外輸出明細(xì).xlsx"'], onclick=[Save0]).show()
    ## -------------------------- 上面是 step three 新增的代碼 -------------------------- 
if __name__ == '__main__':
    start_server(read_csv, port=8081, debug=True, cdn=False, auto_open_webbrowser=True)