简介

用 Python 做数据分析其实没必要把所有代码或 Notebook 文件都分享给用户，只需分享用户关注的内容就可以了。对普通用户来说，直接用浏览器、电子邮件、Slack 等现成的工具查看报告就够了，最好不要让他们花额外的精力学习 Python 或 Jupyter。

Datapane 允许通过编程，将 Python 分析工具创建的 pandas DataFrame、可视图及 Markdown 文本等对象打包在一起，生成报告。

创建报告

Datapane 的 Python API 支持用多种数据组件创建、保存、发布报告。

举例来说，Datapane 的 Table（表格）组件可以直接调用 DataFrame。下列代码将 DataFrame 传递至 Table 组件，只用这个组件就可以创建报告：

# simple_report.py

import pandas as pd
import altair as alt
import datapane as dp

dataset = pd.read_csv('https://covid.ourworldindata.org/data/owid-covid-data.csv')
df = dataset.groupby(['continent', 'date'])['new_cases_smoothed_per_million'].mean().reset_index()

dp.Report(
    dp.Table(df)
).save(path='report.html', open=True)

将这段代码复制到 Python 脚本，保存并运行该 Python 脚本文件，即可生成报告。

$ python3 simple_report.py

将此 HTML 文件发送给你的用户，或发布在 Datapane 公众版上，他们就可以浏览你的数据集，筛选数据，甚至可以下载 CSV 文件。

进一步完善报告

上面的报告十分基础，接下来，用可视图与 Markdown 文本点缀一下。与传统 BI 工具不同，Datapane 不依赖专用的可视化引擎，相反，它支持 Altair、Bokeh 等 Python 可视化支持库。

沿用上文的例子，用 Altair 支持库为数据绘制可视图。

本教程后续内容将沿用下列示例代码，把这些代码复制到 Python 脚本文件或 Jupyter Notebook，运行一下试试。

# simple_report.py

import pandas as pd
import altair as alt
import datapane as dp

dataset = pd.read_csv('https://covid.ourworldindata.org/data/owid-covid-data.csv')
df = dataset.groupby(['continent', 'date'])['new_cases_smoothed_per_million'].mean().reset_index()

plot = alt.Chart(df).mark_area(opacity=0.4, stroke='black').encode(
    x='date:T',
    y=alt.Y('new_cases_smoothed_per_million:Q', stack=None),
    color=alt.Color('continent:N', scale=alt.Scale(scheme='set1')),
    tooltip='continent:N'
).interactive().properties(width='container')

dp.Report(
    dp.Plot(plot), 
    dp.Table(df)
).save(path='report.html', open=True)

用上文中的命令运行该 Python 脚本，生成下图所示的报告。