Quarto Dashboards 教程 1：Overview

本文主要是介绍Quarto Dashboards 教程 1：Overview，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！

「写在前面」

学习一个软件最好的方法就是啃它的官方文档。本着自己学习、分享他人的态度，分享官方文档的中文教程。软件可能随时更新，建议配合官方文档一起阅读。推荐先按顺序阅读往期内容：
1.quarto 教程 1：Hello, Quarto
2.quarto 教程 2：Computations
3.quarto 教程 3：Authoring

1 概述

Quarto Dashboards 可以轻松使用 Python、R、Julia、Observable 创建交互式仪表盘（dashboards）：

将一组相关数据可视化发布为仪表盘。使用各种组件（包括 Plotly、 Leaflet、 Jupyter Widgets、 htmlwidgets）；静态图形（ Matplotlib、 Seaborn、 ggplot2 等）；表格数据；值盒；和文字注释。
灵活且易于指定基于行和列的布局。组件会被智能地调整大小以填充浏览器并适合在移动设备上显示。
使用任何笔记本编辑器（ JupyterLab 等）或使用任何文本编辑器（ VS Code、 RStudio、 Neovim 等）以纯文本 Markdown 进行创作。
仪表盘可以部署为静态网页（不需要特殊服务器），或者您可以选择集成后端 Shiny Server 以增强交互性。

2 示例

您可以创建高度自定义的布局并使用各种仪表盘主题，如以下示例所示：

有关这些仪表盘的实时版本、源代码和其他示例，请参阅 examples gallery：https://quarto.org/docs/dashboards/examples/

3 演练

在这里，本文将通过一个简单的示例来说明基础知识。然后，本文将提供有关如何开始构建您自己的仪表盘的详细说明。

这个简单的单页 Python 仪表盘使用交互式 Plotly 可视化来探索 Gapminder 数据集中的发展指标。仪表盘包括两行，其中第二行包括两列：

仪表盘由几个组件组成：

Navigation Bar — icon、title、author、sub-pages links（如果定义了多个页面）。
Pages, Rows, Columns, and Tabsets — Pages、rows、columns 使用 Markdown headings 定义（具有控制 height、width 等可选属性）。Tabsets 可用于进一步划分 row 或 column 中的内容。
Cards, Sidebars, and Toolbars — Cards 是绘图、数据显示、自由形式内容的容器。Cards 的内容通常映射到 notebook 或 source document 中的 cells。Sidebars 和 Toolbars 用于在交互式仪表盘中呈现输入。

可以使用 Jupyter notebooks (.ipynb) 或使用纯文本 markdown (.qmd) 创建仪表盘。以下是上述示例的 notebook 版本的代码：

下面是仪表盘的纯文本 .qmd 版本：

--- 
title: "Development Indicators by Continent"
author: "Gapminder Analytics Group"
format: dashboard
--- 

```{python}
import plotly.express as px
df = px.data.gapminder()
```

## Row {height=60%}

```{python}
#| title: GDP and Life Expectancy 
px.scatter(  
  df, x="gdpPercap", y="lifeExp", 
  animation_frame="year", animation_group="country", 
  size="pop", color="continent", hover_name="country",
  facet_col="continent", log_x=True, size_max=45, 
  range_x=[100,100000], range_y=[25,90] 
)  
```

## Row {height=40%}

```{python}
#| title: Population
px.area(
  df, x="year", y="pop", 
  color="continent", line_group="country"
)
```

```{python}
#| title: Life Expectancy
px.line(
  df, x="year", y="lifeExp", 
  color="continent", line_group="country"
)
```