class: middle, center, inverse, title # Programmation Web ## Master AMSD/MLSD ### Shiny - sous Python --- ## Présentation Module [**`shiny`**](https://shiny.posit.co/py/) développé sous Python Si vous voulez tester en direct : <https://shinylive.io/py/examples/#basic-app> ### Intérêts - Python très utilisé dans tout ce qui est Machine Learning / Data Science - Possibilité de développer des serveurs web entièrement en Python - Développé par la même équipe que **R Studio**, **Shiny** R, **tidyverse**... --- ## "Concurrence" ### [**`streamlit`**](https://streamlit.io/) - Très rapide pour développer une application - Redémarre toute l'application à chaque interaction de l'utilisateur - Plutôt orienté petite application très simple ### [**`shiny`**]() sous R - Quelques différences de syntaxe - Quelques différences de noms de fonction --- ## 2 façons de développer une application ### `express` - Proche de `streamlit` - Rapide à mettre en oeuvre - Délicat à utiliser si appli complexe ### `core` - Proche de `shiny` sous R - Un peu plus long de developpement au début - Parfaitement capable de gérer des applis complexes - Ecriture en fichiers multiples possibles (UI et serveur séparés par exemple) --- ## 2 façons de développer une application ### `express` - Un seul fichier de code interprété séquentiellement - Placement des inputs et définition complète des outputs là où on veut les voir apparaître - Mélange de la partie UI et de la partie serveur ### `core` - Définition de l'UI d'une part, et du serveur par ailleurs - Dans l'UI, placement des outputs, et définition de ceux-ci dans le serveur - Séparation des deux pour plus de lisibilité --- ## Mise en oeuvre idéale 1. Création d'un répertoire dédié à l'applciation 1. Création d'un environnement virtuel ```{bash} python3 -m venv .venv ``` 1. Activation de l'environnement virtuel ```{bash} source .venv/bin/activate ``` 1. Installation du package `shiny` (et des autres utilisés) 1. Ecriture du code, et lancement de l'application ```{bash} shiny run --reload --launch-browser app_dir/app.py ``` --- ## Différence principale R / Python - Les `xxxInput()` de R deviennent des `ui.input_xxx()` dans Python - les `renderXxx()` de R deviennent des `@render.xxx` dans Python - avec définition d'une fonction ensuite, qui retourne un objet de type `xxx` ### Exemple basique (ici avec `express`) ```{python} from shiny.express import input, render, ui ui.input_slider("val", "Slider label", min=0, max=100, value=50) @render.text def slider_val(): return f"Slider value: {input.val()}" ``` NB : le nom de la fonction `slider_val()` n'est en aucun cas important --- ## Même exemple en version `core` - Ajout de `ui.output_xxx()` pour faire le lien entre UI et serveur - il faut donc faire attention aux noms utilisés, contrairement à la version `express` ```{python} from shiny import App, render, ui app_ui = ui.page_fixed( ui.input_slider("val", "Slider label", min=0, max=100, value=50), ui.output_text("txt") ) def server(input, output, session): @render.text def txt(): return f"Slider value: {input.val()}" app = App(app_ui, server) ``` NB : il est par contre ici important de nommer la fonction `txt()` --- ## Composants ### Inputs - Liste détaillée : <https://shiny.posit.co/py/components/#inputs> - Glboalement identique à la version R ### Outputs - Liste détaillée : <https://shiny.posit.co/py/components/#outputs> - Quasi identique à la version R (avec plus de graphiques) ### Extensions - Liste présente pour Python : <https://github.com/nanxstats/awesome-shiny-extensions?tab=readme-ov-file#shiny-for-python> - En développement connstant donc à vérifier régulièrement --- ## Organisation des éléments <https://shiny.posit.co/py/layouts/> - Rendu parfois différent entre R et Python - Notion de page de navigation - `ui.page_navbar()` - Idem, notion de page de *contrôle* (sur le côté) - `ui.page_sidebar()` et `ui.sidebar()` - le reste dans la partie principale - Notion de bloc d'onglets - `ui.navset_xxx()` et `ui.nav_panel()` - `xxx` : choix de représentation des zones de choix de l'onglet affiché --- ## Par rapport à ce qu'on a vu en R ### `shinydashboard` - Tout ce qui était intéressant a été totalement intégré à `shiny` - Que ce soit en Python ou en R finalement ### UI réactive - `@render.ui` permet de retourner tout élément d'UI (simple ou multiples avec une `list`) - `ui.panel_conditional()` pour remplacer `conditionalPanel()` - `ui.insert_ui()` pour insérer (et `ui.remove_ui()` pour supprimer) - `ui.update_xxx()` pour mettre à jour des inputs dans la partie serveur --- ## Affichage d'une table 2 options en *natif* - *Data Grid*, avec `ui.output_data_frame()` et `render.DataGrid()` (à retourner dans la fonction) - `@render.data_frame` à placer avant la fonction - Rendu paramétrable (taille en particulier) - Sélection des lignes, tri voir édition par l'utilisateur possibles - Ajout de filtres pour chaque colonne - Style possible mais pas en fonction des valeurs présentes - *Data Table*, avec `ui.output_data_frame()` et `@render.DataTable()` - Fonctionnement quasi identique à *Data Grid* --- ## Utilisation du package `itables` - Module [`itables`](https://mwouts.github.io/itables/quick_start.html) : *implémentation* de `DataTables` JS en Python - Utilisable dans un notebook, une application streamlit et donc aussi shiny - en mode `express` : ```{python} from shinywidgets import render_widget from itables.widget import ITable @render_widget def my_table(): return ITable(data) ``` - en mode `core`, utilisation de `output_widget()` de `shinywidgets` - Possibilité de faire les mêmes personnalisation qu'en R --- ## Graphisme en python : `plotnine` - Module [`plotnine`](https://plotnine.org/) : portage de `ggplot2` en `python` - Fonction `ggplot()` créé un objet qu'on peut renvoyer dans un `@render.plot` - Même fonctionne que sous R globalement - Plus de thèmes pré-définis - Pas de `coord_polar()`, donc pas de diagramme circulaire a priori - Encore en développement donc à suivre de près --- ## Carte Leaflet : ipyleaflet - Module [`ipyleaflet`](https://github.com/jupyter-widgets/ipyleaflet) - Utilisable dans un notebook et une application shiny - Exemple direct en shiny : <https://shinylive.io/py/examples/#map> - Intégration avec `shinywidgets` (`output_widget()` pour l'UI et `render_widget` pour le serveur) - Même fonctionne que sous R globalement (ajout de marqueurs, de formes basées sur des GeoJSON...)