Dash —— 一个很有包容性的 Python 库

最新推荐文章于 2024-10-16 23:34:20 发布

乔代码嘚

最新推荐文章于 2024-10-16 23:34:20 发布

阅读量815

点赞数 9

文章标签： python 开发语言

本文链接：https://blog.csdn.net/Trb701012/article/details/136294966

版权

如果你是一名数据分析员，或许你已经积累了大量数据处理和可视化的技能，但当你想要跨过图表和表格将你的分析作品呈现在一个交互式的网络页面上时，你可能会感到无从下手。

这时候，如果有一个工具能够让你用熟悉的 Python 语言，轻松地将数据分析转换为交互式的 Web 应用，那该多好啊！

Dash 便是这样一款工具，它可以帮助你将复杂的数据驱动型界面转化为现实。

谁是 Dash？

Dash 是由 Plotly 开发的开源框架，它背后的团队将图表绘图、前端反应式编程、以及后端服务搭建三位一体的工作做了优雅的封装。

它不像 Flask 那样需要你自己处理前后端的连接，也不像 Bokeh 那样让你在细节上绞尽脑汁。

Dash 提供了一种更加简洁和高级的抽象，使得它与数据分析工具链的集成变得异常流畅。

它特别适合于需要构建复杂、数据驱动型用户界面的数据可视化应用。

项目地址：https://dash.plotly.com/

安装 Dash

你只需要简单几步就能开始你的 Dash 之旅：

pip install dash

如果你使用的是 Python3.6 及以上版本，安装后你就可以立即开始构建你的第一个 Dash 应用了。

基本概念

Dash 应用基本上是由两部分组成的：布局 (Layout) 和回调 (Callback)。布局负责定义应用的外观和感觉，而回调则赋予应用以交互性。

布局

# 布局示例    from dash import Dash, html, dcc   app = Dash(__name__)   app.layout = html.Div([       dcc.Graph(id='example-graph'),       dcc.Dropdown(id='example-dropdown'),       html.Button('Click me', id='example-button')   ])   app.run()

在这个布局示例中，我们初始化了一个图表、一个下拉菜单和一个按钮，一般访问：http://127.0.0.1:8050/ 可以看到：

展示数据

from dash import Dash, html, dash_table   import pandas as pd      # Incorporate data   df = pd.read_csv('gapminder2007.csv')      # Initialize the app   app = Dash(__name__)      # App layout   app.layout = html.Div([       html.Div(children='My First App with Data'),       dash_table.DataTable(data=df.to_dict('records'), page_size=10)   ])      # Run the app   if __name__ == '__main__':       app.run(debug=True)

上面代码可以将当前目录下，gapminder2007.csv 文件的数据展示出来，效果如下：

进阶特性

一个进阶特性是 Dash 的回调功能，它允许你创建交互性的应用。

回调函数可以在用户与应用的一部分交互时被触发，例如点击按钮或选择下拉菜单的选项。回调函数可以修改应用的任何部分，包括图表、文本、表格等。

下面的例子中，用户可以通过下拉菜单选择一个选项，然后应用会显示对应的图表。图表的数据是根据选项值生成的，每个选项都有一组固定的随机数据。

import dash   from dash import dcc, html   from dash.dependencies import Input, Output   import plotly.graph_objects as go   import pandas as pd   import numpy as np      app = dash.Dash(__name__)      # 设定应用的布局   app.layout = html.Div([       dcc.Dropdown(           id='dropdown',           options=[               {'label': 'Option 1', 'value': '1'},               {'label': 'Option 2', 'value': '2'},               {'label': 'Option 3', 'value': '3'}           ],           value='1'       ),       dcc.Graph(id='graph')   ])      # 设定回调函数   @app.callback(       Output('graph', 'figure'),       Input('dropdown', 'value')   )   def update_graph(value):       # 生成随机数据       np.random.seed(int(value))  # 用选项值作为随机数种子，以便每个选项都有固定的数据       x = np.linspace(0, 10, 100)       y = np.sin(x) + np.random.randn(100) * 0.2          # 创建图表       fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers'))          return fig      if __name__ == '__main__':       app.run_server(debug=True)

效果如下：