مطالب پیشنهادی از سراسر وب

دوره Pygal: پلی بوک داده های پایتون

دسته بندی ها: آموزش پایتون (Python) ، آموزش های پلورال سایت (Pluralsight)

فرمت های تصویری وکتور مانند SVG دارای مزایای مهم بسیاری نسبت به فرمت های اسکالر مانند PNG و JPEG هستند. با استفاده از SVG می توانید مصورسازی هایی با کیفیت و جمع و جور ایجاد کنید که در دستگاه های با وضوح پایین رندر می شوند و می توانند بدون تحریف، مقیاس بندی، بزرگنمایی و جابجا شوند.
شما در این دوره، توانایی ساخت آرایه ای از مصورسازی ها و رندر کردن آن ها به فرمت SVG را با استفاده از Pygal، به دست خواهید آورد.
ابتدا مزایای کار با Pygal برای ساخت SVG را خواهید فهمید و فضایی که Pygal نسبت به سایر پکیج های مصورسازی مانند Matplotlib ،Seaborn ،Bokeh و Plotly اشغال می کند را درک خواهید کرد.
سپس، نحوه ساخت آرایه ای از مصورسازی ها در Pygal را از داخل حافظه و همچنین داده های فایل را کشف خواهید کرد. سپس یک مصورسازی شامل نمودارهای ساده مانند نمودارهای Line ،Tree و Bar، و همچنین انواع اختصاصی مانند TreeMaps و Sparklines ایجاد خواهید کرد. انواع مختلف Styleها و Configurationهایی را که می توانند برا کنترل ظاهر نمودار استفاده شوند را درک خواهید کرد. شما با استایل های داخلی، پارامتریک و سفارشی و همچنین پیکربندی های Chart ،Serie و Value کار خواهید کرد.
در پایان، نحوه رندر کردن مصورسازی های Pygal به طیف وسیعی از فرمت های تصویری و غیر تصویری، از جمله درخت های عنصر XML و فرمت های رمزگذاری شده base64 برای انتقال آنلاین را بررسی خواهید کرد. دوره را با ساخت یک وب اپلیکیشن با استفاده از فریم ورک Flask به منظور رندر کردن و انجام نمودارهای Pygal، تکمیل می کنید.
زمانی که این دوره را به پایان برسانید، مهارت و دانش ساخت و رندر کردن مصورسازی ها در Pygal، که برای تحت کنترل درآوردن موثر مزایای فرمت Scalable Vector Graphics مورد نیاز است را خواهید داشت.

بررسی دوره

آیا این نوشته را دوست داشتید؟
Pluralsight Pygal: Python Data Playbook Author:Kishan Iyer Duration:2:59:14 Level:Beginner

Vector image formats such as SVG possess many important advantages over scalar formats such as PNG and JPEG. Using SVG, you can build high-quality, compact visualizations that render on low-resolution devices and that can be scaled, zoomed, and moved without distortion.
In this course, Pygal: Python Data Playbook, you will gain the ability to construct an array of visualizations and render them to SVG format using Pygal.
First, you will learn the advantages of working with Pygal for building SVGs and understand the niche that Pygal occupies relative to other visualization packages such as Matplotlib, Seaborn, Bokeh, and Plotly.
Next, you will discover how to build an array of visualizations in Pygal, from in-memory as well as file data. You will then construct a visualization including simple charts such as Line, Tree, and Bar graphs, as well as specialized types like TreeMaps and Sparklines. You will understand the different types of Styles and Configurations that can be used to govern chart appearance. You will work with built-in, parametric, and custom styles, as well as Chart, Serie, and Value configurations.
Finally, you will explore how to render Pygal visualizations to a range of image and non-image formats, including XML element trees and base64 encoded formats for online transfer. You will round out the course by building a web application using the Flask microframework in order to render and serve Pygal charts.
When you are finished with this course, you will have the skills and knowledge of building and rendering visualizations in Pygal needed to effectively harness the many advantages of the Scalable Vector Graphics format.

پیشنهاد آموزش مرتبط در فرادرس