关于使用Taipy创建子图的技术咨询

Taipy完全支持创建子图功能，在数据可视化和工作流编排两大核心场景下都有对应的实现方式：

一、数据可视化场景 #

在Taipy GUI模块中，可结合Matplotlib、Plotly等主流可视化库快速生成子图，再通过Taipy的chart组件渲染展示：

• 基于Plotly的子图示例：

  from taipy.gui import Gui
  import plotly.graph_objects as go
  from plotly.subplots import make_subplots
  
  # 创建1行2列的子图布局
  fig = make_subplots(rows=1, cols=2, subplot_titles=("折线子图", "柱状子图"))
  # 向第一个子图添加折线数据
  fig.add_trace(go.Scatter(x=[1,2,3], y=[4,5,6]), row=1, col=1)
  # 向第二个子图添加柱状数据
  fig.add_trace(go.Bar(x=[1,2,3], y=[6,5,4]), row=1, col=2)
  
  # 启动Taipy GUI展示子图
  Gui(page="# Taipy 可视化子图示例\n<|{fig}|chart|>").run()
  

• 基于Matplotlib的子图示例：
  直接生成包含子图的Matplotlib Figure对象，再传入Taipy的chart组件即可，逻辑与Plotly类似。

二、工作流编排场景 #

Taipy Core模块支持将复杂工作流拆分为模块化的子图（Subgraph），把一组关联任务封装为子图后可复用在不同工作流中：

from taipy import Core, Task, Subgraph

# 定义子图内的任务逻辑
def preprocess_data(raw_data):
    return raw_data.clean()

def analyze_data(processed_data):
    return processed_data.calculate_metrics()

# 创建子图，封装预处理和分析任务
data_pipeline_subgraph = Subgraph(
    tasks=[Task(preprocess_data), Task(analyze_data)],
    input=Task(preprocess_data).input,
    output=Task(analyze_data).output
)

# 在主工作流中调用子图
core = Core()
core.run()

内容的提问来源于stack exchange，提问作者Rym Guerbi Michaut