[python] python 으로 대시보드 만들기 - ChatGPT 도 안 알려준 대시보드 라이브러리 [1탄] Datapane

데이터 분석업무를 하다보면 효율적으로 데이터를 제공하고자 할 때 대시보드를 만들곤 한다.
대시보드를 만들어 주는 너무나 좋은 BI 툴들이 많이 있지만, 어떤 경우에는 분석가가 직접적 구현해야 하는 상황도 생기기 마련이다.
나는 Python 을 주로 사용하기 때문에 Python 중 아래의 조건을 만족하는 라이브러리를 찾아 대시보드를 만들고자 했다. 

먼저 내가 찾고자 한 형태의 라이브러리는

• HTML 형태로 배포가 가능하고
• 여러 페이지/메뉴를 만들 수 있으며
• Plotly 그래프 또한 지원해주면 고맙고
• Open source 로 사용 가능한

특징을 가지고 있기를 바랬다. (사실 나는 R의 Flex Dashboard 같은 형태를 Python 으로 구현하고 싶었다.)

위의 조건을 토대로 Chat GPT 에게 적합한 라이브러리를 물어보았더니, Dash by Plotly 를 추천해주었다.
다만, Dash by Plotly 를 사용하고자 할 때는 서버의 형태로 구현을 해야 해서 간단히 html 로 배포시키기에는 뭔가 간단해 보이지 않았다.
(나는 .to_csv 와 같은 함수로 html 로 띡! 나오기를 바랐던 것이다. 서버가 나오고 하는 순간 동공 지진 👀..)

그래서 다시 한번 Python 으로 대시보드를 만들 수 있는 라이브러리를 문의하였더니 아래와 같은 라이브러리들을 알려주었다.

---

“Python 으로 대시보드를 만들 수 있는 라이브러리를 알려줘 ”

1. Dash by Plotly : Dash는 Python을 사용하여 대화형 대시보드와 웹 애플리케이션을 빌드하는 강력한 웹 애플리케이션 프레임워크입니다. Plotly와 통합되어 있어 다양한 대화형 차트와 그래프를 만들기에 용이합니다.
2. Streamlit: Streamlit은 Python 라이브러리로, 최소한의 코드로 웹 애플리케이션을 만들 수 있도록 도와줍니다. 데이터 스크립트를 신속하게 웹 애플리케이션 및 대시보드로 변환하는 데 적합합니다.
3. Bokeh: Bokeh는 Python에서 대화형 시각화를 만들기 위한 다목적 라이브러리입니다. 대화형 대시보드를 만드는 데 많은 시각화 유형을 지원합니다.
4. Panel: Panel은 Matplotlib, Bokeh 및 Plotly와 같은 다른 Python 시각화 라이브러리와 잘 작동합니다. 다양한 플롯과 위젯을 결합하여 대화형 대시보드를 만들 수 있습니다.
5. Plotly Dashboards: Plotly는 Python 라이브러리와 통합되는 클라우드 기반 대시보드 서비스를 제공합니다. Plotly 플랫폼에서 직접 대화형 대시보드를 만들고 공유할 수 있습니다.

---

그러나 Chat GPT 가 알려준 위의 라이브러리는 어딘가에서 하나씩 만족하지 않았고… 결국 구글을 뒤져보았다.
그렇게 뒤지고 뒤져 찾아낸 것이 “Datapane” 이었다.

일단 구현이 직관적이고 간단해서 바로 채택하였다.
그리고 Layout 의 구성이 심플하지만 있을건 다있다. (Tab, Select..)
또 Data Table 을 사용하면 테이블 내에서 SQL 문을 사용하거나 Export 기능이 지원된다는 점도 매우 만족스러웠다.

 

사용해보기

아래 코드는 내가 간단하게 만들어본 페이지이다. 

Blocks 에 Page 를 2개 넣었고, Page 에는 그래프와 테이블을 각각 넣었다. 

또한 Markdown 도 함께 넣을 수 있어 제목이나 설명등을 함께 넣기에도 아주 만족스러웠다. 

대시보드뿐만 아니라 분석 리포트를 만들때에도 유용하게 사용할 수 있을것 같다. 

import datapane as dp
from vega_datasets import data

import plotly.express as px

df = data.iris()
columns = list(df.columns)

g_fig1 = px.scatter(df,x='sepalLength',y='sepalWidth',color='species')
g_fig2 = px.scatter(df,x='petalLength',y='petalWidth',color='species')

# g_fig

view = dp.Blocks(
        dp.Page(
            title = 'Sepal'
            , blocks = [
                '# Markdown available'
                 , dp.Plot(g_fig1, label="Plot")
                 , dp.DataTable(df[['sepalLength','sepalWidth','species']], label="Data")    
            ]
            
        )
    ,dp.Page(
            title = 'Petal'
            , blocks = [
                '## TEST'
                , dp.Plot(g_fig2, label="Plot")
                , dp.DataTable(df[['petalLength','petalWidth','species']], label="Data")
                
            ]
            
        )

)
dp.save_report(view,path='test.html')

 

결과물

해당 코드의 결과물은 여기에서도 확인할 수 있다.

(다다음 편(3편) 에서 만든 html 을 git page 를 이용해 report 하는 내용을 다뤄보려고 한다. )

 

 

 

 

아래의 Docs 와 Github 을 참고하면 멋진 html 을 만들어 볼 수 있을것이다! 

다음 편은 또 다른 라이브러리를 하나 더 소개할 예정이다.

---

Datapane Docs : https://docs.datapane.com/

Datapane

Datapane github : https://github.com/datapane

Datapane