Gradio Agents & MCP 黑客马拉松

获奖者
Gradio logo
  1. 组件
  2. LinePlot

Gradio 新手？从这里开始：快速入门

查看 发布历史

←

Label

LoginButton

→

LinePlot

gradio.LinePlot(···)
import gradio as gr import pandas as pd import numpy as np simple = pd.DataFrame(np.array( [ [1, 28], [2, 55], [3, 43], [4, 91], [5, 81], [6, 53], [7, 19], [8, 87], [9, 52], ] ), columns=["week", "price"]) with gr.Blocks() as demo: gr.LinePlot( value=simple, x="week", y="price", title="Stock Price Chart", container=True, width=400 ) demo.launch()pandas numpy

描述

创建一个折线图组件，用于显示 pandas DataFrame 中的数据。

行为

作为输入组件: 在折线图中显示的数据。

您的函数应接受以下类型之一
def predict(
	value: AltairPlotData | None
)
	...

作为输出组件: 需要一个包含用于在折线图中显示的数据的 pandas DataFrame。DataFrame 应包含至少两列，一列用于 x 轴（对应于此组件的 x 参数），另一列用于 y 轴（对应于 y 参数）。

您的函数应返回以下类型之一
def predict(···) -> pd.DataFrame | dict | None
	...	
	return value

初始化

参数
🔗 
value: pd.DataFrame | Callable | None
默认值 = None

包含用于在图表中显示的数据的 pandas dataframe。

🔗 
x: str | None
默认值 = None

对应于 x 轴的列。列可以是数字、日期时间或字符串/类别。

🔗 
y: str | None
默认值 = None

对应于 y 轴的列。列必须是数字。

🔗 
color: str | None
默认值 = None

对应于系列的列，通过颜色可视化。列必须是字符串/类别。

🔗 
title: str | None
默认值 = None

在图表顶部显示的标题。

🔗 
x_title: str | None
默认值 = None

x 轴的标题。默认情况下，使用 x 参数的值。

🔗 
y_title: str | None
默认值 = None

y 轴的标题。默认情况下，使用 y 参数的值。

🔗 
color_title: str | None
默认值 = None

颜色图例的标题。默认情况下，使用 color 参数的值。

🔗 
x_bin: str | float | None
默认值 = None

用于聚类 x 值的分组。如果 x 列是数字类型，则应为用于分箱 x 值的数字。如果 x 列是日期时间类型，则应为字符串，例如 "1h", "15m", "10s"，使用 "s", "m", "h", "d" 后缀。

🔗 
y_aggregate: Literal['sum', 'mean', 'median', 'min', 'max', 'count'] | None
默认值 = None

用于聚合 y 值的聚合函数，在提供了 x_bin 或 x 为字符串/类别时使用。必须是 "sum", "mean", "median", "min", "max" 中的一个。

🔗 
color_map: dict[str, str] | None
默认值 = None

系列到颜色名称或代码的映射。例如，{"success": "green", "fail": "#FF8888"}。

🔗 
x_lim: list[float] | None
默认值 = None

包含 x 轴限制的元组或列表，指定为 [x_min, x_max]。如果 x 列是日期时间类型，x_lim 应为时间戳。

🔗 
y_lim: list[float] | None
默认值 = None

包含 y 轴限制的元组或列表，指定为 [y_min, y_max]。

🔗 
x_label_angle: float
默认值 = 0

x 轴标签的顺时针偏移角度（度）。

🔗 
y_label_angle: float
默认值 = 0

y 轴标签的顺时针偏移角度（度）。

🔗 
x_axis_labels_visible: bool
默认值 = True

是否显示 x 轴标签。当存在许多 x 轴标签时可以隐藏。

🔗 
caption: str | I18nData | None
默认值 = None

在图表下方显示的（可选）标题。

🔗 
sort: Literal['x', 'y', '-x', '-y'] | list[str] | None
默认值 = None

x 值的排序顺序，如果 x 列是字符串/类别类型。可以是 "x", "y", "-x", "-y"，或表示类别顺序的字符串列表。

🔗 
tooltip: Literal['axis', 'none', 'all'] | list[str]
默认值 = "axis"

悬停在点上时显示的工具提示。"axis" 显示轴列的值，"all" 显示所有列的值，"none" 不显示工具提示。也可以提供一个字符串列表，表示要在工具提示中显示的列，这些列将与轴值一起显示。

🔗 
height: int | None
默认值 = None

图表的高度（像素）。

🔗 
label: str | I18nData | None
默认值 = None

在图表左上角显示的（可选）标签。

🔗 
show_label: bool | None
默认值 = None

是否应显示标签。

🔗 
container: bool
默认值 = True

如果为 True，则会将组件放置在一个容器中 - 在边框周围提供额外的内边距。

🔗 
scale: int | None
默认值 = None

相对于相邻组件的相对大小。例如，如果组件 A 和 B 在同一行中，A 的 scale=2，B 的 scale=1，则 A 的宽度将是 B 的两倍。应为一个整数。scale 在 Rows 中以及 Blocks 中 fill_height=True 的顶级组件中应用。

🔗 
min_width: int
默认值 = 160

最小像素宽度，如果屏幕空间不足以满足此值，则会换行。如果某个 scale 值导致此组件比 min_width 更窄，则将优先遵守 min_width 参数。

🔗 
every: Timer | float | None
默认值 = None

如果 `value` 是函数，则连续调用 `value` 重新计算它（否则无效）。可以提供一个 Timer，其计时滴答会重置 `value`，或提供一个浮点数作为重置 Timer 的固定间隔。

🔗 
inputs: Component | list[Component] | Set[Component] | None
默认值 = None

用作计算 `value` 的输入的组件，如果 `value` 是函数（否则无效）。`value` 在输入更改时重新计算。

🔗 
visible: bool
默认值 = True

图表是否应可见。

🔗 
elem_id: str | None
默认值 = None

分配为 HTML DOM 中此组件 ID 的可选字符串。可用于定位 CSS 样式。

🔗 
elem_classes: list[str] | str | None
默认值 = None

分配为 HTML DOM 中此组件类的可选字符串列表。可用于定位 CSS 样式。

🔗 
render: bool
默认值 = True

如果为 False，组件将不会在 Blocks 上下文中渲染。如果打算现在分配事件监听器但稍后渲染组件，应使用此选项。

🔗 
show_fullscreen_button: bool
默认值 = False

如果为 True，将显示一个按钮，使图表在全屏模式下可见。

🔗 
key: int | str | tuple[int | str, ...] | None
默认值 = None

在 gr.render 中，在重新渲染时具有相同 key 的组件被视为同一组件，而不是新组件。在 'preserved_by_key' 中设置的属性在重新渲染时不会重置。

🔗 
preserved_by_key: list[str] | str | None
默认值 = "value"

此组件构造函数中的参数列表。在 gr.render() 函数中，如果一个组件以相同的 key 重新渲染，这些（且仅这些）参数将在 UI 中保留（如果它们已被用户或事件监听器更改），而不是根据构造函数期间提供的值重新渲染。

快捷方式

类 Interface 字符串快捷方式 初始化

gradio.LinePlot

"lineplot"

 使用默认值

演示

import pandas as pd
from random import randint, random
import gradio as gr


temp_sensor_data = pd.DataFrame(
    {
        "time": pd.date_range("2021-01-01", end="2021-01-05", periods=200),
        "temperature": [randint(50 + 10 * (i % 2), 65 + 15 * (i % 2)) for i in range(200)],
        "humidity": [randint(50 + 10 * (i % 2), 65 + 15 * (i % 2)) for i in range(200)],
        "location": ["indoor", "outdoor"] * 100,
    }
)

food_rating_data = pd.DataFrame(
    {
        "cuisine": [["Italian", "Mexican", "Chinese"][i % 3] for i in range(100)],
        "rating": [random() * 4 + 0.5 * (i % 3) for i in range(100)],
        "price": [randint(10, 50) + 4 * (i % 3) for i in range(100)],
        "wait": [random() for i in range(100)],
    }
)

with gr.Blocks() as line_plots:
    with gr.Row():
        start = gr.DateTime("2021-01-01 00:00:00", label="Start")
        end = gr.DateTime("2021-01-05 00:00:00", label="End")
        apply_btn = gr.Button("Apply", scale=0)
    with gr.Row():
        group_by = gr.Radio(["None", "30m", "1h", "4h", "1d"], value="None", label="Group by")
        aggregate = gr.Radio(["sum", "mean", "median", "min", "max"], value="sum", label="Aggregation")

    temp_by_time = gr.LinePlot(
        temp_sensor_data,
        x="time",
        y="temperature",
    )
    temp_by_time_location = gr.LinePlot(
        temp_sensor_data,
        x="time",
        y="temperature",
        color="location",
    )

    time_graphs = [temp_by_time, temp_by_time_location]
    group_by.change(
        lambda group: [gr.LinePlot(x_bin=None if group == "None" else group)] * len(time_graphs),
        group_by,
        time_graphs
    )
    aggregate.change(
        lambda aggregate: [gr.LinePlot(y_aggregate=aggregate)] * len(time_graphs),
        aggregate,
        time_graphs
    )

    def rescale(select: gr.SelectData):
        return select.index
    rescale_evt = gr.on([plot.select for plot in time_graphs], rescale, None, [start, end])

    for trigger in [apply_btn.click, rescale_evt.then]:
        trigger(
            lambda start, end: [gr.LinePlot(x_lim=[start, end])] * len(time_graphs), [start, end], time_graphs
        )

    price_by_cuisine = gr.LinePlot(
        food_rating_data,
        x="cuisine",
        y="price",
    )
    with gr.Row():
        price_by_rating = gr.LinePlot(
            food_rating_data,
            x="rating",
            y="price",
        )
        price_by_rating_color = gr.LinePlot(
            food_rating_data,
            x="rating",
            y="price",
            color="cuisine",
            color_map={"Italian": "red", "Mexican": "green", "Chinese": "blue"},
        )

if __name__ == "__main__":
    line_plots.launch()

事件监听器

描述

事件监听器允许您响应用户与您在 Gradio Blocks 应用中定义的 UI 组件的交互。当用户与某个元素交互时，例如更改滑块值或上传图像，会调用一个函数。

支持的事件监听器

LinePlot 组件支持以下事件监听器。每个事件监听器接受相同的参数，这些参数列在下面的事件参数表中。

监听器 描述

LinePlot.select(fn, ···)

当用户选择或取消选择 NativePlot 时触发的事件监听器。使用事件数据 gradio.SelectData 携带 value 指代 NativePlot 的标签，以及 selected 指代 NativePlot 的状态。有关如何使用此事件数据，请参阅 EventData 文档。

LinePlot.double_click(fn, ···)

双击 NativePlot 时触发。

事件参数

参数
🔗 
fn: Callable | None | Literal['decorator']
默认值 = "decorator"

此事件触发时要调用的函数。通常是机器学习模型的预测函数。函数的每个参数对应一个输入组件，函数应返回单个值或一个元组值，元组中的每个元素对应一个输出组件。

🔗 
inputs: Component | BlockContext | list[Component | BlockContext] | Set[Component | BlockContext] | None
默认值 = None

用作输入的 gradio.components 列表。如果函数不接受输入，则应为空列表。

🔗 
outputs: Component | BlockContext | list[Component | BlockContext] | Set[Component | BlockContext] | None
默认值 = None

用作输出的 gradio.components 列表。如果函数不返回输出，则应为空列表。

🔗 
api_name: str | None | Literal[False]
默认值 = None

定义了端点在 API 文档中的显示方式。可以是字符串、None 或 False。如果设置为字符串，则端点将在 API 文档中以给定名称公开。如果为 None（默认值），将使用函数名称作为 API 端点。如果为 False，则端点不会在 API 文档中公开，并且下游应用（包括那些 `gr.load` 此应用的）将无法使用此事件。

🔗 
scroll_to_output: bool
默认值 = False

如果为 True，完成时将滚动到输出组件

🔗 
show_progress: Literal['full', 'minimal', 'hidden']
默认值 = "full"

事件运行时如何显示进度动画："full" 显示一个覆盖输出组件区域的旋转图标以及右上角的运行时显示，"minimal" 仅显示运行时显示，"hidden" 完全不显示进度动画

🔗 
show_progress_on: Component | list[Component] | None
默认值 = None

显示进度动画的组件或组件列表。如果为 None，将在所有输出组件上显示进度动画。

🔗 
queue: bool
默认值 = True

如果为 True，并且已启用队列，则将请求放入队列。如果为 False，则即使已启用队列，也不会将此事件放入队列。如果为 None，将使用 Gradio 应用的队列设置。

🔗 
batch: bool
默认值 = False

如果为 True，则函数应处理一批输入，这意味着它应接受每个参数的输入值列表。这些列表应长度相等（且最大长度为 `max_batch_size`）。函数 *必须* 返回一个列表元组（即使只有一个输出组件），元组中的每个列表对应一个输出组件。

🔗 
max_batch_size: int
默认值 = 4

如果从队列调用此事件，则批量处理的最大输入数量（仅在 batch=True 时相关）

🔗 
preprocess: bool
默认值 = True

如果为 False，在运行 'fn' 之前不会对组件数据进行预处理（例如，如果使用 `Image` 组件调用此方法，则将其保留为 base64 字符串）。

🔗 
postprocess: bool
默认值 = True

如果为 False，在将 'fn' 输出返回到浏览器之前不会对组件数据进行后处理。

🔗 
cancels: dict[str, Any] | list[dict[str, Any]] | None
默认值 = None

触发此监听器时要取消的其他事件列表。例如，设置 cancels=[click_event] 将取消 click_event，其中 click_event 是另一个组件的 .click 方法的返回值。尚未运行的函数（或正在迭代的生成器）将被取消，但当前正在运行的函数将被允许完成。

🔗 
trigger_mode: Literal['once', 'multiple', 'always_last'] | None
默认值 = None

如果为 "once"（除 `.change()` 外所有事件的默认值），则在事件待处理期间不允许任何提交。如果设置为 "multiple"，则在待处理期间允许无限次提交；如果设置为 "always_last"（`.change()` 和 `.key_up()` 事件的默认值），则在待处理事件完成后允许第二次提交。

🔗 
js: str | Literal[True] | None
默认值 = None

在运行 'fn' 之前运行的可选前端 js 方法。js 方法的输入参数是 'inputs' 和 'outputs' 的值，返回值应为输出组件的值列表。

🔗 
concurrency_limit: int | None | Literal['default']
默认值 = "default"

如果设置，这是可以同时运行此事件的最大数量。可以设置为 None 表示没有并发限制（此事件的任意数量可以同时运行）。设置为 "default" 以使用默认并发限制（由 `Blocks.queue()` 中的 `default_concurrency_limit` 参数定义，其自身默认为 1）。

🔗 
concurrency_id: str | None
默认值 = None

如果设置，这是并发组的 ID。具有相同 concurrency_id 的事件将受最低设置的 concurrency_limit 限制。

🔗 
show_api: bool
默认值 = True

是否在 Gradio 应用的“查看 API”页面或 Gradio 客户端的 “.view_api()” 方法中显示此事件。与将 api_name 设置为 False 不同，将 show_api 设置为 False 仍允许下游应用以及客户端使用此事件。如果 fn 为 None，show_api 将自动设置为 False。

🔗 
time_limit: int | None
默认值 = None
🔗 
stream_every: float
默认值 = 0.5
🔗 
like_user_message: bool
默认值 = False
🔗 
key: int | str | tuple[int | str, ...] | None
默认值 = None

用于 @gr.render() 的此事件监听器的唯一 key。如果设置，当 key 相同时，此值将事件标识为在重新渲染时相同。

←

Label

LoginButton

→