【Gradio】使用 Gradio 进行表格数据科学工作流

2024-06-21 13:44

本文主要是介绍【Gradio】使用 Gradio 进行表格数据科学工作流,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

表格数据科学是机器学习中最广泛使用的领域,涉及的问题从客户细分到流失预测不等。在表格数据科学工作流的各个阶段,与利益相关者或客户沟通您的工作可能会很麻烦;这阻止了数据科学家专注于重要的事情,如数据分析和模型构建。数据科学家可能会花费数小时构建一个仪表板,该仪表板接收dataframe 并返回plots图表,或返回数据集中的群集的预测或图表。在本指南中,我们将介绍如何使用 gradio 来改进您的数据科学工作流程。我们还将讨论如何使用 gradio 和 skops 仅用一行代码构建接口!

 先决条件 

确保您已经安装了 gradio Python 包。

让我们创建一个简单的界面! 

我们将看看如何创建一个简单的 UI,根据产品信息预测故障。

# 导入gradio、pandas、joblib和datasets库
import gradio as gr
import pandas as pd
import joblib
import datasets# 创建Gradio的输入与输出界面,输入是一个数据表格,输出是预测结果的数据表格
inputs = [gr.Dataframe(row_count=(2, "dynamic"), col_count=(4, "dynamic"), label="输入数据", interactive=1)]
outputs = [gr.Dataframe(row_count=(2, "dynamic"), col_count=(1, "fixed"), label="预测结果", headers=["故障数"])]# 从“model.pkl”加载预训练的模型
model = joblib.load("model.pkl")# 从datasets库中加载样例数据集“merve/supersoaker-failures”
df = datasets.load_dataset("merve/supersoaker-failures")
df = df["train"].to_pandas()# 定义预测函数,将从Gradio接口接收到的输入数据用预训练的模型进行预测
def infer(input_dataframe):return pd.DataFrame(model.predict(input_dataframe))# 创建Gradio界面,设置函数、输入与输出方式,并给出样例数据
gr.Interface(fn=infer, inputs=inputs, outputs=outputs, examples=[[df.head(2)]]).launch()

让我们分解上面的代码。

  • fn :一个推理函数,它接受输入数据框并返回预测。

  • inputs :我们用来取输入的组件。我们将输入定义为一个有 2 行 4 列的数据框,最初它看起来像一个空的数据框,有上述的形状。当 row_count 设置为 dynamic 时,你不必依赖于你输入到预定义组件的数据集。

  • outputs :存储输出的数据框组件。这个 UI 可以取单个或多个样本进行推断,并且在一列中为每个样本返回 0 或 1,所以我们在上面给 row_count 为 2 和 col_count 为 1。 headers 是一个由数据框的表头名称组成的列表。

  • examples :你可以通过拖放 CSV 文件,或者通过示例传递一个 pandas 数据框,其表头将被界面自动获取。

我们现在将创建一个最简数据可视化仪表板的例子。您可以在相关空间中找到一个更全面的版本。

419e4f3497dca53ef267003beb084c02.png

# 导入gradio、pandas、datasets、seaborn和matplotlib.pyplot库
import gradio as gr
import pandas as pd
import datasets
import seaborn as sns
import matplotlib.pyplot as plt# 从datasets库中加载样例数据集“merve/supersoaker-failures”,并把空值所在行删除
df = datasets.load_dataset("merve/supersoaker-failures")
# 将"datasets"库加载的数据集转换为pandas的DataFrame格式
df = df["train"].to_pandas()
df.dropna(axis=0, inplace=True)# 定义函数来创建散点图、条形图和热力图
def plot(df):# 创建散点图plt.scatter(df.measurement_13, df.measurement_15, c = df.loading,alpha=0.5)plt.savefig("scatter.png")# 创建条形图df['failure'].value_counts().plot(kind='bar')plt.savefig("bar.png")# 创建热力图sns.heatmap(df.select_dtypes(include="number").corr())plt.savefig("corr.png")# 指定结果图像的文件路径plots = ["corr.png","scatter.png", "bar.png"]return plots# 创建Gradio的输入和输出格式,输入为数据框,输出为图像画廊
inputs = [gr.Dataframe(label="Supersoaker生产数据")]
outputs = [gr.Gallery(label="分析仪表板", columns=(1,3))]# 使用Gradio创建界面,并启动
gr.Interface(plot, inputs=inputs, outputs=outputs, examples=[df.head(100)], title="Supersoaker故障分析仪表板").launch()

ea27c31b1537904610202b9e0958ff01.png

38318d999be6693328dad1a4d2ea8311.png

这段代码的作用是创建了一个交互式的分析仪表板,它可以直观地展示数据集“merve/supersoaker-failures”的散点图、条形图和热力图,使用户能更直观地了解数据情况,并帮助用户进行数据分析。

我们将使用训练模型时用的同一数据集,但这次我们将制作一个仪表板来可视化它。

  • fn :将根据数据创建图表的函数。

  • inputs :我们使用了上面相同的 Dataframe 组件。

  • outputs : Gallery 组件用于保持我们的可视化。

  • examples :我们将以数据集本身为例。

使用 skops  一行代码即可轻松加载表格数据接口

skops 是建立在 huggingface_hub 和 sklearn 之上的库。随着最近 gradio 对 skops 的集成,您可以用一行代码构建表格数据接口!

# 导入Gradio库,用于构建Web GUI
import gradio as gr# title和description是可选的,用于定义Web界面的标题和描述信息
title = "Supersoaker故障产品预测"
description = "该模型预测Supersoaker生产线上的故障。你可以拖拽数据集的任何部分,或者在下方的数据框组件中按需编辑值。"# 使用Gradio的load方法加载一个名为“huggingface/scikit-learn/tabular-playground”的模型
# 并设置了标题和描述。这个模型是从Hugging Face Hub上获取的,用于表格数据的预测
gr.load("huggingface/scikit-learn/tabular-playground", title=title, description=description).launch()

使用 skops 推送到 Hugging Face Hub 的 sklearn 模型包括一个 config.json 文件,其中包含带有列名的示例输入,以及正在解决的任务(可以是 tabular-classification 或 tabular-regression )。根据任务类型, gradio 构建 Interface 并使用列名和示例输入来构建它。您可以参考 skops 关于在 Hub 上托管模型的文档,了解如何使用 skops 将模型推送到 Hub。https://skops.readthedocs.io/en/v0.9.0/auto_examples/index.html

这篇关于【Gradio】使用 Gradio 进行表格数据科学工作流的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1081380

相关文章

python管理工具之conda安装部署及使用详解

《python管理工具之conda安装部署及使用详解》这篇文章详细介绍了如何安装和使用conda来管理Python环境,它涵盖了从安装部署、镜像源配置到具体的conda使用方法,包括创建、激活、安装包... 目录pytpshheraerUhon管理工具:conda部署+使用一、安装部署1、 下载2、 安装3

Mysql虚拟列的使用场景

《Mysql虚拟列的使用场景》MySQL虚拟列是一种在查询时动态生成的特殊列,它不占用存储空间,可以提高查询效率和数据处理便利性,本文给大家介绍Mysql虚拟列的相关知识,感兴趣的朋友一起看看吧... 目录1. 介绍mysql虚拟列1.1 定义和作用1.2 虚拟列与普通列的区别2. MySQL虚拟列的类型2

使用MongoDB进行数据存储的操作流程

《使用MongoDB进行数据存储的操作流程》在现代应用开发中,数据存储是一个至关重要的部分,随着数据量的增大和复杂性的增加,传统的关系型数据库有时难以应对高并发和大数据量的处理需求,MongoDB作为... 目录什么是MongoDB?MongoDB的优势使用MongoDB进行数据存储1. 安装MongoDB

关于@MapperScan和@ComponentScan的使用问题

《关于@MapperScan和@ComponentScan的使用问题》文章介绍了在使用`@MapperScan`和`@ComponentScan`时可能会遇到的包扫描冲突问题,并提供了解决方法,同时,... 目录@MapperScan和@ComponentScan的使用问题报错如下原因解决办法课外拓展总结@

mysql数据库分区的使用

《mysql数据库分区的使用》MySQL分区技术通过将大表分割成多个较小片段,提高查询性能、管理效率和数据存储效率,本文就来介绍一下mysql数据库分区的使用,感兴趣的可以了解一下... 目录【一】分区的基本概念【1】物理存储与逻辑分割【2】查询性能提升【3】数据管理与维护【4】扩展性与并行处理【二】分区的

使用Python实现在Word中添加或删除超链接

《使用Python实现在Word中添加或删除超链接》在Word文档中,超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能,本文将为大家介绍一下Python如何实现在Word中添加或... 在Word文档中,超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能。通过添加超

Linux使用fdisk进行磁盘的相关操作

《Linux使用fdisk进行磁盘的相关操作》fdisk命令是Linux中用于管理磁盘分区的强大文本实用程序,这篇文章主要为大家详细介绍了如何使用fdisk进行磁盘的相关操作,需要的可以了解下... 目录简介基本语法示例用法列出所有分区查看指定磁盘的区分管理指定的磁盘进入交互式模式创建一个新的分区删除一个存

C#使用HttpClient进行Post请求出现超时问题的解决及优化

《C#使用HttpClient进行Post请求出现超时问题的解决及优化》最近我的控制台程序发现有时候总是出现请求超时等问题,通常好几分钟最多只有3-4个请求,在使用apipost发现并发10个5分钟也... 目录优化结论单例HttpClient连接池耗尽和并发并发异步最终优化后优化结论我直接上优化结论吧,

SpringBoot使用Apache Tika检测敏感信息

《SpringBoot使用ApacheTika检测敏感信息》ApacheTika是一个功能强大的内容分析工具,它能够从多种文件格式中提取文本、元数据以及其他结构化信息,下面我们来看看如何使用Ap... 目录Tika 主要特性1. 多格式支持2. 自动文件类型检测3. 文本和元数据提取4. 支持 OCR(光学

JAVA系统中Spring Boot应用程序的配置文件application.yml使用详解

《JAVA系统中SpringBoot应用程序的配置文件application.yml使用详解》:本文主要介绍JAVA系统中SpringBoot应用程序的配置文件application.yml的... 目录文件路径文件内容解释1. Server 配置2. Spring 配置3. Logging 配置4. Ma