Python在Web上

Python在Web开发领域的应用

展示没有任何服务器的Python应用程序

介绍

使用热门的Python可视化库可以相对简单地在本地创建各种形式的图表和仪表盘。然而，要与其他人在网络上共享您的结果可能会更加复杂。

一种可能的方法是使用诸如Streamlit、Flask、Plotly Dash等库，并支付一个Web托管服务费用以覆盖服务器端并运行您的Python脚本以在网页上显示。另外，一些提供者如Plotly Chart or Datapane还提供免费的云支持，供您上载Python可视化，然后嵌入到网页中。在这两种情况下，只要您对项目有一些小的预算，您就能实现您所需的任何功能，但我们是否有办法以免费方式实现类似的结果呢？

作为本文的一部分，我们将探讨3种可能的方法：

• Panel by Holoviz
• Python的Shiny
• PyScript

为了展示这3种方法中的每一种，我们将创建一个简单的应用程序，以探索来自世界各地的历史通货膨胀数据。为此，我们将使用世界银行全球通货膨胀数据库的所有信息，数据的许可证信息可以在此链接 [1]找到。

• 使用NGINX为ChatGPT设置OpenAI反向代理
• LLaMA-v2-Chat vs. Alpaca 何时使用哪个AI模型？
• 2023年ODSC West主题演讲：AI领域的6位先驱人物

下载数据后，我们可以使用以下预处理函数，以更好地对数据集进行可视化，并仅导入作为分析一部分的3个Excel表格（整体通胀数据、食品和能源价格通胀数据）。

import pandas as pddef import_data(name):    df = pd.read_excel("Inflation-data.xlsx", sheet_name=name)    df = df.drop(["Country Code", "IMF Country Code", "Indicator Type", "Series Name", "Unnamed: 58"], axis=1)    df = (df.melt(id_vars = ['Country', 'Note'],               var_name = 'Date', value_name = 'Inflation'))    df = df.pivot_table(index='Date', columns='Country',                          values='Inflation', aggfunc='sum')    return dfinf_df = import_data("hcpi_a")food_df = import_data("fcpi_a")energy_df = import_data("ecpi_a")