Python数据可视化Dash+Bootstrap

简介: Python数据可视化Dash+Bootstrap

Python基于Dash+Bootstrap的数据可视化


前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。


Dash框架是基于flask、React 、plotly开发的可视化框架,不仅对其进行了集成、还将繁琐的方法统一起来。简单好学,通过极少量的代码就可以实现炫酷的可视化界面,简直不要太方便。

效果如下:

1684133554213.jpg


可视化图形,八大功能


下载图片、变焦、图片移动、框中选择、套索选中、放大、缩小、居中显示

1684133584647.jpg


代码实现思路


主要分为两点

1、app.py中编写程序代码。包含创建画布、绘制图形、界面布局三个部分

2、assets文件下的myapp.css文件进行界面布局、界面渲染*

1684133644844.jpg

有道友问:Dash是怎么找到路径的呢?如下图:

1684133655399.jpg

1684133664912.jpg

Dash默认识别文件夹名为assets,可自行更改。


环境配置


pip install dash -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple some-package


上代码


app.py

import dash
import dash_core_components as dcc
import dash_html_components as html
app=dash.Dash()
def tiaoxing():
    return html.Div([
        html.P([]),
    dcc.Graph(
    id='tx',
        figure={
            'data':[
                {'x':[4,6,8],'y':[12,16,18],'type':'bar','name':'chart one'},
                {'x':[4,6,8],'y':[20,24,28],'type':'bar','name':'chart two'}
            ],
            'layout':{
                'title':'simple bar chart',
            }
        }
    )
],className='tiaoxing')
def zhexiantu():
    return html.Div([
        html.P([]),
        dcc.Graph(
            id='xtq',
            figure={
                'data':[
                    {'x':[1,2,3,4,5,6,7,8,9,10,11],'y':[5,8,11,32,41,5,2,7,16,4,8],'type':'Scatter','name':'one'},
                    {'x': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], 'y': [5,6,3,7,1,5,48,2,3,58,4,],'type': 'Scatter', 'name': 'two'}
                ],
                'layout':{
                    'title':'折线图'
                }
            }
        )
    ],className='zhexiantu')
a=16
def bink():
    return html.Div([
        html.P([]),
        dcc.Graph(
            id='btk',
            figure={
                'data': [
                    {'labels': ['one', 'two', 'three', 'four', 'five', 'six'],
                     'values': [50, 34, 86, 75, 64, 39], 'type': 'pie', 'hole': '0.8', 'name': '饼图', 'size': '100'}
                ],
                'layout': {'title':'bingtu'}
            }
        )
    ], className='bintuk')
def sandiantu():
    import numpy as np
    b = np.random.uniform(1, 3, size=300)
    c = 0.5 * b ** 2 + b + 2 + np.random.normal(0, 1, size=300)
    return html.Div([
        html.P([]),
        dcc.Graph(
            id='sdt',
            figure={
                'data':[
                    {'x':b,'y':c,'type':'Scatter','mode':'markers','name':"散点图"}
                ],
                'layout':{
                    'title':'sandian'
                }
            }
        )
    ],className='sandiantu')
def bintu():
    return html.Div([
        html.P([]),
        dcc.Graph(
            id='bt',
            figure={
                'data':[
                    {'labels':['one', 'two', 'three', 'four', 'five', 'six'],'values':[280, 25, 10, 100, 250, 270],'type':'pie','name':'bingtu','size':'100'}
                ],
                'layout':'bingtu'
            }
        )
    ],className='bintu')
def row1():
    return html.Div([
        tiaoxing(),
        bink(),
        sandiantu()
    ], className='row')
def row2():
    return html.Div([
            zhexiantu(),
            bintu()
    ],className='row')
def row3():
    return html.Div([
        row1(),
        row2()
    ],className='di')
app.layout=html.Div([
    html.H1(["交互式电子信息可视化"],style={'margin':'2% auto','color':'white'}),
    row3(),
],className='card')
if __name__ =='__main__':
    app.run_server(port=4050)

项目完整代码请点击我的云盘

提取码:mk3b

如有任何问题,欢迎在下方留言,谢谢!

相关文章
|
4月前
|
数据可视化 关系型数据库 MySQL
基于python大数据的的海洋气象数据可视化平台
针对海洋气象数据量大、维度多的挑战,设计基于ECharts的可视化平台,结合Python、Django与MySQL,实现数据高效展示与交互分析,提升科研与决策效率。
|
5月前
|
机器学习/深度学习 数据可视化 搜索推荐
基于python的汽车数据可视化、推荐及预测系统
本研究围绕汽车数据可视化、推荐及预测系统展开,结合大数据与人工智能技术,旨在提升用户体验与市场竞争力。内容涵盖研究背景、意义、相关技术如 Python、ECharts、协同过滤及随机森林回归等,探讨如何挖掘汽车数据价值,实现个性化推荐与智能预测,为汽车行业智能化发展提供支持。
|
5月前
|
数据采集 Web App开发 自然语言处理
新闻热点一目了然:Python爬虫数据可视化
新闻热点一目了然:Python爬虫数据可视化
|
5月前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
5月前
|
数据采集 搜索推荐 数据可视化
基于python大数据的商品数据可视化及推荐系统
本系统基于Python、Django与ECharts,构建大数据商品可视化及推荐平台。通过爬虫获取商品数据,利用可视化技术呈现销售趋势与用户行为,结合机器学习实现个性化推荐,助力电商精准营销与用户体验提升。
|
5月前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。
|
6月前
|
搜索推荐 算法 数据可视化
基于python大数据的招聘数据可视化及推荐系统
本研究聚焦于基于协同过滤的就业推荐系统设计与实现。随着就业压力增大和信息技术发展,传统求职方式面临挑战。通过分析用户行为与职位特征,协同过滤技术可实现个性化职位推荐,提升求职与招聘效率。研究涵盖系统架构、数据采集、算法实现及可视化展示,旨在优化就业匹配,促进人才与岗位精准对接,助力就业市场智能化发展。
|
8月前
|
数据可视化 算法 数据挖掘
Python 3D数据可视化:7个实用案例助你快速上手
本文介绍了基于 Python Matplotlib 库的七种三维数据可视化技术,涵盖线性绘图、散点图、曲面图、线框图、等高线图、三角剖分及莫比乌斯带建模。通过具体代码示例和输出结果,展示了如何配置三维投影环境并实现复杂数据的空间表示。这些方法广泛应用于科学计算、数据分析与工程领域,帮助揭示多维数据中的空间关系与规律,为深入分析提供技术支持。
336 0
Python 3D数据可视化:7个实用案例助你快速上手
|
9月前
|
人工智能 数据可视化 数据挖掘
如何使用Python进行数据可视化
Python是一种强大的编程语言,广泛应用于数据分析与可视化。常见的可视化库有Matplotlib、Seaborn和Plotly等。数据可视化通常包括以下步骤:准备数据(如列表或从文件读取)、选择合适的工具、绘制图表、优化样式(如标题和标签)以及保存或分享结果。例如,使用Matplotlib可通过简单代码绘制线图并添加标题和轴标签。实际应用中,可通过调整颜色、样式等进一步优化图表,甚至使用交互式工具提升效果。总之,Python的丰富工具为数据可视化提供了强大支持。
279 5
|
数据可视化 数据挖掘 DataX
Python 数据可视化的完整指南
Python 数据可视化在数据分析和科学研究中至关重要,它能帮助我们理解数据、发现规律并以直观方式呈现复杂信息。Python 提供了丰富的可视化库,如 Matplotlib、Seaborn、Plotly 和 Pandas 的绘图功能,使得图表生成简单高效。本文通过具体代码示例和案例,介绍了折线图、柱状图、饼图、散点图、箱形图、热力图和小提琴图等常用图表类型,并讲解了自定义样式和高级技巧,帮助读者更好地掌握 Python 数据可视化工具的应用。
820 3

推荐镜像

更多