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
|
3天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
10 1
|
5天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
10 3
|
8天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 4
本教程介绍了SciPy的空间数据处理功能,主要通过scipy.spatial模块实现。内容涵盖空间数据的基本概念、距离矩阵的定义及其在生物信息学中的应用,以及如何计算欧几里得距离。示例代码展示了如何使用SciPy计算两点间的欧几里得距离。
22 5
|
7天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 空间数据 6
本教程介绍了SciPy处理空间数据的方法,包括使用scipy.spatial模块进行点位置判断、最近点计算等内容。还详细讲解了距离矩阵的概念及其应用,如在生物信息学中表示蛋白质结构等。最后,通过实例演示了如何计算两点间的余弦距离。
17 3
|
6天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 7
本教程介绍了SciPy的空间数据处理功能,涵盖如何使用`scipy.spatial`模块进行点的位置判断、最近点计算等操作。还详细解释了距离矩阵的概念及其在生物信息学中的应用,以及汉明距离的定义和计算方法。示例代码展示了如何计算两个点之间的汉明距离。
13 1
|
10天前
|
Python
SciPy 教程 之 SciPy 图结构 7
《SciPy 教程 之 SciPy 图结构 7》介绍了 SciPy 中处理图结构的方法。图是由节点和边组成的集合,用于表示对象及其之间的关系。scipy.sparse.csgraph 模块提供了多种图处理功能,如 `breadth_first_order()` 方法可按广度优先顺序遍历图。示例代码展示了如何使用该方法从给定的邻接矩阵中获取广度优先遍历的顺序。
21 2
|
11天前
|
算法 Python
SciPy 教程 之 SciPy 图结构 5
SciPy 图结构教程,介绍图的基本概念和SciPy中处理图结构的模块scipy.sparse.csgraph。重点讲解贝尔曼-福特算法,用于求解任意两点间最短路径,支持有向图和负权边。通过示例演示如何使用bellman_ford()方法计算最短路径。
23 3
|
11天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
26 1
|
4天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 插值 3
本教程介绍了SciPy中的插值方法,包括什么是插值及其在数据处理和机器学习中的应用。通过 `scipy.interpolate` 模块,特别是 `Rbf()` 函数,展示了如何实现径向基函数插值,以平滑数据集中的离散点。示例代码演示了如何使用 `Rbf()` 函数进行插值计算。
9 0
|
4天前
|
Python
SciPy 教程 之 Scipy 显著性检验 1
本教程介绍Scipy显著性检验,包括统计假设、零假设和备择假设等概念,以及如何使用scipy.stats模块进行显著性检验,以判断样本与总体假设间是否存在显著差异。
8 0