我們?cè)谖夜ぷ鞯墓緩V泛使用 Plotly 圖表。它們可以輕松創(chuàng)建看起來不錯(cuò)的交互式圖形。通過 Plotly Express 庫獲得的 Python 體驗(yàn)非常棒，而且入門門檻很低。

Plotly 圖表有兩個(gè)主要用例：

• 使用 Plotly Dash 的交互式儀表板。將 Plotly 圖表集成到 Dash 中顯然很棒。
• 對(duì)于我們的 PDF 報(bào)告，我們?cè)阡秩?PDF 之前將圖表轉(zhuǎn)換為圖像。

對(duì)于典型的 PDF 報(bào)告，我們使用 5-20 個(gè)數(shù)字來顯示特定指標(biāo)隨時(shí)間的演變、某些值在多個(gè)類別上的分布，或者不同類別之間的比較。

為了創(chuàng)建 PDF 報(bào)告，我們結(jié)合使用了 Weasyprint、Jinja 和 Plotly 圖表。要將報(bào)告呈現(xiàn)為 PDF，我們首先必須將所有圖表呈現(xiàn)為圖像。

使用 Kaleido 渲染圖表

為此，我們使用了很棒的 Kaleido 包。它使用 Chrome 瀏覽器渲染圖形并將其保存為圖像。該 API 易于使用。

from kaleido.scopes.plotly import PlotlyScope

scope = PlotlyScope()
img_bytes = scope.transform(
    figure=figure, format="png", width=1000, height=1000, scale=4,
)

這會(huì)將圖中的圖形渲染為高度和寬度為 1000 像素、渲染比例為 4 的圖像（即圖像實(shí)際尺寸為 4000 像素 x 4000 像素）。比例越高，最終圖像的 DPI 越高，看起來越好，最終的 PDF 也越大。

渲染大量圖表

渲染圖表需要一點(diǎn)時(shí)間，如果您渲染大量圖表（10-20），它將占用程序運(yùn)行時(shí)間的很大一部分。為了加快 PDF 渲染管道的速度，我們部署了以下解決方案。

在內(nèi)部，Kaleido 只是將將圖形渲染為圖像的問題外包給附帶的 Chrome 網(wǎng)絡(luò)瀏覽器。這意味著，對(duì)于Python本身來說，渲染這個(gè)圖像基本上是在等待I/O。

為了加速這個(gè)特定的過程，并且由于我們只是等待 I/O，所以我們可以使用多線程。

創(chuàng)建隨機(jī)圖

讓我們首先創(chuàng)建一個(gè)隨機(jī)圖形，如下所示：

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

現(xiàn)在，可以使用上面的代碼將圖形轉(zhuǎn)換為圖像：

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)

最后我們還為以后定義：

def transform_random_figure() -> bytes:
    return figure_to_bytes(get_random_figure())

在線程中運(yùn)行圖像轉(zhuǎn)換

你可能知道，也可能不知道，由于Python中的GIL（全局解釋器鎖），只有一個(gè)線程可以同時(shí)執(zhí)行Python代碼。由于圖到圖像的轉(zhuǎn)換不是Python代碼，因此我們可以利用線程同時(shí)啟動(dòng)大量圖的轉(zhuǎn)換，然后收集結(jié)果。

為此，我們定義了一個(gè)輔助類：

from kaleido.scopes.plotly import PlotlyScope

scope = PlotlyScope()
img_bytes = scope.transform(
    figure=figure, format="png", width=1000, height=1000, scale=4,
)

這個(gè)類將幫助我們檢索轉(zhuǎn)換的結(jié)果（即圖像的字節(jié)）。

接下來我們要做的就是遵循在 Python 中使用線程的標(biāo)準(zhǔn)模式：

1. 使用start()方法啟動(dòng)你想要啟動(dòng)的線程。
2. 使用join()方法等待線程返回結(jié)果。

我們的線程應(yīng)該每個(gè)調(diào)用transform_random_figure()，然后返回字節(jié)。在本例中我們啟動(dòng) 10 個(gè)線程。

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

start()方法還將調(diào)用啟動(dòng)實(shí)際邏輯的線程的run()方法（即執(zhí)行給定的函數(shù)，在我們的例子中意味著transform_random_figure()）。

為了收集結(jié)果，我們使用線程的 join() 方法并將結(jié)果寫入文件。

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)

它是如何運(yùn)作的

這里的主要思想是，每當(dāng)我們想要將圖形轉(zhuǎn)換為圖像時(shí)，我們都會(huì)啟動(dòng)一個(gè)線程，并且該線程將在后臺(tái)等待圖形完成。

將整個(gè)報(bào)告放在一起后，我們?cè)谒芯€程上調(diào)用 join() 并檢索所有圖形的圖像，然后將它們放入報(bào)告中。

這樣，我們就可以生成沒有圖表的整個(gè)報(bào)告，并且無需等待每個(gè)圖表本身都被轉(zhuǎn)換，從而節(jié)省時(shí)間。

概括

綜上所述，如果您想將多個(gè) Plotly 圖表轉(zhuǎn)換為圖像，請(qǐng)使用 Python 標(biāo)準(zhǔn)庫中的多線程模塊來加快轉(zhuǎn)換過程。

您可以非常輕松地做到這一點(diǎn)，只需將 transform() 調(diào)用移動(dòng)到一個(gè)線程中，然后等待所有線程完成即可。

附錄：守則

def transform_random_figure() -> bytes:
    return figure_to_bytes(get_random_figure())

以上是將 Plotly 圖表并行轉(zhuǎn)換為圖像的詳細(xì)內(nèi)容。更多信息請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！