با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
گوگل یک کتابخانه پایتون را منبع باز کرده است که اشیاء DataTable برای مصرف با تجسم ایجاد می کند. از این کتابخانه می توان برای ایجاد یک DataTable در پایتون و خروجی آن در هر یک از سه فرمت استفاده کرد:
رشته JSON -- اگر صفحه‌ای را میزبانی می‌کنید که میزبان تجسم‌سازی است که از داده‌های شما استفاده می‌کند، می‌توانید یک رشته JSON ایجاد کنید تا به سازنده DataTable منتقل شود تا آن را پر کند.
پاسخ JSON -- اگر صفحه ای را که میزبان تجسم است میزبانی نمی کنید و فقط می خواهید به عنوان منبع داده برای تجسم های خارجی عمل کنید، می توانید یک رشته پاسخ کامل JSON ایجاد کنید که می تواند در پاسخ به درخواست داده برگردانده شود.
رشته جاوا اسکریپت -- می توانید جدول داده ها را به صورت رشته ای خروجی بگیرید که شامل چندین خط کد جاوا اسکریپت است که یک شی google.visualization.DataTable را با داده های جدول پایتون شما ایجاد و پر می کند. سپس می توانید این جاوا اسکریپت را در یک موتور برای تولید و پر کردن شی google.visualization.DataTable اجرا کنید. این معمولاً فقط برای اشکال زدایی استفاده می شود.
کتابخانه gviz_api.py را از پیوند بالا وارد کنید و کلاس gviz_api.DataTable نمونه سازی کنید. کلاس دو پارامتر دارد: یک طرح جدول، که فرمت داده ها در جدول را توصیف می کند، و داده های اختیاری برای پر کردن جدول. در صورت تمایل می‌توانید بعداً داده‌ها را اضافه کنید یا داده‌ها را کاملاً بازنویسی کنید، اما ردیف‌های جداگانه را حذف نکنید یا طرح جدول را پاک نکنید.
2. طرح جدول خود را شرح دهید
طرح جدول توسط پارامتر table_description ارسال شده به سازنده مشخص می شود. بعدا نمی توانید آن را تغییر دهید. این طرح همه ستون های جدول را توصیف می کند: نوع داده هر ستون، شناسه و یک برچسب اختیاری.
هر ستون با یک تاپل توصیف می‌شود: ( شناسه [ ,نوع_داده [ ,برچسب [ ,خواص_سفارشی ]]]).
ID - شناسه رشته ای که برای شناسایی ستون استفاده می شود. می تواند شامل فضاها باشد. شناسه هر ستون باید منحصر به فرد باشد.
data_type - [ اختیاری ] یک توصیفگر رشته ای از نوع داده پایتون از داده های آن ستون. می توانید لیستی از انواع داده های پشتیبانی شده را در متد SingleValueToJS() بیابید. به عنوان مثال عبارتند از "رشته" و "boolean". اگر مشخص نشده باشد، پیش فرض "رشته" است.
برچسب - یک نام کاربر پسند برای ستون، که ممکن است به عنوان بخشی از تجسم نمایش داده شود. اگر مشخص نشده باشد، از مقدار ID استفاده می شود.
custom_properties - فرهنگ لغت {String:String} از ویژگی های ستون سفارشی.
طرح جدول مجموعه ای از تاپل های توصیفگر ستون است. هر عضو لیست، کلید فرهنگ لغت یا مقدار فرهنگ لغت باید مجموعه دیگری باشد یا یک تاپل توصیفگر. شما می توانید از هر ترکیبی از فرهنگ لغت یا لیست استفاده کنید، اما هر کلید، مقدار یا عضو باید در نهایت به یک تاپل توصیفگر ارزیابی شود. در اینجا چند نمونه آورده شده است.
فهرست ستون‌ها: [('a'، 'number')، ('b'، 'string')]
فرهنگ لغت لیست ها: {('a', 'number'): [('b', 'number'), ('c', 'string')]}
فرهنگ لغت نامه ها: {('a', 'number'): {'b': 'number', 'c': 'string'}}
و به همین ترتیب، با هر سطحی از تودرتو.
3. داده های خود را پر کنید
برای افزودن داده به جدول، ساختاری از عناصر داده را دقیقاً در همان ساختار طرحواره جدول بسازید. بنابراین، برای مثال، اگر طرح شما یک لیست است، داده ها باید یک لیست باشند:
طرحواره: [("رنگ"، "رشته")، ("شکل"، "رشته")]
داده ها: [["آبی"، "مربع"]، ["قرمز"، "دایره"]]
اگر طرحواره یک فرهنگ لغت است، داده ها باید یک فرهنگ لغت باشند:
یک ردیف جدول بخشی از داده ها و طرحواره مربوطه است. به عنوان مثال، در اینجا نحوه اعمال طرحی از یک لیست از دو ستون به دو ردیف داده است.
Schema:[(color),(shape)]
/ \
Data: [["blue", "square"], ["red", "circle"]]
Table:
ColorShape
blue square
red circle
توجه داشته باشید که کلیدهای فرهنگ لغت در اینجا به داده های ستونی ارزیابی می شوند. می توانید نمونه های پیچیده تری را در مستندات متد AppendData() در کد پیدا کنید. هدف از اجازه دادن به چنین تودرتو پیچیده ای این است که به شما اجازه دهد از ساختار داده پایتون متناسب با نیازهای خود استفاده کنید.
4. داده های خود را خروجی بگیرید
رایج ترین فرمت خروجی JSON است، بنابراین احتمالاً از تابع ToJsonResponse() برای ایجاد داده برای بازگشت استفاده خواهید کرد. با این حال، اگر درخواست ورودی را تجزیه می‌کنید و از فرمت‌های خروجی مختلف پشتیبانی می‌کنید، می‌توانید هر یک از روش‌های خروجی دیگر را برای برگرداندن فرمت‌های دیگر، از جمله مقادیر جداشده با کاما، مقادیر جداشده با تب و جاوا اسکریپت فراخوانی کنید. جاوا اسکریپت معمولاً فقط برای اشکال زدایی استفاده می شود. برای یادگیری نحوه پردازش درخواست برای به دست آوردن قالب پاسخ ترجیحی ، به پیاده سازی منبع داده مراجعه کنید.
مثال استفاده
در اینجا چند مثال نشان می دهد که چگونه از فرمت های خروجی مختلف استفاده کنید.
مثال ToJSon و ToJS
#!/usr/bin/python
import gviz_api
page_template = """
<html>
<script src="https://www.gstatic.com/charts/loader.js"></script>
<script>
google.charts.load('current', {packages:['table']});
google.charts.setOnLoadCallback(drawTable);
function drawTable() {
%(jscode)s
var jscode_table = new google.visualization.Table(document.getElementById('table_div_jscode'));
jscode_table.draw(jscode_data, {showRowNumber: true});
var json_table = new google.visualization.Table(document.getElementById('table_div_json'));
var json_data = new google.visualization.DataTable(%(json)s, 0.6);
json_table.draw(json_data, {showRowNumber: true});
}
</script>
<body>
<H1>Table created using ToJSCode</H1>
<div id="table_div_jscode"></div>
<H1>Table created using ToJSon</H1>
<div id="table_div_json"></div>
</body>
</html>
"""
def main():
# Creating the data
description = {"name": ("string", "Name"),
"salary": ("number", "Salary"),
"full_time": ("boolean", "Full Time Employee")}
data = [{"name": "Mike", "salary": (10000, "$10,000"), "full_time": True},
{"name": "Jim", "salary": (800, "$800"), "full_time": False},
{"name": "Alice", "salary": (12500, "$12,500"), "full_time": True},
{"name": "Bob", "salary": (7000, "$7,000"), "full_time": True}]
# Loading it into gviz_api.DataTable
data_table = gviz_api.DataTable(description)
data_table.LoadData(data)
# Create a JavaScript code string.
jscode = data_table.ToJSCode("jscode_data",
columns_order=("name", "salary", "full_time"),
order_by="salary")
# Create a JSON string.
json = data_table.ToJSon(columns_order=("name", "salary", "full_time"),
order_by="salary")
# Put the JS code and JSON string into the template.
print "Content-type: text/html"
print
print page_template % vars()
if __name__ == '__main__':
main()
مثال ToJSonResponse
JSonResponse توسط یک کلاینت راه دور در درخواست داده استفاده می شود.
تاریخ آخرین بهروزرسانی 2024-07-10 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2024-07-10 بهوقت ساعت هماهنگ جهانی."],[[["\u003cp\u003eGoogle's open-sourced Python library, \u003ccode\u003egviz_api\u003c/code\u003e, enables the creation of \u003ccode\u003eDataTable\u003c/code\u003e objects for visualizations, supporting JSON string, JSON response, and JavaScript string output formats.\u003c/p\u003e\n"],["\u003cp\u003eThe library requires a table schema definition outlining the data types, IDs, and labels for each column within the \u003ccode\u003eDataTable\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eUsers populate the \u003ccode\u003eDataTable\u003c/code\u003e with data structured according to the defined schema, using lists or dictionaries for rows and columns.\u003c/p\u003e\n"],["\u003cp\u003e\u003ccode\u003egviz_api\u003c/code\u003e offers functions like \u003ccode\u003eToJsonResponse()\u003c/code\u003e to format data for visualization consumption, with JSON being the most common format.\u003c/p\u003e\n"],["\u003cp\u003eThe library facilitates data exchange between Python and Google Charts, enabling dynamic and interactive visualizations.\u003c/p\u003e\n"]]],[],null,["# Data Source Python Library\n\nGoogle has open-sourced a Python library that creates `DataTable`\nobjects for consumption by visualizations. This library can be used to create\na `DataTable` in Python, and output it in any of three formats:\n\n- **JSON string** -- If you are hosting the page that hosts the visualization that uses your data, you can generate a JSON string to pass into a `DataTable` constructor to populate it.\n- **JSON response**-- If you do not host the page that hosts the visualization, and just want to act as a data source for external visualizations, you can create a complete JSON response string that can be returned in response to a data request.\n- **JavaScript string** -- You can output the data table as a string that consists of several lines of JavaScript code that will create and populate a [google.visualization.DataTable](/chart/interactive/docs/reference#DataTable) object with the data from your Python table. You can then run this JavaScript in an engine to generate and populate the `google.visualization.DataTable` object. This is typically used for debugging only.\n\nThis document assumes that you understand basic [Python\nprogramming](http://www.python.org), and have read the introductory\nvisualization documentation for [creating a visualization](/chart/interactive/docs/quick_start) and [using\na visualization](/chart/interactive/docs). \n[The Python library is available here](https://github.com/google/google-visualization-python).\n\nContents\n--------\n\n- [How to Use the Library](#howtouse)\n - [Create a gviz_api.DataTable\n object](#createinstance)\n - [Describe your table schema](#describeschema)\n - [Populate your data](#populatedata)\n - [Output your data](#outputdata)\n- [Example Usage](#exampleusage)\n - [ToJSon and ToJS Example](#tojsonexample)\n - [ToJSonResponse Example](#tojsonresponseexample)\n\nHow to Use the Library\n----------------------\n\nHere are the basic steps, in more detail:\n\n### 1. Create\na `gviz_api.DataTable` object\n\nImport the gviz_api.py library from the link above and instantiate\nthe `gviz_api.DataTable` class. The class takes two parameters:\na table schema, which will describe the format of the data in the table, and\noptional data to populate the table with. You can add data later, if you like,\nor completely overwrite the data, but not remove individual rows, or clear\nout the table schema.\n\n### 2. Describe your table schema\n\nThe table schema is specified by the `table_description` parameter\npassed into the constructor. You cannot change it later. The schema describes\nall the columns in the table: the data type of each column, the ID, and an\noptional label.\n\nEach column is described by a tuple: (*ID* \\[*,data_type* \\[*,label*\n\\[*,custom_properties*\\]\\]\\]).\n\n- *ID* - A string ID used to identify the column. Can include spaces. The ID for each column must be unique.\n- *data_type* - \\[*optional*\\] A string descriptor of the Python data type of the data in that column. You can find a list of supported data types in the SingleValueToJS() method. Examples include \"string\" and \"boolean\". If not specified, the default is \"string.\"\n- *label* - A user-friendly name for the column, which might be displayed as part of the visualization. If not specified, the ID value is used.\n- *custom_properties* - A {String:String} dictionary of custom column properties.\n\nThe table schema is a collection of column descriptor tuples. Every list member,\ndictionary key or dictionary value must be either another collection or a descriptor\ntuple. You can use any combination of dictionaries or lists, but every key,\nvalue, or member must eventually evaluate to a descriptor tuple. Here are some\nexamples.\n\n- List of columns: \\[('a', 'number'), ('b', 'string')\\]\n- Dictionary of lists: {('a', 'number'): \\[('b', 'number'), ('c', 'string')\\]}\n- Dictionary of dictionaries: {('a', 'number'): {'b': 'number', 'c': 'string'}}\n- And so on, with any level of nesting.\n\n### 3. Populate your data\n\nTo add data to the table, build a structure of data elements in the exact\nsame structure as the table schema. So, for example, if your schema is a list,\nthe data must be a list:\n\n- schema: \\[(\"color\", \"string\"), (\"shape\", \"string\")\\]\n- data: \\[\\[\"blue\", \"square\"\\], \\[\"red\", \"circle\"\\]\\]\n\nIf the schema is a dictionary, the data must be a dictionary:\n\n- schema: {(\"rowname\", \"string\"): \\[(\"color\", \"string\"), (\"shape\", \"string\")\\] }\n- data: {\"row1\": \\[\"blue\", \"square\"\\], \"row2\": \\[\"red\", \"circle\"\\]}\n\nOne table row is a section of corresponding data and schema. For example,\nhere's how a schema of a list of two columns is applied to two rows of data. \n\n```\nSchema:[(color),(shape)]\n / \\ \nData: [[\"blue\", \"square\"], [\"red\", \"circle\"]]\n\nTable: \n Color Shape\n blue square\n red circle\n```\n\nNote that the\ndictionary keys here evaluate to column data. You can find more complex examples\nin the AppendData() method documentation in the code. The purpose of allowing\nsuch complex nesting is to let you use a Python data structure appropriate\nto your needs.\n\n### 4. Output your data\n\nThe most common output format is JSON, so you will probably use the `ToJsonResponse()`\nfunction to create the data to return. If, however, you are parsing the\ninput request and supporting different output formats, you can call any of\nthe other output methods to return other formats, including comma-separated\nvalues, tab-separated values, and JavaScript. JavaScript is typically only\nused for debugging. See\n[Implementing a Data Source](/chart/interactive/docs/dev/implementing_data_source) to learn\nhow to process a request to obtain the preferred response format.\n\nExample Usage\n-------------\n\nHere are some examples demonstrating how to use the various output formats.\n\n### ToJSon and ToJS Example\n\n```\n#!/usr/bin/python\n\nimport gviz_api\n\npage_template = \"\"\"\n\u003chtml\u003e\n \u003cscript src=\"https://www.gstatic.com/charts/loader.js\"\u003e\u003c/script\u003e\n \u003cscript\u003e\n google.charts.load('current', {packages:['table']});\n\n google.charts.setOnLoadCallback(drawTable);\n function drawTable() {\n %(jscode)s\n var jscode_table = new google.visualization.Table(document.getElementById('table_div_jscode'));\n jscode_table.draw(jscode_data, {showRowNumber: true});\n\n var json_table = new google.visualization.Table(document.getElementById('table_div_json'));\n var json_data = new google.visualization.DataTable(%(json)s, 0.6);\n json_table.draw(json_data, {showRowNumber: true});\n }\n \u003c/script\u003e\n \u003cbody\u003e\n \u003cH1\u003eTable created using ToJSCode\u003c/H1\u003e\n \u003cdiv id=\"table_div_jscode\"\u003e\u003c/div\u003e\n \u003cH1\u003eTable created using ToJSon\u003c/H1\u003e\n \u003cdiv id=\"table_div_json\"\u003e\u003c/div\u003e\n \u003c/body\u003e\n\u003c/html\u003e\n\"\"\"\n\ndef main():\n # Creating the data\n description = {\"name\": (\"string\", \"Name\"),\n \"salary\": (\"number\", \"Salary\"),\n \"full_time\": (\"boolean\", \"Full Time Employee\")}\n data = [{\"name\": \"Mike\", \"salary\": (10000, \"$10,000\"), \"full_time\": True},\n {\"name\": \"Jim\", \"salary\": (800, \"$800\"), \"full_time\": False},\n {\"name\": \"Alice\", \"salary\": (12500, \"$12,500\"), \"full_time\": True},\n {\"name\": \"Bob\", \"salary\": (7000, \"$7,000\"), \"full_time\": True}]\n\n # Loading it into gviz_api.DataTable\n data_table = gviz_api.DataTable(description)\n data_table.LoadData(data)\n\n # Create a JavaScript code string.\n jscode = data_table.ToJSCode(\"jscode_data\",\n columns_order=(\"name\", \"salary\", \"full_time\"),\n order_by=\"salary\")\n # Create a JSON string.\n json = data_table.ToJSon(columns_order=(\"name\", \"salary\", \"full_time\"),\n order_by=\"salary\")\n\n # Put the JS code and JSON string into the template.\n print \"Content-type: text/html\"\n print\n print page_template % vars()\n\n\nif __name__ == '__main__':\n main()\n```\n\n### ToJSonResponse\nExample\n\nJSonResponse is used by a remote client in a data request. \n\n```\n#!/usr/bin/python\n\nimport gviz_api\n\ndescription = {\"name\": (\"string\", \"Name\"),\n \"salary\": (\"number\", \"Salary\"),\n \"full_time\": (\"boolean\", \"Full Time Employee\")}\ndata = [{\"name\": \"Mike\", \"salary\": (10000, \"$10,000\"), \"full_time\": True},\n {\"name\": \"Jim\", \"salary\": (800, \"$800\"), \"full_time\": False},\n {\"name\": \"Alice\", \"salary\": (12500, \"$12,500\"), \"full_time\": True},\n {\"name\": \"Bob\", \"salary\": (7000, \"$7,000\"), \"full_time\": True}]\n\ndata_table = gviz_api.DataTable(description)\ndata_table.LoadData(data)\nprint \"Content-type: text/plain\"\nprint\nprint data_table.ToJSonResponse(columns_order=(\"name\", \"salary\", \"full_time\"),\n order_by=\"salary\")\n```"]]
