企业官网建设流程全解析

用 Gradio 从 Google Sheets 打造实时数据仪表盘（Public/Private 两种方案）

【免费下载链接】gradioBuild and share delightful machine learning apps, all in Python. 🌟 Star to support our work!项目地址: https://gitcode.com/GitHub_Trending/gr/gradio

Google Sheets 是团队协作中常用的表格数据载体，而把其中的数据实时“搬”进 Web 应用往往需要不少胶水代码。本指南基于 Gradio 开源仓库中的官方教程文档（中文版原始文档，英文原版位于 guides/11_other-tutorials/creating-a-realtime-dashboard-from-google-sheets.md），讲解如何仅用 9 行左右的 Python 代码，借助 Gradio Blocks 与 pandas，构建一个随 Google Sheets 数据变化而自动刷新的实时仪表盘。读完本文，你将掌握：公开表格的零认证读取方法、私有表格的 Google Cloud 服务帐号授权流程，以及gr.DataFrame/gr.LinePlot组件通过every参数驱动“函数即数据源”的定时刷新机制。

先决条件：本指南基于 Gradio Blocks（Blocks 提供了比 Interface 更灵活的布局与事件控制），请确保你已熟悉 Blocks 类的用法。公开与私有两种 Google Sheet 的处理流程略有差异，下面分别展开。

方案一：从公开 Google Sheets 构建仪表盘

得益于 pandas 库，从公开 Google Sheet 构建仪表盘极为简单，无需任何认证，因为公开表格的 CSV 导出端点可直接匿名访问。

第 1 步：获取可分享链接

打开目标 Google Sheets，点击右上角的Share（共享）按钮，再点击Get shareable link（获取可分享链接），得到形如下面的链接（关键在于 URL 中的/edit#gid=段）：

https://docs.google.com/spreadsheets/d/1UoKzzRzOCt-FXLLqDKLbryEKEgllGAQUEJ5qtmmQwpU/edit#gid=0

第 2 步：把 URL 改造成 CSV 导出地址并读取为 DataFrame

只需将链接中的/edit#gid=替换为/export?format=csv&gid=，Google 就会直接返回该工作表的 CSV 数据，pandas 因此可以像读普通 CSV 一样读取它（代码中用你的公开表格 URL 替换URL变量）：

import pandas as pd URL = "https://docs.google.com/spreadsheets/d/1UoKzzRzOCt-FXLLqDKLbryEKEgllGAQUEJ5qtmmQwpU/edit#gid=0" csv_url = URL.replace('/edit#gid=', '/export?format=csv&gid=') def get_data(): return pd.read_csv(csv_url)

这里把“数据查询”封装成了一个无参函数get_data()。函数形式是 Gradio 实现实时刷新的关键——组件会以一定周期重新调用它来取最新数据。gid参数用于定位多工作表文件中的某个 Sheet，如果你的表格只有默认的一个工作表，gid=0通常就是目标。

第 3 步：用 Blocks + 定时刷新组件拼出仪表盘

由于数据查询是一个函数，可以把它直接传给gr.DataFrame组件实时显示，或传给gr.LinePlot组件实时绘图（当然，具体用折线图还是其他图表，要视数据结构而定）。刷新频率由every参数控制，下面代码以 5 秒为周期：

import gradio as gr with gr.Blocks() as demo: gr.Markdown("# 📈 Real-Time Line Plot") with gr.Row(): with gr.Column(): gr.DataFrame(get_data, every=gr.Timer(5)) with gr.Column(): gr.LinePlot(get_data, every=gr.Timer(5), x="Date", y="Sales", y_title="Sales ($ millions)", overlay_point=True, width=500, height=500) demo.queue().launch() # Run the demo with queuing enabled

运行这段代码，一个每 5 秒自动从 Google Sheets 拉取最新数据并同时更新表格与折线图的仪表盘就完成了。示例中假设表头包含Date（日期）与Sales（销售额）两列，其中x指定横轴列、y指定纵轴列；overlay_point=True会在折线上叠加数据点；width/height控制绘图区像素尺寸。

方案二：从私有 Google Sheets 构建仪表盘

私有表格无法匿名读取，流程上只多了一步——认证。关键差异在于你必须验证身份，以获准访问私有 Google Sheets。整体分为“获取凭据”与“查询数据”两个阶段。

认证：在 Google Cloud 申请服务帐号凭据

请先参考 Google 官方的凭据创建指南，具体操作如下：

1. 登录你的 Google Cloud 账号，进入 Google Cloud 控制台（https://console.cloud.google.com/）；
2. 在控制台左上角点击汉堡菜单，选择API 和服务（APIs & Services）。若尚无项目，需先创建一个；
3. 点击+ 启用 API 和服务（+ Enabled APIs & services），搜索Google Sheets API，点击进入后按下Enable（启用）。若界面上直接显示 “Manage（管理）” 按钮，说明 Sheets API 已启用；
4. 在 API 和服务菜单中切换到凭据（Credentials）标签页，点击创建凭据（Create credentials）；
5. 在创建凭据对话框中，凭据类型选择服务帐号密钥（Service account key）并命名。务必记下该服务帐号的电子邮件地址，后面共享表格时要用它；
6. 选定服务帐号后，密钥类型选择JSON，点击Create（创建），浏览器将下载包含凭据的 JSON 密钥文件，大致结构如下：

{ "type": "service_account", "project_id": "your project", "private_key_id": "your private key id", "private_key": "private key", "client_email": "email", "client_id": "client id", "auth_uri": "https://accounts.google.com/o/oauth2/auth", "token_uri": "https://accounts.google.com/o/oauth2/token", "auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs", "client_x509_cert_url": "https://www.googleapis.com/robot/v1/metadata/x509/email_id" }

其中client_email就是你在第 5 步记下的服务帐号邮箱，private_key是后续签名请求所用。请妥善保管该文件，切勿提交到公开仓库或分享给他人。

查询：安装 gspread 并授权读取

拿到凭据 JSON 后，按以下步骤查询你的 Google Sheet：

1. 在 Google Sheet 右上角点击Share（共享），把认证阶段第 5 步得到的服务帐号邮箱作为协作者加入（这一步非常关键，否则程序即使持有凭据也没有读取权限），再点击获取可分享链接，得到一个类似/edit#gid=0结尾的 URL；
2. 安装 gspread 库——它封装了 Google Sheets API，让 Python 侧的读写更简单。在终端执行：

   pip install gspread

3. 编写加载函数（用你的私有表格 URL 替换URL变量）：

import gspread import pandas as pd # Authenticate with Google and get the sheet URL = 'https://docs.google.com/spreadsheets/d/1_91Vps76SKOdDQ8cFxZQdgjTJiz23375sAT7vPvaj4k/edit#gid=0' gc = gspread.service_account("path/to/key.json") sh = gc.open_by_url(URL) worksheet = sh.sheet1 def get_data(): values = worksheet.get_all_values() df = pd.DataFrame(values[1:], columns=values[0]) return df

gspread.service_account()用本地 JSON 凭据完成认证；open_by_url()打开指定表格；sheet1选取默认工作表。get_data()中worksheet.get_all_values()返回二维列表，values[0]是表头、values[1:]是数据行，据此构造出带列名的 DataFrame。

4. 与公开方案一致，把get_data作为“函数式数据源”传入组件，用every参数决定刷新周期。下面是完整的私有版仪表盘代码：

import gradio as gr with gr.Blocks() as demo: gr.Markdown("# 📈 实时折线图") with gr.Row(): with gr.Column(): gr.DataFrame(get_data, every=gr.Timer(5)) with gr.Column(): gr.LinePlot(get_data, every=gr.Timer(5), x="日期", y="销售额", y_title="销售额（百万美元）", overlay_point=True, width=500, height=500) demo.queue().launch() # 启动带有排队功能的演示

此时你就拥有了一个每 5 秒刷新一次、从私有 Google Sheets 拉取数据的实时仪表盘。列名（如示例中的“日期”“销售额”）要与表格表头严格一致，且建议避免中文等非 ASCII 列名带来的潜在编码问题，可将表头改为英文并在y_title/标题中展示中文文案。

背后的机制：every与gr.Timer如何驱动实时刷新

Gradio 把“定时刷新”做成了语言层面的内建能力，而非要求用户手写轮询。以本教程仓库源码为证：

• gr.Timer是一个不可见的特殊组件，仅在激活时按固定间隔“跳动”。它在 gradio/components/timer.py 中实现：value参数表示两次 tick 之间的间隔（秒），默认 1 秒；active=True控制定时器是否处于激活状态；它对外暴露tick（以及change）事件。
• 所有组件在构造函数中都接受every与inputs参数。看 gradio/components/base.py 中attach_load_event()的实现：当value是函数时，组件会把它注册为“加载事件”；若every是int或float，会自动被包装为Timer(every)；若显式传入Timer实例，则直接复用。随后该Timer的tick事件与组件的 value 绑定，于是每到时间点，前端就会重新请求一次后端并刷新展示。

因此本教程中gr.DataFrame(get_data, every=gr.Timer(5))与gr.LinePlot(get_data, every=gr.Timer(5), ...)的语义是：每隔 5 秒重新调用get_data()，把最新 DataFrame 重新渲染。

关于every的类型，从 gradio/components/native_plot.py 的 docstring 可确认其两种写法等价：

every: Continuously callsvalueto recalculate it ifvalueis a function (has no effect otherwise). Can provide aTimerwhose tick resetsvalue, or afloatthat provides the regular interval for the reset Timer.

即every=gr.Timer(5)与直接写every=5效果一致（float 会被内部包成Timer）。若value不是函数而是静态数据，every不会产生任何效果。

进阶：把定时器“握在手里”

gr.Timer组件不仅可以写死在组件构造参数里，还可以单独创建并通过事件动态控制。仓库中的 demo/timer_simple/run.py 展示了典型用法：

import gradio as gr import random import time with gr.Blocks() as demo: timer = gr.Timer(1) timestamp = gr.Number(label="Time") timer.tick(lambda: round(time.time()), outputs=timestamp, api_name="timestamp") number = gr.Number(lambda: random.randint(1, 10), every=timer, label="Random Number") with gr.Row(): gr.Button("Start").click(lambda: gr.Timer(active=True), None, timer) gr.Button("Stop").click(lambda: gr.Timer(active=False), None, timer) gr.Button("Go Fast").click(lambda: 0.2, None, timer)

这段示例演示了三件事，可直接迁移到 Google Sheets 仪表盘中：

• timer.tick(fn, outputs=...)：把任意函数挂到某个定时器的 tick 事件上，实现周期性执行；
• 把一个Timer实例通过every=timer共享给多个组件，实现整页刷新节拍统一；
• 运行时动态改参数：点击 “Start/Stop” 通过gr.Timer(active=True/False)更新定时器的激活状态，点击 “Go Fast” 则把间隔动态改为 0.2 秒。

例如你可以先创建timer = gr.Timer(30)（默认 30 秒刷新一次），用 Start/Stop 按钮控制仪表盘“暂停/恢复”，让实时数据拉取完全受你掌控。

小结

仅需几行代码，就可以用gradio搭配 pandas / gspread 从公开或私有的 Google Sheets 读取数据，并在实时仪表盘中完成展示与绘图。整个过程可归纳为三步：

1. 封装数据源：写一个返回 DataFrame 的get_data()函数（公开表用pd.read_csv(csv_url)，私有表用gspread+get_all_values()）；
2. 接入组件：把该函数作为value传给gr.DataFrame与gr.LinePlot，并指定x、y等绘图列；
3. 设定刷新节拍：用every=gr.Timer(n)（或every=n）控制重新拉取数据的间隔，最后demo.queue().launch()启动服务。

由于数据源就是普通 Python 函数，这套“函数式数据 + 定时刷新”的范式同样适用于数据库、REST API、本地文件等其他任何周期性数据源；要换成柱状图、散点图等可视化形态，也只需替换为对应的原生绘图组件。若你想验证或运行一个本地可复现的定时刷新示例，直接运行 demo/timer_simple/run.py 即可观察every/Timer的实时效果。

【免费下载链接】gradioBuild and share delightful machine learning apps, all in Python. 🌟 Star to support our work!项目地址: https://gitcode.com/GitHub_Trending/gr/gradio