shiny server与Python的结合

shiny server与Python的结合

5月份的时候在公司做了一个智能分配的小项目,底层的算法是推荐系统,配合业务配置项。为了展示效果和测试线上结果,做了个shiny,然而我的算法是使用Python开发的,使用我在博客中介绍的reticulate包在线下是能够实现的,然而当我部署在服务器上的时候,我发现问题来了,shiny server根本无法解析我的Python代码,原因在哪呢?

我们知道在Python中我们用Django开发一些Web应用时是要做一个Python的虚拟环境的,在这个虚拟环境中我会安装所有这个Django应用的模块。而在部署时我会告诉Django你要在哪个Python环境中解析你的代码。实际上reticulate说的很清楚,我们通过use_virtualenv()函数指定R代码在解析Python代码时使用的环境,好了到这里这个问题就解决了。

Python中有个比较牛逼的模块叫virtualenv,我们可以通过pip全装,他是干什么的呢? virtualenv 是一个创建隔绝的Python环境的工具。virtualenv创建一个包含所有必要的可执行文件的文件夹,用来使用Python工程所需的包。我么只需要基本的使用就可以创建一个virtualenv Python环境,然后在这个环境中安装必要的模块,把这个虚拟环境拷贝我们的shiny项目中,我们指定R解释Python的环境是该环境,问题就解决了。

我们需要怎么做呢?

$ cd my_project
$ virtualenv my_shiny_py  #muy_shiny_py为虚拟环境目录名,目录名自定义

virtualenv my_shiny_py 将会在当前的目录中创建一个文件夹,包含了Python可执行文件,以及 pip 库的一份拷贝,这样就能安装其他包了。虚拟环境的名字(此例中是 my_shiny_py )可以是任意的;若省略名字将会把文件均放在当前目录。

在任何你运行命令的目录中,这会创建Python的拷贝,并将之放在叫做 my_shiny_py 的文件中。

你可以选择使用一个Python解释器:

$ virtualenv -p /usr/bin/python3.5 my_shiny_py    # -p参数指定Python解释器程序路径

这将会使用 /usr/bin/python3.5 中的Python解释器。

要开始使用虚拟环境,其需要被激活: $ source my_shiny_py/bin/activate    从现在起,任何你使用pip安装的包将会放在 my_shiny_py 文件夹中,与全局安装的Python隔绝开。

像平常一样安装包,比如:

$ pip install numpy

如果你在虚拟环境中暂时完成了工作,则可以停用它:

$ . my_shiny_py/bin/deactivate

这将会回到系统默认的Python解释器,包括已安装的库也会回到默认的。

要删除一个虚拟环境,只需删除它的文件夹。(执行 rm -rf my_shiny_py )。

这里virtualenv 有些不便,因为virtual的启动、停止脚本都在特定文件夹,可能一段时间后,你可能会有很多个虚拟环境散落在系统各处,你可能忘记它们的名字或者位置。可以使用virtualenvwrapper,鉴于virtualenv不便于对虚拟环境集中管理,所以推荐直接使用virtualenvwrapper。 virtualenvwrapper提供了一系列命令使得和虚拟环境工作变得便利。它把你所有的虚拟环境都放在一个地方。(这里不是我们的重点)

那么R代码要做什么呢?

实际上加上一句就OK了


library(reticulate)
use_virtualenv("my_shiny_py")

在未来感觉R和Python会走的更近,之间的相互调用会更方便。

Author face

徐静

数据科学从业者,数据分析师. 善于用数据科学的工具透析业务,模型的线上化部署,网络爬虫及前端可视化. 喜欢研究机器学习,深度学习及相关软件实现.目前自己还是小白一个,希望多多学习.

最近发表的文章