Python PDF 程式庫

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

HTML 轉 PDF

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

PYTHON 幫助

HoloViews Python（對開發者的工作原理）

Curtis Chau

Updated: 2026年6月20日

HoloViews是靈活的Python程式庫，使資料視覺化變得簡單直觀。透過與科學計算堆棧的緊密整合，它幫助使用者以最少的程式碼使用各種後端（如Matplotlib，Bokeh或Plotly）建立互動式視覺化。開發者設計HoloViews以消除手動繪圖，使其易於建立互動且高度自訂的視覺化，無縫融入資料分析工作流程。

IronPDF是用於建立、編輯和操作PDF文件的Python程式庫。它允許將HTML轉換為PDF，內容編輯，安全性實施以及新增註釋和表單。將HoloViews與IronPDF整合，能夠將有啟發性和互動性的資料圖嵌入IronPDF生成的專業PDF報告中。

這種整合特別對資料分析師、科學家、商業專業人士和需要有效且清晰傳達分析結果的個人有益。

什麼是HoloViews？

Python模組HoloViews的開發旨在以簡單和優雅為主要目標來進行資料視覺化。它使用宣告性、高層次的語法，允許使用者專注於他們想要視覺化的內容，而不是如何實現。 HoloViews靈活地支持任何資料型別和結構，並能夠輕鬆地與科學計算堆棧和其他程式庫（如Pandas、Dask或XArray）整合。

HoloViews Python（開發者如何使用）：圖1 - HoloViews模組網頁

HoloViews支援多個繪圖後端，例如Matplotlib、Bokeh和Plotly，從而能夠輕鬆切換不同的視覺化程式庫。它在探索性資料分析中特別有利於建立用於資料註釋的互動圖。

HoloViews抽象化了複雜的資料視覺化挑戰，允許使用者用最少的程式碼將大型資料集轉變為美觀、富有意義的圖像。因此，它已成為資料科學家和分析師的必備工具。

HoloViews的功能

宣告性語法： HoloViews使用高層次的宣告性語法，允許使用者明確指定他們想要看到的內容，簡化了複雜視覺化的建立。
本機整合： 它本機支持多種資料型別和結構，無縫整合到科學計算堆棧的其他程式庫中，如Pandas、Dask和XArray。
外部程式庫支持： 支援一系列程式庫，包括Matplotlib、Bokeh和Plotly，允許使用者輕鬆切換多個視覺化程式庫。
互動性： 提供互動式圖表，用於動態視覺化，使使用者能夠互動式探索和解釋資料。
擴展性： 提供豐富的選項來自訂視覺化，並支持多個後端，允許使用者根據需要擴展和微調他們的視覺化。
易用性： HoloViews的高階API減少了建立大型資料集視覺化所需的程式碼，允許使用者更加專注於資料分析而不是繪圖的複雜性。
組合性： 使用者可以輕鬆地將簡單組件組合成複雜的視覺化，這得益於功能的著重點是使視覺化無縫且簡單。
資料管道： 簡化了建立複雜資料處理和展示流程的過程。
豐富的生態系統： 作為HoloViz生態系統的一部分，HoloViews提供了一套資料視覺化和應用程式開發的工具，並能夠很好地與生態系統中的其他強大工具一起使用，如Panel和Datashader。

建立和配置HoloViews

安裝HoloViews和依賴項

首先，下載並安裝HoloViews及其所有依賴項，請使用以下pip指令：

pip install holoviews
pip install bokeh

pip install holoviews
pip install bokeh

SHELL

使用HoloViews生成圖表

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

hist = hv.Histogram(np.histogram(y, bins=20)).opts(
    title="Histogram", xlabel="Value", ylabel="Frequency", color='green'
)

# Combine the HoloViews plots into a layout
layout = (line_plot + scatter_plot + hist).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400),
    opts.Histogram(width=400, height=400)
)

# Display layout
layout

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

hist = hv.Histogram(np.histogram(y, bins=20)).opts(
    title="Histogram", xlabel="Value", ylabel="Frequency", color='green'
)

# Combine the HoloViews plots into a layout
layout = (line_plot + scatter_plot + hist).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400),
    opts.Histogram(width=400, height=400)
)

# Display layout
layout

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

Python

上述程式碼片段在HoloViews中生成並自訂不同的圖形元素，並將它們組成單一佈局。我們從匯入庫開始，初始化HoloViews以使用Bokeh後端進行互動繪圖，並使用NumPy生成資料。資料集由數值陣列y組成。

腳本生成三種型別的圖表：正弦波的折線圖、帶資料點的散點圖和正弦值分布的直方圖。所有圖表都使用opts方法進行標題、坐標軸標籤和顏色自訂。

HoloViews Python（開發者如何使用）：圖2 - 輸出視覺化：折線圖和散點圖

HoloViews Python（開發者如何使用）：圖3 - 輸出視覺化：直方圖

佈局將圖表堆疊在同一列中。顯示視覺化後，使用hv.save將佈局儲存為'visualization.html'，展示了用HoloViews建立和儲存互動式視覺化有多簡單。

結合HoloViews和IronPDF

現在您將學習如何使用HoloViews進行資料視覺化，以及如何使用IronPDF來建立包含這些視覺化的PDF文件。一組指示將指引您完成安裝這些程式庫、建立視覺化、並透過HoloViews和IronPDF從這些視覺化生成PDF的過程。

什麼是IronPDF？

HoloViews Python（開發者如何使用）：圖4 - IronPDF網頁

使用Python模組IronPDF，可以在PDF文件中實現高級編程任務。這是一個全面而強大的工具，用於建立、編輯和閱讀PDF。它保持了任何先前建立和更改的PDF文件的可用性。

IronPDF幫助實現更高的相容性和吸引人的PDF報告建立，有助於需要動態建立和更新PDF的應用程式。它包括詳細的文件和許多範例，以協助使用者。

HTML 到 PDF 轉換

使用IronPDF文件，任何HTML資料都可以迅速轉換為PDF文件。使用者可以利用大多數最新HTML5、CSS3和JavaScript元素直接從網路內容建立創新的PDF出版物。

生成和編輯PDF

透過程式編程能力，您可以建立包含文字、圖形和表格的新PDF文件，等等功能。 IronPDF允許打開和編輯預備好的文件，賦予使用者以編程方式新增、改變或移除PDF內容的能力。

複雜的設計和樣式

由於PDF的固有樣式，具有多種字體、顏色和設計元素的複雜佈局是可能的。需要更改的PDF中的動態內容最好以預設的HTML格式渲染，以保持簡單，相比於JavaScript。

安裝IronPDF

您可以使用以下指令透過pip安裝IronPDF程式庫：

> pip install ironpdf

pip install ironpdf

在PDF中生成圖表與HoloViews

這是一個如何使用HoloViews構建簡單視覺化的範例：

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np
from ironpdf import ChromePdfRenderer
import warnings

# Suppress warnings
warnings.filterwarnings('ignore')

# Set IronPDF license key (replace with your actual key)
# License.LicenseKey = "your_license_key_here"

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

# Combine plots into a layout
layout = (line_plot + scatter_plot).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400)
)

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

# Convert the HTML file to PDF using IronPDF
pdf_file_path = 'document.pdf'
html_to_pdf = ChromePdfRenderer()
pdf_document = html_to_pdf.RenderHtmlFileAsPdf('visualization.html')

# Save the PDF
pdf_document.SaveAs(pdf_file_path)

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np
from ironpdf import ChromePdfRenderer
import warnings

# Suppress warnings
warnings.filterwarnings('ignore')

# Set IronPDF license key (replace with your actual key)
# License.LicenseKey = "your_license_key_here"

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

# Combine plots into a layout
layout = (line_plot + scatter_plot).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400)
)

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

# Convert the HTML file to PDF using IronPDF
pdf_file_path = 'document.pdf'
html_to_pdf = ChromePdfRenderer()
pdf_document = html_to_pdf.RenderHtmlFileAsPdf('visualization.html')

# Save the PDF
pdf_document.SaveAs(pdf_file_path)

Python

以上程式碼顯示了如何將IronPDF與HoloViews整合，以建立視覺化並將其轉換為PDF文件。首先，它會抑制警告並導入所需的模組。程式碼設置IronPDF許可金鑰，初始化HoloViews以使用Bokeh後端在建立互動式視覺化時，並使用NumPy生成資料。

腳本建立了一個折線圖和散點圖，提供顏色、坐標軸標籤等選項，並將其合併為一列佈局（.cols(1)）。使用**hv.save()將HTML文件儲存為'visualization.html'。然後，IronPDF將'visualization.html'轉換為PDF文件，使用ChromePdfRenderer().RenderHtmlFileAsPdf()並將其儲存為'document.pdf'，使用pdf_document.SaveAs()**。這展現了HoloViews和IronPDF之間的協同效應，將互動式視覺化轉變為專業的PDF報告。

HoloViews Python（開發者如何使用）：圖5 - 輸出視覺化

結論

總結一下，HoloViews與IronPDF搭配，提供了生成和分發資料驅動的視覺化作為PDF文件的強大解決方案。通過與繪圖工具如Bokeh和Matplotlib的流暢介面，HoloViews簡化了建立互動且自訂圖表的過程。因此，任何資料分析任務都可以輕鬆轉化為翔實的視覺報告。 IronPDF通過將這些視覺化轉換為高品質的PDF文件來補充這些能力。

這兩者結合起來，使使用者能夠有效地視覺化資料，並以易於理解的格式分享或展示發現。通過便於從資料視覺化到行動的轉變，HoloViews和IronPDF在各種情境（如學術研究、商業簡報、資料驅動的故事和互動式可視化）中提高生產力和溝通效果。

IronPDF可以與其他Iron Software結合使用，證明其價值僅需數日，使得$999許可費是一項有價值的投資。

Curtis Chau

Chat with engineering team now

Technical Writer

Curtis Chau holds a Bachelor’s degree in Computer Science (Carleton University) and specializes in front-end development with expertise in Node.js, TypeScript, JavaScript, and React. Passionate about crafting intuitive and aesthetically pleasing user interfaces, Curtis enjoys working with modern frameworks and creating well-structured, visually appealing manuals.

...