Dash-Python-Pandas 随记

1、使用Scatter图时，hoveron 属性的作用是鼠标放在线或者点上是否显示相关内容，points：表示鼠标停在点上会显示点的信息，fills：表示鼠标停在线上显示线的名称，points+fills：表示两者都显示，默认是points；

---

2、生成图标的 Figure 时，Layout 的 hovermode 属性的作用是当鼠标悬停时以什么为标准去显示内容，x：表示以x轴的刻度显示悬浮内容，y：表示以y轴的刻度显示悬浮内容，closet：表示哪个最近就以哪个为标准。如果我们在使用下面的方式生成一个 Figure时，是不需要设置的，默认就是y：

fig = {
    'data': [
        go.Scatter(x=[1,2,3], y[2,3,4], name='aaa'),
        go.Scatter(x=[1,2,3], y[5,6,7], name='bbb'),
    ],
    'layout': {
        'title': '这个模式鼠标悬停在x=1的位置时，会同时把‘aaa’和‘bbb’两个数据都显示出来',
    },
}

还有另一种形式：

fig = go.Figure()
fig.add_trace(go.Scatter(x=[1,2,3], y[2,3,4], name='aaa'))
fig.add_trace(go.Scatter(x=[1,2,3], y[5,6,7], name='bbb'))
fig.update_layout(
    title='这个形式如果鼠标放在x=1的位置，还需要靠近每个线的点才会显示，这就不能对比了',
    hovermode='x', # 如果不指定，默认是 closet，需要鼠标靠近线才行，这里我指定了x轴
)

---

3、Figure.Layout 对于xaxis和yaxis属性，里面可以设置 domain ，这是可以设置图表 x 和 y 方向的宽度的，默认是：[0, 1]

如果在有些情况x轴的名字可能显示不下，那么可以通过调整y轴的高度来展示全x轴名称，比如：[0.3, 1]:

    改了之后   

y轴也是同理

---

4、在使用 Pandas 处理数据时，有一列是时间格式，并且时间带了时分秒，当时我们在做统计的时候，可能需要用到每天下载有多少，所以我们需要把时间的时分秒无视掉。

在根据条件筛选时，还算比较方便：

df = df[df['下载时间'] == date(2019, 1, 1)]

如果要使用 groupby 的时候改怎么办呢，那估计有多少条就有多少组了。我们可以先做个处理：

df['download_date'] = df['下载日期'].dt.floor('D') # 先把日期转化一次，让它精确到天
# df['download_date'] = df['下载日期'].apply(lambda x: datetime.fromordinal(pd.Timestamp(x).to_pydatetime().date().toordinal())) # 用来检验是否正确的语句，等效于上面的

df = df.groupby('download_date').agg({'user_id': 'nunique'}) # 然后再用转化的列去做分组即可

---

5、