viewx 0.1.4

Librería de visualización adaptable para HTML, Dashboards y PDFs en Python

📦 ViewX — Librería de Visualización Adaptativa para Python

ViewX es un paquete moderno de Python diseñado para generar páginas HTML interactivas, dashboards dinámicos y visualizaciones inteligentes que se adaptan automáticamente a los objetos agregados por el usuario.

Este proyecto ofrece una solución ligera, intuitiva y escalable, ideal para crear interfaces visuales llamativas sin depender de frameworks pesados… aunque una parte se encuentra basada en Streamlit mediante dependencias opcionales.

---

✨ Características principales

• ⚡ Rápido y minimalista: cero dependencias pesadas por defecto.
• 🧩 API intuitiva: crea páginas y dashboards en segundos.
• 📐 Diseño adaptativo: cada componente se acomoda automáticamente.
• 🌐 Modo HTML: genera páginas .html totalmente autónomas.
• 📊 Modo Dashboard: plantillas escalables con soporte opcional para Streamlit/Dash.
• 🛠️ Extensible: añade tus propias plantillas y módulos personalizados.
• 🔮 Visión a futuro: pensado para expandirse a interfaces inteligentes.

---

Instalacion

pip install viewx

🚀 Ejemplo rápido

Crear una página HTML

from viewx.datasets import load_dataset
from viewx import HTML

df = load_dataset("iris.csv")

HTML(data=df, title="Reporte Demo",
      num_divs=10, num_cols=8, num_rows=8
    ) \
    .add_valuebox(
        title="Div1",
        value=df.shape[0],
        icon="📁",
        color="#3C8DAD",
        slot_grid=("div1", 1, 1, 2, 2) 
        # slot_grid = ("div#", fila_inicial, columna_inicial, alto, ancho)
    ) \
    .add_valuebox(
        "Div2", df.shape[1], "📐", "#4C6EF5",
        slot_grid=("div2", 1, 3, 2, 2)
        # slot_grid = ("div#", fila_inicial, columna_inicial, alto, ancho)        
    ) \
    .add_valuebox(
        "Div3", df.shape[1], "📊", "#20C997",
        slot_grid=("div3", 1, 5, 2, 2)
    ) \
    .add_valuebox(
        "Div4", df.shape[1], "📈", "#FAB005",
        slot_grid=("div4", 1, 7, 2, 2)
    ) \
    .add_plot(
        kind="scatter",
        x="sepal_length",
        y="sepal_width",
        title="Relación Sepal",
        slot_grid=("div5", 3, 1, 4, 2)
    ) \
    .add_plot(
        kind="box",
        x="species",
        y="petal_length",
        title="Petal Length por especie",
        slot_grid=("div6", 3, 3, 4, 4)
    ) \
    .add_plot(
        kind="hist",
        x="petal_length",
        title="Distribución Petal Length",
        slot_grid=("div7", 3, 7, 4, 2)
    ) \
    .add_text(
        "<h3>Notas</h3><p>Texto libre de ejemplo</p>",
        slot_grid=("div8", 7, 1, 2, 3)
    ) \
    .add_valuebox(
        "Div9", "OK", "✅", "#51CF66",
        slot_grid=("div9", 7, 4, 2, 2)
    ) \
    .add_table(
        columns="all",
        slot_grid=("div10", 7, 6, 2, 3)
    ) \
    .show("demo_report2.html", port=8001)

Crear un DashBoard

from viewx import DashBoard
from viewx.datasets import load_dataset

df = load_dataset("iris.csv")

db = DashBoard(df, title="StreamOps: Mini Dashboard", title_align="center")
db.set_theme(background="#071021", text="#E9F6F2", primary="#19D3A3", card="#0b1620")
# Sidebar
db.add_sidebar(db.comp_text("Parámetros del reporte"))
db.add_sidebar(db.comp_metric("Longitud del dataset", df.shape[0]))
db.add_sidebar(db.comp_metric("Cantidad de Flores", df["species"].unique().shape[0]))
# Main layout
db.add_blank()
db.add_row(
    col_widths=[1, 2, 1],
    components=[
        db.comp_blank(),
        db.comp_plot(x="sepal_length", y="sepal_width", kind="scatter", color="#FFB86B"),
        db.comp_metric("sepal_width", df["sepal_width"].sum(), delta="▲ 5%")
    ]
)

db.add_tabs({
    "Overview": [
        db.comp_title("Resumen por Región"),
        db.comp_table()
    ],
    "Details": [
        db.comp_title("Distribución de Flores"),
        db.comp_plot(x="species", y=None, kind="hist", color="#7C4DFF")
    ]
})

db.add_expander("Detalles técnicos", [
    db.comp_text("Este panel fue generado automáticamente."),
    db.comp_text("Metadata: filas=" + str(len(df)), size="12px")
], expanded=True)

db.run(open_browser=True)   

Crear un Reporte

from viewx.datasets import load_dataset
import seaborn as sns
import matplotlib.pyplot as plt
    
# ===============================
# 1️⃣ CREAR REPORTE
# ===============================
r = Report(
    title="Reporte Técnico ViewX",
    author="Emmanuel Ascendra"
)

# ===============================
# 2️⃣ TEXTO
# ===============================
r.add_text("Este reporte demuestra todas las capacidades del motor ViewX.\n")
r.add_text("Texto importante en negrita.", bold=True)

# ===============================
# 3️⃣ SECCIONES
# ===============================
with r.doc.create(r.add_section("Introducción")):
    r.add_text(
        "ViewX es un motor de generación de reportes científicos "
        "capaz de producir documentos profesionales usando Python."
    )

# ===============================
# 4️⃣ SUBSECCIÓN
# ===============================
with r.doc.create(r.add_subsection("Características principales")):
    r.add_itemize([
        "Texto estructurado",
        "Imágenes",
        "Tablas",
        "Código",
        "Gráficos científicos",
        "Multicolumnas",
        "Cajas de información"
    ])

# ===============================
# 5️⃣ TABLA
# ===============================
with r.doc.create(r.add_section("Tabla de resultados")):
    r.add_table(
        headers=["Modelo", "Accuracy", "F1"],
        rows=[
            ["Regresión", 0.82, 0.79],
            ["Árbol", 0.91, 0.88],
            ["Red neuronal", 0.94, 0.92],
        ],
        caption="Comparación de modelos"
    )

# ===============================
# 6️⃣ IMAGEN
# ===============================
with r.doc.create(r.add_section("Visualización")):
    r.add_image(
        path="assets/ejemplo.png",
        caption="Imagen de prueba",
        width="0.6\\linewidth"
    )

# ===============================
# 7️⃣ CÓDIGO
# ===============================
with r.doc.create(r.add_section("Código de ejemplo")):
    r.add_code("""
import numpy as np

x = np.linspace(0, 10, 50)
y = np.sin(x)
""")

# ===============================
# 8️⃣ MULTICOLUMNAS
# ===============================
with r.doc.create(r.add_section("Análisis en dos columnas")):
    r.begin_multicols(2)

    r.add_text(
        "Este bloque demuestra cómo dividir el contenido "
        "en múltiples columnas dentro del mismo documento."
    )

    r.add_itemize([
        "Ideal para papers",
        "Mejora lectura",
        "Ahorra espacio"
    ])

    r.end_multicols()

# ===============================
# 9️⃣ CAJA DESTACADA
# ===============================
with r.doc.create(r.add_section("Nota importante")):
    r.add_box(
        title="Observación clave",
        content="Todos los elementos se generan directamente desde Python.",
        color="green!20"
    )

# ===============================
# 🔟 GRÁFICO SIMPLE
# ===============================
with r.doc.create(r.add_section("Gráfico simple")):
    r.add_plot(
        x=[0, 1, 2, 3, 4],
        y=[0, 1, 4, 9, 16],
        caption="Crecimiento cuadrático"
    )

# ===============================
# 1️⃣1️⃣ MULTIGRÁFICO
# ===============================
with r.doc.create(r.add_section("Gráficos múltiples")):
    r.add_multiplot(
        plots=[
            ([0, 1, 2, 3], [0, 1, 4, 9]),
            ([0, 1, 2, 3], [0, 1, 8, 27]),
        ],
        caption="Comparación de funciones"
    )

# ===============================
# 1️⃣2️⃣ SALTO DE PÁGINA
# ===============================
r.new_page()
r.add_text("Contenido en una nueva página.")

# ===============================
# 1️⃣3️⃣ GENERAR PDF
# ===============================
r.build("reporte_demo")

🤝 Contribuciones

¡Todas las ideas, mejoras y plantillas son bienvenidas! ViewX está diseñado para crecer y evolucionar con la comunidad.

📬 Contacto:

[e-mail]