/
Примеры Python скриптов

Примеры Python скриптов

Owned by Visiology Robot (Unlicensed)
Last updated: июл. 26, 2021 by Никитин Алексей

Примеры построены на основе демо-данных. Для полноценной работы необходимо сначала установить демо данные.

  1. Следующий пример получает токен авторизации, затем отправляет запрос данных в ViQube, а после этого передаёт полученные данные на виджет. Этот код можно использовать, например, для гистограммы:

    import requests
 
host = 'http://bitest.example.com'  # Адрес сервера ViQube
login = 'admin'  # Логин администратора
password = '***'  # Пароль
 
# Запрос токена авторизации
token_url = f'{host}/idsrv/connect/token' #URL для POST-запроса
token_data = {'grant_type': 'password', 'scope': 'openid profile email roles viqubeadmin_api viqube_api',
              'response_type': 'id_token token', 'username': login, 'password': password} #Данные для POST-запроса
token_headers = {'authorization': 'Basic dmlxdWJlYWRtaW5fcm9fY2xpZW50OjcmZEo1UldwVVMkLUVVQE1reHU=',
                 'content-type': 'application/x-www-form-urlencoded'} #Заголовки для POST-запроса
 
token_response = requests.post(url=token_url, headers=token_headers, data=token_data).json() #POST-Запрос на получение токена
 
bearer_token = 'Bearer ' + token_response['access_token'] #Значение токена авторизации для дальнейших запросов в ViQube
 
# Запрос данных в ViQube
query_url = f'{host}/viqube/metadata/query'#URL для POST-запроса
query_headers = {'authorization': bearer_token, 'X-API-VERSION': '3.4',   #Чтобы узнать X-API-VERSION перейдите по адресу http://ip/viqube/version
                 'content-type': 'application/json; charset=utf-8'} #Заголовки для POST-запроса
#JSON для получения данных из ViQube
query_json = {
    "database": "ViQube",
    "groups": [
        {
            "mgid": "Fakticheskie_prodazhi__rubli",  #Группа показателей "Фактические продажи - рубли"
            "attributes": [
                {
                    "dimroleid": "Gorod_dostavki",   #Атрибут "Город доставки" в строках
                    "attrid": "__level_Regiony",
                    "axis": "ROW"
                },
                {
                    "dimroleid": "Gorod_prodazhi",   #Атрибут "Город продажи" в столбцах
                    "attrid": "__level_Regiony",
                    "axis": "COLUMN"
                }
            ],
            "measures": [
                {
                    "mid": "Price"					 #Показатель "Стоимость продажи"	
                }
            ],
            "filters": [
                [
                    {
                        "attrid": "Category",        #С фильтром по измерению "Продукты" на категорию "Консервы"
                        "dimid": "Produkti",
                        "type": "INCLUDE",
                        "values": [
                            "Консервы"
                        ]
                    }
                ]
            ]
        }
    ]
}
 
query_response = requests.post(url=query_url, headers=query_headers, json=query_json).json() #POST-запрос в ViQube
 
#Передача данных на виджет
#-Гистограмма-
my_chart = DataFrame()
my_chart.cols = query_response['columns']
my_chart.rows = query_response['rows']
my_chart.values = [list(x) for x in zip(*query_response['values'])] #Значения, полученные от ViQube необходимо транспонировать

  2. Следующий пример отличается от предыдущего тем, что после получения данных из ViQube строится объект Pandas, затем производится фильтрация в Pandas и после этого данные передаются на виджет. Этот код можно использовать, например, для сводной таблицы:

    import requests
import pandas
 
host = 'http://bitest.example.com'  # Адрес сервера ViQube
login = 'admin'  # Логин администратора
password = '***'  # Пароль
 
# Запрос токена авторизации
token_url = f'{host}/idsrv/connect/token' #URL для POST-запроса
token_data = {'grant_type': 'password', 'scope': 'openid profile email roles viqubeadmin_api viqube_api',
              'response_type': 'id_token token', 'username': login, 'password': password} #Данные для POST-запроса
token_headers = {'authorization': 'Basic dmlxdWJlYWRtaW5fcm9fY2xpZW50OjcmZEo1UldwVVMkLUVVQE1reHU=',
                 'content-type': 'application/x-www-form-urlencoded'} #Заголовки для POST-запроса
 
token_response = requests.post(url=token_url, headers=token_headers, data=token_data).json() #POST-Запрос на получение токена
 
bearer_token = 'Bearer ' + token_response['access_token'] #Значение токена авторизации для дальнейших запросов в ViQube
 
# Запрос данных в ViQube
query_url = f'{host}/viqube/metadata/query'#URL для POST-запроса
query_headers = {'authorization': bearer_token, 'X-API-VERSION': '3.4',   #Чтобы узнать X-API-VERSION перейдите по адресу http://ip/viqube/version
                 'content-type': 'application/json; charset=utf-8'} #Заголовки для POST-запроса
#JSON для получения данных из ViQube
query_json = {
    "database": "ViQube",
    "groups": [
        {
            "mgid": "Fakticheskie_prodazhi__rubli",      #Группа показателей "Фактические продажи - рубли"
            "attributes": [
                {
                    "dimroleid": "Gorod_dostavki",       #Атрибут "Город доставки" в строках
                    "attrid": "__level_Regiony",
                    "axis": "ROW"
                },
                {
                    "dimroleid": "Gorod_prodazhi",       #Атрибут "Город продажи" в столбцах
                    "attrid": "__level_Regiony",
                    "axis": "COLUMN"
                }
            ],
            "measures": [
                { 
                    "mid": "Price"                       #Показатель "Стоимость продажи"
                }
            ],
            "filters": [
                [
                    {
                        "attrid": "Category",             #С фильтром по измерению "Продукты" на категорию "Консервы"
                        "dimid": "Produkti",
                        "type": "INCLUDE",
                        "values": [
                            "Консервы"
                        ]
                    }
                ]
            ]
        }
    ]
}
 
query_response = requests.post(url=query_url, headers=query_headers, json=query_json).json() #POST-запрос в ViQube
 
rows = list(map(lambda i: i[0], query_response['rows'])) #Для формирования индексов DataFrame в Pandas требуется массив, а данные от викуб возвращаются как массив массивов
columns = list(map(lambda i: i[0], query_response['columns'])) #Для формирования заголовсков DataFrame в Pandas требуется массив, а данные от викуб возвращаются как массив массивов
values = query_response['values']
 
pandas_table = pandas.DataFrame(values, index=rows, columns=columns) #Создание Pandas DataFrame
pandas_table = pandas_table[pandas_table.Иркутск > 700000] #Фильтр на данные: стоимость реализации товаров в Иркутск > 700000р.
 
columns = [[x] for x in list(pandas_table)] #Для передачи колонок на виджет требуется массив массивов, а в Pandas это массив
rows = [[x] for x in list(pandas_table.index)] #Для передачи строк на виджет требуется массив массивов, а в Pandas это массив
values = pandas_table.T.to_numpy().tolist() #Для передачи значений на виджет требуется массив массивов, а в Pandas иной формат
 
#Передача данных на виджет
#-Сводная таблица-
my_chart = DataFrame()
my_chart.cols = columns
my_chart.rows = rows
my_chart.values = values

  3. Пример влияния OLAP-фильтра на запрос данных в ViQube. Для выполнения данного кода на дашборде помимо основ необходим виджет фильтр с названием "Фильтр 1", значениями которого являются годы, фильтр может быть как обычным, так и множественным:

    import requests
 
host = 'http://bitest.example.com'  # Адрес сервера ViQube
 
bearer_token = 'Bearer ' + ACCESS_TOKEN # ACCESS_TOKEN - специальная переменная, содержащая текущий токен авторизации
 
filter_name = 'Фильтр 1' # Название фильтра
 
#-Гистограмма-
my_chart = DataFrame()
 
for olap_filter in olap_filters: # Цикл перебирает все фильтры на дэшборде
    if olap_filter.title == filter_name: # Выбирает фильтр с заданным именем
        selected_values = olap_filter.selected # Отбирает выбранные значения фильтра
        break
 
filter_values = list(map(lambda i: i[0], selected_values)) # Преобразование массива массивов в массив для передачи в запрос
 
# Отправка запроса на ViQube
 
query_url = f'{host}/viqube/metadata/query'  # URL для POST-запроса
query_headers = {'authorization': bearer_token, 'X-API-VERSION': '3.4',   #Чтобы узнать X-API-VERSION перейдите по адресу http://ip/viqube/version
                 'content-type': 'application/json; charset=utf-8'}  # Заголовки для POST-запроса
query_json = {    # JSON
    "database": "ViQube",
    "groups": [
        {
            "mgid": "Fakticheskie_prodazhi__rubli",      #Группа показателей "Фактические продажи - рубли"
            "attributes": [
                {
                    "dimroleid": "Data_pay",             #Атрибут "Дата продажи" в строках
                    "attrid": "YEAR",
                    "axis": "ROW"
                },
                {
                    "dimroleid": "Gorod_prodazhi",       #Атрибут "Город продажи" в столбцах
                    "attrid": "__level_Regiony",
                    "axis": "COLUMN"
                }
            ],
            "measures": [
                {
                    "mid": "Pribil"                      #Показатель "Стоимость продажи"
                }
            ],
            "filters": [
                [
                    {
                        "dimroleid": "Data_pay",
                        "attrid": "YEAR",
                        "type": "INCLUDE",
                        "values": filter_values # Передача массива с выбранными в фильтре значениями
                    }
                ]
            ]
        }
    ]
}
 
query_response = requests.post(url=query_url, headers=query_headers, json=query_json).json()  # POST-запрос в ViQube
 
my_chart.cols = query_response['columns']
my_chart.rows = query_response['rows']
my_chart.values = [list(x) for x in zip(*query_response['values'])] #Значения, полученные от ViQube необходимо транспонировать

  4. Следующий пример отличается от предыдущего тем, что в ViQube запрашиваются все данные, без фильтра по годам, а сама фильтрация данных осуществляется на уровне Python-кода:

    import requests
  
host = 'http://bitest.example.com'  # Адрес сервера ViQube
  
bearer_token = 'Bearer ' + ACCESS_TOKEN # ACCESS_TOKEN - специальная переменная, содержащая текущий токен авторизации
  
filter_name = 'Фильтр 1' # Название фильтра
 
#-Гистограмма-
my_chart = DataFrame()
  
for olap_filter in olap_filters: # Цикл перебирает все фильтры на дэшборде
    if olap_filter.title == filter_name: # Выбирает фильтр с заданным именем
        selected_values = olap_filter.selected # Отбирает выбранные значения фильтра
        break
         
filter_values = list(map(lambda i: i[0], olap_filter.selected)) # Преобразование массива массивов в массив для передачи в запрос
  
# Отправка запроса на ViQube
  
query_url = f'{host}/viqube/metadata/query'  # URL для POST-запроса
query_headers = {'authorization': bearer_token, 'X-API-VERSION': '3.4',  #Чтобы узнать X-API-VERSION перейдите по адресу http://ip/viqube/version
                 'content-type': 'application/json; charset=utf-8'}  # Заголовки для POST-запроса
query_json = {    # JSON
    "database": "ViQube",
    "groups": [
        {
            "mgid": "Fakticheskie_prodazhi__rubli",       #Группа показателей "Фактические продажи - рубли"
            "attributes": [
                {
                    "dimroleid": "Data_pay",              #Атрибут "Дата продажи" в строках
                    "attrid": "YEAR",
                    "axis": "ROW"
                },
                {
                    "dimroleid": "Gorod_prodazhi",        #Атрибут "Город продажи" в столбцах
                    "attrid": "__level_Regiony",
                    "axis": "COLUMN"
                }
            ],
            "measures": [
                {
                    "mid": "Pribil"                       #Показатель "Стоимость продажи"
                }
            ]
        }
    ]
}
  
query_response = requests.post(url=query_url, headers=query_headers, json=query_json).json()  # POST-запрос в ViQube
 
cols_from_request = query_response['columns']
rows_from_request = query_response['rows']
values_from_request = query_response['values']
 
cols = []
rows = []
values = []
 
for value in filter_values: # Перебор выбранных значений фильтра
    for i in range(len(rows_from_request)): # Отбор строк со значениями из фильтра
        if rows_from_request[i][0] == value: # Здесь проверяется [0]й элемент, т.к. в ответе на запрос год стоит на 0й позиции, если бы города были тое в строках, проверялся бы [1]й элемент
            rows.append(rows_from_request[i])
            values.append(values_from_request[i])
cols = cols_from_request
 
values = [list(x) for x in zip(*values)] #Значения, полученные от ViQube необходимо транспонировать
 
my_chart.cols = cols
my_chart.rows = rows
my_chart.values = values

  5. Следующий пример с помощью простой модели добавляет в данные прогноз на основе полученных из ViQube данных, лучше всего на основе этого кода построить виджет график:

    import requests
from sklearn.linear_model import LinearRegression
  
host = 'http://bitest.example.com'  # Адрес сервера ViQube
  
bearer_token = 'Bearer ' + ACCESS_TOKEN # ACCESS_TOKEN - специальная переменная, содержащая текущий токен авторизации
 
# Отправка запроса на ViQube
  
query_url = f'{host}/viqube/metadata/query'#URL для POST-запроса
query_headers = {'authorization': bearer_token, 'X-API-VERSION': '3.4',    #Чтобы узнать X-API-VERSION перейдите по адресу http://ip/viqube/version
                 'content-type': 'application/json; charset=utf-8'} #Заголовки для POST-запроса
#JSON для получения данных из ViQube
query_json = {    # JSON
    "database": "ViQube",
    "groups": [
        {
            "mgid": "Fakticheskie_prodazhi__rubli",      #Группа показателей "Фактические продажи - рубли"
            "attributes": [
                {
                    "dimroleid": "Data_pay",             #Атрибут "Дата продажи" в строках
                    "attrid": "YEAR",
                    "axis": "ROW"
                }
            ],
            "measures": [
                {
                    "mid": "Pribil"                      #Показатель "Стоимость продажи"
                }
            ]
        }
    ]
}
 
query_response = requests.post(url=query_url, headers=query_headers, json=query_json).json() #POST-запрос в ViQube
 
rows = query_response['rows']
cols_done = [['Факт'], ['Прогноз']]
values = query_response['values']
 
predict_years = [] # Переменная для годов прогноза
 
for i in range(len(rows)):
    rows[i][0] = int(rows[i][0]) # Преобразование годов из строк в числа, т.к. для модели необходим тип int, а в ответе на запрос приходят строки
    predict_years.append(rows[i]) # Заполнение годов прогноза
 
predict_years.append([int(rows[-1][0])+1])
predict_years.append([int(rows[-1][0])+2]) # Добавление двух лет для прогноза
 
model = LinearRegression()
model.fit(rows, values) # Обучение модели
predict_target = model.predict(predict_years) # Создание прогноза
 
values.append([None])
values.append([None]) # Корректировка значений из-за добавления двух годов
 
values_done = []
 
values_done.append(list(map(lambda i: i[0], values)))
 
predict_target = list(map(lambda i: i[0], predict_target))
 
values_done.append(predict_target) # Добавление колонки с прогнозом к значениям
 
for i in range(len(predict_years)):
    predict_years[i][0] = str(predict_years[i][0])
 
rows_done = predict_years
 
#Передача данных на виджет
#-Гистограмма-
my_chart = DataFrame()
my_chart.cols = cols_done
my_chart.rows = rows_done
my_chart.values = values_done

Related content

Примеры Python скриптов
Примеры Python скриптов
Visiology Platform 2.22
More like this
Примеры Python скриптов
Примеры Python скриптов
Visiology Platform 2.21
More like this
Примеры Python скриптов
Примеры Python скриптов
Visiology Platform 2.25
More like this
Примеры Python скриптов
Примеры Python скриптов
Visiology Platform 2.24
More like this
Примеры Python скриптов
Примеры Python скриптов
Visiology Platform 2.18
More like this
Примеры Python скриптов
Примеры Python скриптов
Visiology Platform 2.20
More like this