尧图网站建设 
PyGWalker 部署指南pip 安装到源码构建的完整路径【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalkerPyGWalker 能把 pandas、polars、pyarrow 表格直接转成拖拽式的交互式可视化界面。本文按真实使用场景拆解 PyGWalker 安装与部署pip 最短路径、Jupyter 内核计算、Streamlit 服务端渲染和源码编译每条路径都给出可复制的验证方式。最小可用路径在终端执行安装这是所有场景的公共前提pip install pygwalker安装后在任意 Python 环境跑通下面三步即完成部署验证import pandas as pd import pygwalker as pyg df pd.DataFrame({x: range(100), y: [a, b] * 50}) walker pyg.walk(df)如果当前环境是 Jupyter单元格下方会渲染出带 Data / Visualization 两个标签页的界面如果是普通脚本walk会输出可直接在浏览器打开的 HTML 链接。此时界面中出现拖拽式可视化界面docs/image.png 即为官方文档中保存与分享图表的截图在 Jupyter 中安装 PyGWalker 并处理大数据Notebook 与 JupyterLabpyg.walk基于 anywidget 渲染Jupyter Notebook、JupyterLab、Colab、Kaggle 等带 IPython 内核的环境行为一致。旧版内核ipywidgets 7.x、jupyter-server 2.5 以下需要装对应兼容依赖pip install pygwalker[notebook-legacy]新版内核则用默认依赖或显式装pygwalker[notebook]即可。本地脚本与大数据集前端默认在浏览器侧计算数据量上来后响应会变慢。此时把计算切到 Python 内核里的 DuckDB 引擎并用spec_path让图表配置可保存、可复用walker pyg.walk( df, spec_path./chart_meta_0.json, # 保存/加载图表配置 computationkernel, # 用 DuckDB 在 Python 内核计算 )kernel_computationTrue是旧写法0.6 起官方建议用computationkernel旧参数计划在 0.7.0 移除。脚本环境下不想开浏览器可以用 0.6 引入的Walker对象直接生成静态 HTMLwalker pyg.Walker(df, spec_path./chart_meta.json) open(report.html, w, encodingutf-8).write(walker.to_html())PyGWalker Streamlit 部署步骤安装 Streamlit 渲染器把 PyGWalker 挂到 Web 服务上最省事的方式是 Streamlit它替你处理了端口、静态资源和页面框架pip install pygwalker[streamlit]服务器或容器内运行渲染器会持有数据副本必须缓存否则每次交互都重建、内存持续增长。参考仓库examples/streamlit_demo.py的写法from pygwalker.api.streamlit import StreamlitRenderer import pandas as pd import streamlit as st st.cache_resource def get_renderer(): df pd.read_csv(data.csv) return StreamlitRenderer(df, spec_path./gw_config.json, spec_io_moderw) get_renderer().explorer()用spec_io_moderw开启配置读写后用户保存的图表会落盘到gw_config.json。应用启动命令为streamlit run app.py容器场景下把它作为镜像内的启动进程即可无需额外暴露前端端口。PyGWalker 源码编译与开发克隆仓库并安装依赖二次开发需要 Node.js 22.x、Yarn 1.x 和 Python ≥3.10pyproject.toml中requires-python 3.10。仓库根的environment.yml用 pip 装包conda 侧只负责基础环境可按需改写为 Python 3.10git clone https://gitcode.com/GitHub_Trending/py/pygwalker cd pygwalker python -m venv venv source venv/bin/activate pip install -e .[dev]构建前端与热更新开发前端产物写入pygwalker/templates/dist/构建前需要在app/下装依赖cd app yarn install yarn build cd ..构建成功后修改app/src/下任意文件不需要重新安装 Python 包直接启动官方的一键开发栈它会同时跑vite build --watch和带 HMR 的 JupyterLab日志落在logs/目录python scripts/dev.py前端改动能热更新进已打开的 Notebook 单元格无需重跑。完整构建与 CI 流程见 docs/DEVELOPMENT.md 与 docs/CONTRIBUTING.md。验证安装是否真正可用看两个输出pygwalker config --list python -c import pygwalker as pyg; print(pyg.__version__)预期第一条打印当前隐私配置privacy的合法取值为offline、update-only、events默认update-only第二条打印版本号。功能层面在 Notebook 中执行pyg.walk(df)后应出现双标签页界面walker.to_code(dataset_namedf)应返回可复现当前图表的 Python 代码字符串返回空字符串说明前端 bundle 未加载成功。排障速查现象常见原因修复操作单元格无渲染、界面空白anywidget/ipywidgets 版本与内核不匹配按内核版本安装pygwalker[notebook]或pygwalker[notebook-legacy]后重启内核安装时报 requires-python 不满足PyGWalker 0.6 要求 Python ≥3.10换用 3.10 的虚拟环境重装大数据量交互卡顿默认在浏览器侧计算传入computationkernel走 DuckDB 内核计算源码构建后界面空白前端 bundle 未生成确认pygwalker/templates/dist/有产物或重跑yarn buildStreamlit 内存持续增长渲染器未缓存、每次交互重建用st.cache_resource包裹渲染器另外隐私敏感环境可关闭一切外部通信pygwalker config --set privacyoffline之后不发起任何更新检查或事件上报。选型建议个人分析选 pip pyg.walk最短路径即可对外提供 Web 界面选 Streamlit 渲染器加资源缓存需要改前端或参与开发再走源码构建与scripts/dev.py热更新栈。各环境差异和参数细节以仓库 README.md 的 API Reference 一节为准。【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PyGWalker 部署指南：pip 安装到源码构建的完整路径
PyGWalker 部署指南pip 安装到源码构建的完整路径【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalkerPyGWalker 能把 pandas、polars、pyarrow 表格直接转成拖拽式的交互式可视化界面。本文按真实使用场景拆解 PyGWalker 安装与部署pip 最短路径、Jupyter 内核计算、Streamlit 服务端渲染和源码编译每条路径都给出可复制的验证方式。最小可用路径在终端执行安装这是所有场景的公共前提pip install pygwalker安装后在任意 Python 环境跑通下面三步即完成部署验证import pandas as pd import pygwalker as pyg df pd.DataFrame({x: range(100), y: [a, b] * 50}) walker pyg.walk(df)如果当前环境是 Jupyter单元格下方会渲染出带 Data / Visualization 两个标签页的界面如果是普通脚本walk会输出可直接在浏览器打开的 HTML 链接。此时界面中出现拖拽式可视化界面docs/image.png 即为官方文档中保存与分享图表的截图在 Jupyter 中安装 PyGWalker 并处理大数据Notebook 与 JupyterLabpyg.walk基于 anywidget 渲染Jupyter Notebook、JupyterLab、Colab、Kaggle 等带 IPython 内核的环境行为一致。旧版内核ipywidgets 7.x、jupyter-server 2.5 以下需要装对应兼容依赖pip install pygwalker[notebook-legacy]新版内核则用默认依赖或显式装pygwalker[notebook]即可。本地脚本与大数据集前端默认在浏览器侧计算数据量上来后响应会变慢。此时把计算切到 Python 内核里的 DuckDB 引擎并用spec_path让图表配置可保存、可复用walker pyg.walk( df, spec_path./chart_meta_0.json, # 保存/加载图表配置 computationkernel, # 用 DuckDB 在 Python 内核计算 )kernel_computationTrue是旧写法0.6 起官方建议用computationkernel旧参数计划在 0.7.0 移除。脚本环境下不想开浏览器可以用 0.6 引入的Walker对象直接生成静态 HTMLwalker pyg.Walker(df, spec_path./chart_meta.json) open(report.html, w, encodingutf-8).write(walker.to_html())PyGWalker Streamlit 部署步骤安装 Streamlit 渲染器把 PyGWalker 挂到 Web 服务上最省事的方式是 Streamlit它替你处理了端口、静态资源和页面框架pip install pygwalker[streamlit]服务器或容器内运行渲染器会持有数据副本必须缓存否则每次交互都重建、内存持续增长。参考仓库examples/streamlit_demo.py的写法from pygwalker.api.streamlit import StreamlitRenderer import pandas as pd import streamlit as st st.cache_resource def get_renderer(): df pd.read_csv(data.csv) return StreamlitRenderer(df, spec_path./gw_config.json, spec_io_moderw) get_renderer().explorer()用spec_io_moderw开启配置读写后用户保存的图表会落盘到gw_config.json。应用启动命令为streamlit run app.py容器场景下把它作为镜像内的启动进程即可无需额外暴露前端端口。PyGWalker 源码编译与开发克隆仓库并安装依赖二次开发需要 Node.js 22.x、Yarn 1.x 和 Python ≥3.10pyproject.toml中requires-python 3.10。仓库根的environment.yml用 pip 装包conda 侧只负责基础环境可按需改写为 Python 3.10git clone https://gitcode.com/GitHub_Trending/py/pygwalker cd pygwalker python -m venv venv source venv/bin/activate pip install -e .[dev]构建前端与热更新开发前端产物写入pygwalker/templates/dist/构建前需要在app/下装依赖cd app yarn install yarn build cd ..构建成功后修改app/src/下任意文件不需要重新安装 Python 包直接启动官方的一键开发栈它会同时跑vite build --watch和带 HMR 的 JupyterLab日志落在logs/目录python scripts/dev.py前端改动能热更新进已打开的 Notebook 单元格无需重跑。完整构建与 CI 流程见 docs/DEVELOPMENT.md 与 docs/CONTRIBUTING.md。验证安装是否真正可用看两个输出pygwalker config --list python -c import pygwalker as pyg; print(pyg.__version__)预期第一条打印当前隐私配置privacy的合法取值为offline、update-only、events默认update-only第二条打印版本号。功能层面在 Notebook 中执行pyg.walk(df)后应出现双标签页界面walker.to_code(dataset_namedf)应返回可复现当前图表的 Python 代码字符串返回空字符串说明前端 bundle 未加载成功。排障速查现象常见原因修复操作单元格无渲染、界面空白anywidget/ipywidgets 版本与内核不匹配按内核版本安装pygwalker[notebook]或pygwalker[notebook-legacy]后重启内核安装时报 requires-python 不满足PyGWalker 0.6 要求 Python ≥3.10换用 3.10 的虚拟环境重装大数据量交互卡顿默认在浏览器侧计算传入computationkernel走 DuckDB 内核计算源码构建后界面空白前端 bundle 未生成确认pygwalker/templates/dist/有产物或重跑yarn buildStreamlit 内存持续增长渲染器未缓存、每次交互重建用st.cache_resource包裹渲染器另外隐私敏感环境可关闭一切外部通信pygwalker config --set privacyoffline之后不发起任何更新检查或事件上报。选型建议个人分析选 pip pyg.walk最短路径即可对外提供 Web 界面选 Streamlit 渲染器加资源缓存需要改前端或参与开发再走源码构建与scripts/dev.py热更新栈。各环境差异和参数细节以仓库 README.md 的 API Reference 一节为准。【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考