...
Python组件支持编写代码自定义复杂的数据可视化效果，灵活拓展分析展示能力。另外，也可以在使用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。
| 注意 |
|---|
Python组件加载需依赖AIChat，部署手册详见：Smartbi AIChat（白泽）运维手册 。 |
2 业务场景
2.1 自定义复杂组件
1、场景描述：通过编写Python代码自定义复杂的数据可视化效果。
...
| 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。 |
| 锚 | ||||
|---|---|---|---|---|
|
...
- 切换筛选器选中值即可查看过滤数据效果，如下图所示：
- 如果想要删除筛选器组件对Python组件的影响，则在Python代码中去掉绑定筛选器的内容，并设置筛选器不应用于Python组件即可。
（5）示例的Python代码如下：
| 代码块 | ||||||
|---|---|---|---|---|---|---|
| ||||||
import plotly.graph_objects as go
# 查询各车系的销量情况
sql_json = {"sel": ["车系", "销量"],"conds": [${年}], "from": "即席查询"}
df_car_series_sales = detail_trend_data_query_assistant(sql_json)
# 用柱形图展示数据
fig = go.Figure()
fig.add_trace(go.Bar(
x=df_car_series_sales['车系'],
y=df_car_series_sales['销量'],
name='销量'
))
# 设置图表标题和轴标签
fig.update_layout(
title='各车系销量情况',
xaxis_title='车系',
yaxis_title='销量',
title_x=0.5 # 标题居中
)
# 输出结果
import json
json_result = json.dumps([{"output_variable_name": "fig", "type": "plotly", "desc": "各车系销量柱形图"}])
json_result
|
...
（3）点击 添加到仪表盘 按钮，将问数结果添加到仪表盘中，如下图所示：
- 将问数结果的条件转换成仪表盘的筛选器组件
- 问数的图文内容转换成仪表盘的Python组件，支持点击 图标，编辑Python代码变更Python组件效果
- 支持切换筛选器的选中值，刷新Python组件的数据
...
- 将问数结果的条件转换成仪表盘的筛选器组件。
- 问数的图文内容转换成仪表盘的Python组件，支持点击
图标，编辑Python代码变更Python组件效果。 - 支持切换筛选器的选中值，刷新Python组件的数据。
（4）问数结果在仪表盘中生成Python组件后，和仪表盘本身手动添加的Python组件一样，支持增删绑定的筛选器，操作详见本文2.1章节：绑定筛选器。
如当前的示例，增加一个 车系 筛选器，最终效果如下图所示：
3 更多功能
- 更多的组件属性设置项的详细介绍，可参考文档： 组件设置 。
...
