...
（2）在代码编辑器中，输入所需的Python代码，如下图所示：
...
（3）点击 运行 ，可查看效果：
| 信息 |
|---|
Python组件当前仅支持通过接口获取动态数据，或在代码中写静态数据。 |
（4）如果是通过接口获取数据，可以绑定仪表盘的筛选器组件，实现过滤数据的效果，操作如下：
- 添加一个筛选器组件到画布中，并为该筛选器组件绑定字段，如下图所示：
如果想要数据能正常联动，所选字段需选择和Python代码中同一来源的数据。
- 设置筛选器组件 应用于 此Python组件，如下图所示：
- 点击
图标，编辑Python代码，在查询代码中增加绑定筛选器内容，需填入 筛选器名称 ，如下图所示：
- 切换筛选器选中值即可查看过滤数据效果，如下图所示：
（5）示例的Python代码如下：
| 代码块 | ||||||
|---|---|---|---|---|---|---|
| ||||||
import plotly.graph_objects as go
# 查询2019年各车系的销量、车型数以及同比情况
sql_json = {
"sel": ["车系", "销量", "车型数", "销量同比增长率", "车型数同比增长率"],
"conds": [${年}],
"from": "即席查询"
}
df_2019 = detail_trend_data_query_assistant(sql_json)
# 创建联合图展示
fig = go.Figure()
# 添加销量柱状图
fig.add_trace(
go.Bar(
x=df_2019['车系'],
y=df_2019['销量'],
name='销量',
marker_color='blue'
)
)
# 添加车型数柱状图
fig.add_trace(
go.Bar(
x=df_2019['车系'],
y=df_2019['车型数'],
name='车型数',
marker_color='green'
)
)
# 添加销量同比增长率折线图
fig.add_trace(
go.Scatter(
x=df_2019['车系'],
y=df_2019['销量同比增长率'],
mode='lines+markers',
name='销量同比增长率',
yaxis='y2',
line=dict(color='red')
)
)
# 添加车型数同比增长率折线图
fig.add_trace(
go.Scatter(
x=df_2019['车系'],
y=df_2019['车型数同比增长率'],
mode='lines+markers',
name='车型数同比增长率',
yaxis='y2',
line=dict(color='orange')
)
)
# 设置布局
fig.update_layout(
title="2019年各车系销量、车型数及同比情况",
xaxis=dict(title="车系"),
yaxis=dict(title="销量/车型数"),
yaxis2=dict(
title="同比增长率",
overlaying='y',
side='right'
),
title_x=0.5
)
import json
json_result = json.dumps([{"output_variable_name": "fig", "type": "plotly", "desc": "联合图展示2019年各车系销量、车型数及同比情况"}])
json_result
|
| 信息 |
|---|
● 示例代码仅作为参考示例，代码中的查询语句需要根据实际的环境数据去修改。 |
（3）点击 运行 ，可查看效果：
...
2.2 添加AI问数结果到仪表盘中
1、场景描述：在使用AIChat问数过程中，将高频数据问答结果一键转化为仪表盘的Python组件，生成主题看板。
...
