【团队效率提升】Python-PyWebIO介绍

佛山沃迪轴承

作者：京东零售 关键

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数，能够让咱们用只用Python就可以编写 Web 应用, 不需要编写前端页面和后端接口, 让简易的UI开发效率大大提高（本人非研发，用词可能不妥，大家轻点喷）

Q：其次，我们能用来干嘛？？ 这对一个团队的效率提升有什么作用？？
A：Pywebio的作用在于让咱们可以快速的开发一个带有UI界面的，支持用户输入的，以既定的逻辑输出结果的应用。 那么，我们是不是可以将团队内一些机械性的数据处理，数据异动分析等的工作以既定逻辑的方式通过Pywebio输出一个可复用的应用给大家使用呢？ 当然，日常的数据运营过程中，咱们肯定不是面对着一成不变的case。 那么，我们是不是可以用不同参数输入的方式来达到一定的泛用性拓展呢？ 只要，case和case之间的底层逻辑是一致的，我们就可以用同一套逻辑，不同的入参来达到不同结果输出的获取。
Exampl 倘若，我们每天都有一项工作，每天对着一份又一份业务反馈的订单，然后部门需要对着这些订单本身进行一个初步的风险分层，我们是不是可以把风险分层的底层规则写在后端，然后通过PywebIO来支持不同情况下的不同规则阈值输入， 快速获取咱们所需要的风险分层结果。 （当然，如果数据允许，直接写SQL也可以，可是，SQL需要一定的门槛，而PywebIO则可以通过UI的方式分享给那些没有技术背景的运营人员进行0代码使用。）

以下正式开始用一个例子来逐步介绍PywebIO拓展包
简介

虚拟背景： 每天需要一份又一份地对业务反馈的样本来进行风险分层，为了提高处理效率。
计划方案： 通过现有风险标签的波尔标签，非波尔标签体系来搭建一个支持 灵活配置阈值来快速获取分层结果的UI应用。
方案简介：基本逻辑如下，（以下均为举例所示，并不代表该方案就可以进行风险分层哈，大家请注意）

开始实现：这里的例子采取的是非数据库模式，支持的是上传本地csv，然后进行阈值配置。
Step one：本地文件上传

首先，肯定是得先文件上传的代码。

1. ##例子如下：
2. import pandas as pd
3. from pywebio.input import *
4. from pywebio import start_server
5. from pywebio.output import *
6. import nest_asyncio
7. import numpy as np
8. import os
9. import time
11. nest_asyncio.apply()
13. import pandas as pd
14. from pywebio.input import *
15. from pywebio import start_server
16. from pywebio.output import *
17. import nest_asyncio
18. import numpy as np
19. import os
20. import time
22. nest_asyncio.apply()
24. def read_csv():
25.     put_markdown('# 只支持pin')
26.     put_markdown('功能如下：')
27.     put_markdown("""
28. - 选择与程序再**同一文件夹**的文件
29. - 输入你希望卡的风险值阈值 **不输入则默认-10**
30. - 自动加载解析输出极黑标签占比以及明细数据
31. - 请勾选你所需要的标签**（不勾选=全选）**，然后点击提交即可
32.     """)
34.     file = file_upload('只支持上传该程序所在文件夹的csv文件哦', '.csv')
36.     ## 本地文件
37.    
38.     raw_data = pd.read_csv(os.getcwd() + "" + file['filename'], encoding='gbk')
39.     put_html(raw_data.to_html())
40.    
41. if __name__ == '__main__':
43.     start_server(read_csv, port=8081, debug=True, cdn=False, auto_open_webbrowser=True)

复制代码

允许代码后，因为” auto_open_webbrowser=True“，所以自动弹出一个WebUI，如下左图，选择上传的文件，即可看到下右图的文件数据

来源:https://www.cnblogs.com/Jcloud/p/17029467.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！