ساخت سیستم گزارش‌گیری با پایتون و توسعه وب

سیستم‌های گزارش‌گیری بخش حیاتی هر برنامه کاربردی تجاری هستند. آن‌ها به کسب‌وکارها کمک می‌کنند تا داده‌ها را جمع‌آوری، تجزیه و تحلیل کنند و بینش‌های ارزشمندی را برای تصمیم‌گیری‌های آگاهانه به دست آورند. در این مقاله، به بررسی نحوه ساخت یک سیستم گزارش‌گیری ساده اما کارآمد با استفاده از پایتون و ابزارهای توسعه وب خواهیم پرداخت. این آموزش برای توسعه‌دهندگان مبتدی و متوسطی که به دنبال یادگیری توسعه وب با پایتون هستند، مناسب است.

۱. مقدمه و نیازمندی‌ها

هدف ما ساخت یک سیستم گزارش‌گیری است که بتواند داده‌ها را از یک منبع (مانند یک فایل CSV یا یک پایگاه داده) دریافت کند، آن‌ها را پردازش کند و گزارش‌های بصری را به صورت جداول یا نمودارها نمایش دهد. برای این منظور، از کتابخانه‌های پایتون زیر استفاده خواهیم کرد:

• Flask: یک چارچوب وب سبک و انعطاف‌پذیر برای ساخت برنامه‌های کاربردی وب.
• Pandas: یک کتابخانه قدرتمند برای تجزیه و تحلیل داده‌ها و کار با ساختارهای داده‌ای مانند DataFrame.
• Matplotlib: یک کتابخانه برای ایجاد نمودارهای بصری.
• HTML/CSS/JavaScript: برای طراحی رابط کاربری و نمایش گزارش‌ها.

همچنین، فرض می‌کنیم که شما با مفاهیم اولیه پایتون، HTML، CSS و JavaScript آشنایی دارید.

۲. طراحی پایگاه داده و ساختار داده

برای سادگی، فرض می‌کنیم داده‌های ما در یک فایل CSV ذخیره می‌شوند. این فایل شامل اطلاعات مربوط به فروش محصولات است. ساختار فایل CSV به صورت زیر است:

product_id,product_name,quantity,price,date

به عنوان مثال:

1,Laptop,10,1200,2023-10-26

2,Mouse,50,25,2023-10-26

3,Keyboard,30,75,2023-10-27

در یک سیستم واقعی، این داده‌ها می‌توانند از یک پایگاه داده رابطه‌ای مانند PostgreSQL یا MySQL دریافت شوند. اما برای این آموزش، استفاده از فایل CSV کافی است.

۳. پیاده‌سازی Backend با Flask و Pandas

ابتدا، یک برنامه Flask ایجاد می‌کنیم که فایل CSV را خوانده و داده‌ها را با استفاده از Pandas پردازش می‌کند. کد پایتون به صورت زیر است:

from flask import Flask, render_template
import pandas as pd
import matplotlib.pyplot as plt
import io
import base64

app = Flask(__name__)

@app.route('/')
def index():
    try:
        df = pd.read_csv('sales_data.csv')
        
        # محاسبه مجموع فروش
        total_sales = df['quantity'] * df['price']
        total_revenue = total_sales.sum()

        # ایجاد نمودار فروش بر اساس تاریخ
        sales_by_date = df.groupby('date')['price'].sum()
        plt.figure(figsize=(10, 6))
        plt.bar(sales_by_date.index, sales_by_date.values)
        plt.xlabel('Date')
        plt.ylabel('Sales')
        plt.title('Sales by Date')
        plt.xticks(rotation=45)
        
        # تبدیل نمودار به تصویر base64
        img = io.BytesIO()
        plt.savefig(img, format='png')
        img.seek(0)
        plot_url = base64.b64encode(img.read()).decode('utf-8')
        plt.close()

        return render_template('index.html', total_revenue=total_revenue, plot_url=plot_url)
    except FileNotFoundError:
        return "فایل داده یافت نشد."
    except Exception as e:
        return f"خطا: {str(e)}"

if __name__ == '__main__':
    app.run(debug=True)

در این کد:

• pd.read_csv('sales_data.csv') فایل CSV را می‌خواند و یک DataFrame ایجاد می‌کند.
• df['quantity'] * df['price'] مجموع فروش هر محصول را محاسبه می‌کند.
• total_sales.sum() مجموع کل فروش را محاسبه می‌کند.
• df.groupby('date')['price'].sum() فروش را بر اساس تاریخ گروه‌بندی می‌کند.
• matplotlib.pyplot برای ایجاد نمودار فروش بر اساس تاریخ استفاده می‌شود.
• نمودار به صورت یک تصویر PNG کدگذاری شده و به عنوان یک رشته base64 به قالب HTML ارسال می‌شود.
• render_template('index.html', ...) قالب HTML را با داده‌های پردازش شده رندر می‌کند.

۴. پیاده‌سازی Frontend با HTML و JavaScript

حالا باید یک قالب HTML ایجاد کنیم که داده‌ها و نمودار را نمایش دهد. فایل index.html به صورت زیر است:

    


    
گزارش فروش
    
مجموع کل فروش: {{ total_revenue }}
    

در این کد:

• {{ total_revenue }} مقدار مجموع کل فروش را از Backend دریافت و نمایش می‌دهد.
• {{ plot_url }} رشته base64 مربوط به نمودار را دریافت و به عنوان منبع تصویر استفاده می‌کند.

۵. اجرای برنامه و تست

برای اجرای برنامه، ابتدا باید فایل CSV با نام sales_data.csv را در همان دایرکتوری فایل پایتون قرار دهید. سپس، فایل پایتون را اجرا کنید. برنامه Flask روی پورت 5000 اجرا خواهد شد. با باز کردن مرورگر و رفتن به آدرس http://127.0.0.1:5000/، می‌توانید گزارش فروش را مشاهده کنید.

۶. توسعه‌های آتی

این یک سیستم گزارش‌گیری بسیار ساده است. برای بهبود آن، می‌توانید موارد زیر را در نظر بگیرید:

• استفاده از پایگاه داده: به جای فایل CSV، از یک پایگاه داده رابطه‌ای برای ذخیره داده‌ها استفاده کنید.
• اضافه کردن فیلترها و مرتب‌سازی: به کاربران اجازه دهید داده‌ها را بر اساس تاریخ، محصول، قیمت و غیره فیلتر و مرتب کنند.
• ایجاد گزارش‌های متنوع: گزارش‌های مختلفی مانند گزارش فروش بر اساس محصول، گزارش سودآوری و غیره ایجاد کنید.
• استفاده از JavaScript برای تعامل بیشتر: از JavaScript برای ایجاد رابط کاربری تعاملی‌تر و نمایش داده‌ها به صورت پویا استفاده کنید.
• استفاده از کتابخانه‌های نموداری پیشرفته‌تر: از کتابخانه‌هایی مانند Chart.js یا D3.js برای ایجاد نمودارهای بصری جذاب‌تر و پیچیده‌تر استفاده کنید.
• امنیت: اضافه کردن مکانیزم‌های امنیتی برای محافظت از داده‌ها و جلوگیری از دسترسی غیرمجاز.

۷. نتیجه‌گیری

در این مقاله، نحوه ساخت یک سیستم گزارش‌گیری ساده با استفاده از پایتون و ابزارهای توسعه وب را بررسی کردیم. با استفاده از Flask، Pandas و Matplotlib، توانستیم داده‌ها را از یک فایل CSV دریافت کنیم، آن‌ها را پردازش کنیم و گزارش‌های بصری را به صورت جداول و نمودارها نمایش دهیم. این سیستم می‌تواند به عنوان یک نقطه شروع برای ساخت سیستم‌های گزارش‌گیری پیچیده‌تر و کاربردی‌تر مورد استفاده قرار گیرد. با تمرین و یادگیری بیشتر، می‌توانید سیستم‌های گزارش‌گیری قدرتمندی را با استفاده از پایتون و توسعه وب ایجاد کنید.