Création d'un tableau de bord d'analyse WNBA avec Streamlit, LangChain et Cloudflare Workers AI

DEV - 18/10
Générez et affichez des statistiques et des analyses WNBA par équipe, saison et position dans de jolies visualisations de données, comparez deux joueurs face à face, posez des questions à un chatbot IA sur les données, obtenez des informations sur l'IA, voyez l'emplacement des équipes WNBA sur une carte de Amérique.

Dans ce didacticiel, nous passerons en revue le processus de création d'un tableau de bord analytique interactif de la WNBA (Women's National Basketball Association). Cet outil puissant combine la visualisation des données, des informations basées sur l'IA et une interface de chatbot pour fournir une vue complète des statistiques des joueurs de la WNBA et des informations sur les équipes.

Aperçu du projet

Ce tableau de bord d'analyse WNBA offre les fonctionnalités suivantes :

  • Visualisation des statistiques des joueurs
  • Comparaisons d'équipes
  • Carte interactive montrant les emplacements des équipes WNBA
  • Chatbot alimenté par l'IA pour les requêtes liées à la WNBA
  • Capacités de filtrage et de tri des données
  • Conception réactive pour différentes tailles d'écran

Nous utiliserons les technologies suivantes :

  • Python
  • Streamlit pour le framework d'application Web
  • LangChain pour le traitement du langage naturel
  • Cloudflare Workers AI pour les capacités d'apprentissage automatique
  • Pandas pour la manipulation de données
  • Plotly pour les graphiques interactifs
  • Folium pour les visualisations de cartes

Étape 1 : Configuration de l'environnement

Tout d’abord, configurons notre environnement de développement :

  1. Créer un nouvel environnement virtuel Python
python3 -m venv venv source venv/bin/activate
Entrer en mode plein écran Quitter le mode plein écran
  1. Incluez les packages requis en haut de votre fichier Python. Depuis le dépôt GitHub, vous pouvez télécharger le fichier exigences.txt et exécuterpip install -r exigences.txtpour les installer.
importer base64 depuis dotenv importer load_dotenv importer json importer os importer des demandes d'importation temps importer webcolors importer streamlit as st importer folium depuis streamlit_folium importer st_folium depuis geopy.geocoders importer Nominatim depuis geopy.exc importer GeocoderTimedOut, GeocoderServiceError depuis langchain.memory importer ConversationBufferMemory depuis langchain_community.llms .cloudflare_workersai importer CloudflareWorkersAI depuis langchain_core.prompts importer ChatPromptTemplate, PromptTemplate depuis langchain_core.runnables importer RunnablePassthrough importer numpy en tant que np importer des pandas en tant que pd depuis pathlib importer Path importer plotly.graph_objects au fur et à mesure
Entrer en mode plein écran Quitter le mode plein écran
  1. Créez un compte Cloudflare et obtenez les informations d'identification nécessaires pour Workers AI. Lorsque vous vous connectez au tableau de bord, votre identifiant de compte est la chaîne de caractères qui suit https://dash.cloudflare.com/. Pour obtenir un jeton d'authentification Workers AI, cliquez sur AI dans la barre latérale gauche, suivi du bouton bleu Utiliser l'API Rest. . Ensuite, cliquez sur Créer un jeton API Workers AI.

Ajoutez-les à un fichier .env et référencez-les en ajoutant ces lignes sous les instructions d'importation.

load_dotenv() # Configuration de l'IA Cloudflare Workers ACCOUNT...
[Courte citation de 8% de l'article original]