Python可视化Dash教程简译(一)

简介: Python可视化Dash教程简译(一)

作为数据分析的重要一环,把得到的数据或者分析结果以图表的方式展示,是一种直观、优雅的方式。Dash是基于Flask的Python可视化工具,我在学习之余尝试着翻译官方的Tutorial,有不足之处,还望不吝指正


Dash layout


Dash应用程序由两部分组成:第一部分是Dash应用程序的“layout”,它描述了应用程序的外观。第二部分描述了应用程序的交互性。


01.Dash 安装


pip install dash==0.34.0


pip install dash-html-components==0.13.4


pip install dash-core-components==0.41.0


pip install dash-table==3.1.11


01.Dash layout


Dash为应用程序的所有可视组件提供Python类,我们在dash_core_components和dash_html_components库中维护了一组组件,同时我们也可以使用JavaScript和React.js构建自己的组件。

创建文件app.py

运行这个app

$ python app.py

...Running on http://127.0.0.1:8050/ (Press CTRL+C to quit)

在浏览器中访问http:127.0.0.1:8050/,可以看到如下页面:

我们注意到:

1. 布局由一个组件树组成,如html.Div和dcc.Graph

2. dash_html_components库为每一个HTML标签都提供一个组件。html.H1(children='Hello Dash')组件在我们的应用程序中产生了一个<h1>Hello Dash</h1>HTML元素。

3. 并不是所有的组件都是纯HTML,dash_core_components描述了更搞级别的组件。这些组件是交互式的,并通过JavaScript、HTML和CSS等生成。

4. 每个组件都完全通过关键字属性来描述。Dash是声明性的:你将主要通过这些属性来描述应用程序。

5. children属性是特殊的。按照惯例,它始终都是第一个属性,这意味着你可以省略它:html.H1(children='Hello Dash')与 html.H1('HelloDash')是相同的。此外,它还可以包含字符串,数字,单个组件或者组件列表。


02.关于HTML更多信息


dash_html_components库包含每个HTML标签的组件类以及所有HTML参数的关键字参数。

我们来通过修改组件的内联样式来自定义应用程序中的文本:

在例子中,我们通过style属性修改了html.Div和html.H1的内联样式。

html.H1('Hello Dash', style={'textAlign':'center', 'color': '#7FDBFF'})在Dash程序中呈现为<h1 style="text-align: center; color: #7FDBFF">HelloDash</h1>。

dash_html_components和HTML属性有几点重要的不同:

1. 在HTML中,style属性是以分号分隔的字符串。在Dash中,你可以使用一个字典。

2. style字典里的键值是cameCase(驼峰样式)的,不是 text-align, 而是 textAlign。

3. HTML类属性是Dash中的className。

4. HTML标签的子项是通过children关键字参数指定的。按照惯例,这始终是第一个参数,所以通常被省略。

除此之外,你还可以在Python上下文中使用所有可用的HTML属性和标签。


03.可复用组件


通过在Python中编写标记,我们可以创建复杂的可复用组件,如表,而无需切换上下文或语言。

一个例子,从Pandas数据集中生成表格:


04. 关于可视化的更多信息


dash_core_components库包含一个名为Graph的组件。Graph使用开源plotly.js图形库呈现交互式数据可视化。plotly.js支持超过35种图表类型,并在vector-quality SVG和high-performance WebGL中呈现图表。

同时,dash_core_components.Graph组件中的figure参数与plotly.js使用的图形参数是相同的。

一个例子,从Pandas数据集创建散点图:


05. Markdown


可以使用dash_core_components库中的Markdown组件来编写大量的文本块。


06. 核心组件


dash_core_components库包含一组更高级别的组件,如下拉列表,图形等。

与所有Dash组件一样,它们完全以声明的方式描述。

下面是一些可用的组件

可以使用help来查看更多的组件用法。

>>> help(dcc.Dropdown)
class Dropdown(dash.development.base_component.Component)
|  A Dropdown component.
|  Dropdown is an interactive dropdown element for selecting one or more
|  items.
|  The values and labels of the dropdown items are specified in the `options`
|  property and the selected item(s) are specified with the `value` property.
|
|  Use a dropdown when you have many options (more than 5) or when you are
|  constrained for space. Otherwise, you can use RadioItems or a Checklist,
|  which have the benefit of showing the users all of the items at once.
|
|  Keyword arguments:
|  - id (string; optional)
|  - className (string; optional)
|  - disabled (boolean; optional): If true, the option is disabled
|  - multi (boolean; optional): If true, the user can select multiple values
|  - options (list; optional)
|  - placeholder (string; optional): The grey, default text shown when no option is selected
|  - value (string | list; optional): The value of the input. If `multi` is false (the default)
|  then value is just a string that corresponds to the values
|  provided in the `options` property. If `multi` is true, then
|  multiple values can be selected at once, and `value` is an
|  array of items with values corresponding to those in the
|  `options` prop.```


06. 综述


Dash应用程序的布局描述了应用程序的外观,布局是组件的分层树。

dash_html_components库为所有HTML标签提供类,同时关键字参数描述HTML属性,例如style,className和ID。

dash_core_components库生成高级别的组件,如控件和图形。

相关文章
|
2月前
|
数据可视化 搜索推荐 大数据
基于python大数据的北京旅游可视化及分析系统
本文深入探讨智慧旅游系统的背景、意义及研究现状,分析其在旅游业中的作用与发展潜力,介绍平台架构、技术创新、数据挖掘与服务优化等核心内容,并展示系统实现界面。
|
1月前
|
索引 Python
Python 列表切片赋值教程:掌握 “移花接木” 式列表修改技巧
本文通过生动的“嫁接”比喻,讲解Python列表切片赋值操作。切片可修改原列表内容,实现头部、尾部或中间元素替换,支持不等长赋值,灵活实现列表结构更新。
109 1
|
2月前
|
数据采集 存储 XML
Python爬虫技术:从基础到实战的完整教程
最后强调: 父母法律法规限制下进行网络抓取活动; 不得侵犯他人版权隐私利益; 同时也要注意个人安全防止泄露敏感信息.
650 19
|
2月前
|
数据可视化 数据挖掘 大数据
基于python大数据的水文数据分析可视化系统
本研究针对水文数据分析中的整合难、分析单一和可视化不足等问题,提出构建基于Python的水文数据分析可视化系统。通过整合多源数据,结合大数据、云计算与人工智能技术,实现水文数据的高效处理、深度挖掘与直观展示,为水资源管理、防洪减灾和生态保护提供科学决策支持,具有重要的应用价值和社会意义。
|
2月前
|
数据采集 存储 JSON
使用Python获取1688商品详情的教程
本教程介绍如何使用Python爬取1688商品详情信息,涵盖环境配置、代码编写、数据处理及合法合规注意事项,助你快速掌握商品数据抓取与保存技巧。
|
2月前
|
机器学习/深度学习 搜索推荐 数据可视化
基于python大数据的音乐可视化与推荐系统
本研究基于Python实现音乐数据采集、清洗、分析与可视化,并结合协同过滤算法构建个性化推荐系统。通过Echarts展示音乐热度及用户偏好,提升用户体验,助力音乐产业智能化发展。
|
2月前
|
搜索推荐 算法 大数据
基于python大数据的旅游景点可视化与推荐系统
本系统基于大数据与网络技术,构建个性化旅游推荐平台。通过收集用户偏好及行为数据,结合机器学习算法,提供精准的旅游目的地、住宿及交通推荐,旨在优化旅游信息传递,提升用户决策效率与旅行体验。
|
3月前
|
数据采集 数据可视化 API
驱动业务决策:基于Python的App用户行为分析与可视化方案
驱动业务决策:基于Python的App用户行为分析与可视化方案

推荐镜像

更多