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
|
8天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
39 8
|
8天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
28 7
|
8天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
28 4
|
8天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
25 5
|
15天前
|
数据可视化 编译器 Python
Manim:数学可视化的强大工具 | python小知识
Manim(Manim Community Edition)是由3Blue1Brown的Grant Sanderson开发的数学动画引擎,专为数学和科学可视化设计。它结合了Python的灵活性与LaTeX的精确性,支持多领域的内容展示,能生成清晰、精确的数学动画,广泛应用于教育视频制作。安装简单,入门容易,适合教育工作者和编程爱好者使用。
77 7
|
28天前
|
存储 数据可视化 数据挖掘
使用Python进行数据分析和可视化
本文将引导你理解如何使用Python进行数据分析和可视化。我们将从基础的数据结构开始,逐步深入到数据处理和分析的方法,最后通过实际的代码示例来展示如何创建直观的数据可视化。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和技巧。让我们一起探索数据的世界,发现隐藏在数字背后的故事!
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
28 1
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第42天】本文将介绍如何使用Python进行数据分析和可视化。我们将从数据导入、清洗、探索性分析、建模预测,以及结果的可视化展示等方面展开讲解。通过这篇文章,你将了解到Python在数据处理和分析中的强大功能,以及如何利用这些工具来提升你的工作效率。
|
1月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
29 1
|
1月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
下一篇
DataWorks