Gradio Dataframe 学习笔记

0. 简介
1. 使用场景
2. 测试数据
3. 学习代码
4. 更多功能
5. 学习资源
6. 总结

0. 简介

Gradio是一个用于构建交互式机器学习界面的Python库。它可以轻松创建各种类型的界面，包括用于数据可视化和探索的界面。

Gradio Dataframe 组件是 Gradio 中用于显示和编辑 Dataframe 的强大工具。它可以用于：

显示表格数据
过滤和排序数据
编辑数据
添加注释

1. 使用场景

Gradio Dataframe 可用于各种场景，例如：

数据探索和分析
机器学习模型的输入和输出
协作式数据分析
教育和演示

2. 测试数据

为了更好地学习 Gradio Dataframe，我们先来生成一套测试数据。假设我们有一份商品数据，包含以下字段：

商品名称
商品价格
商品库存
商品类别

我们可以使用以下代码生成测试数据：

import pandas as pd# 定义列名
column_names = ["商品名称", "商品价格", "商品库存", "商品类别"]# 生成测试数据
data = [["商品1", 100, 10, "类别1"],["商品2", 200, 20, "类别2"],["商品3", 300, 30, "类别3"],["商品4", 400, 40, "类别1"],["商品5", 500, 50, "类别2"],["商品6", 600, 60, "类别3"],
]# 创建Dataframe
df = pd.DataFrame(data, columns=column_names)

3. 学习代码

下面我们来学习如何使用 Gradio Dataframe 组件。

1. 导入库

首先，我们需要导入 Gradio 和 Pandas 库：

import gradio as gr
import pandas as pd

2. 创建 Dataframe

然后，我们可以创建 Dataframe：

# 定义列名
column_names = ["商品名称", "商品价格", "商品库存", "商品类别"]# 生成测试数据
data = [["商品1", 100, 10, "类别1"],["商品2", 200, 20, "类别2"],["商品3", 300, 30, "类别3"],["商品4", 400, 40, "类别1"],["商品5", 500, 50, "类别2"],["商品6", 600, 60, "类别3"],
]# 创建Dataframe
df = pd.DataFrame(data, columns=column_names)

3. 创建过滤函数

def filter_data(df, product, category):# 对于没有特定过滤条件的情况，生成一个全为True的布尔序列product_filter = (df['商品名称'] == product) if product is not None and product != "ALL" and len(product) != 0 else pd.Series([True] * len(df))category_filter = (df['商品类别'] == category) if category is not None and category != "ALL" and len(category) != 0 else pd.Series([True] * len(df))# 应用过滤条件result = df[product_filter& category_filter]return result

4. 创建 Gradio 组件

接下来，我们可以创建 Gradio 组件：

# 创建 Gradio 组件
demo = gr.Interface(filter_data,inputs=[gr.DataFrame(value=df, col_count=(4, 'fixed')), gr.Dropdown(choices=["ALL"] + sorted(df["商品名称"].unique())),gr.Radio(choices=["ALL"] + sorted(df["商品类别"].unique()))],outputs='dataframe'
)