Python 交互式数据可视化框架：Dash（上） - 文章 - 开发者社区

picture.image

过去，创建分析型Web应用程序需要开发人员的丰富经验，这些开发人员需要掌握多种编程语言和框架知识。如今，您只需使用Python编程语言即可制作数据可视化界面。而其中一种流行的工具就是Dash（ https://dash.plotly.com/introduction ）。

Dash使数据科学家能够在交互式Web应用程序中展示其结果。您无需成为网页开发专家。可能只需一个下午的时间，您就可以构建和部署Dash应用程序，并与他人共享。

在本教程中，您将学习下列内容：

创建一个Dash应用程序
如何使用Dash核心组件和HTML组件
自定义Dash应用程序的样式
使用回调函数构建交互式应用程序
在Heroku上部署您的应用程序

Dash 是什么？

Dash是用于构建数据可视化界面的开源框架。它于2017年作为Python第三方库发布，现已发展为包含R语言和Julia语言的版本。Dash使数据分析师无需掌握高级Web开发知识即可构建Web数据可视化应用。

下面三种技术构成Dash的核心：

1、 Flask 提供了Web服务器功能。
2、 React.js 呈现网页的用户界面。
3、 Plotly.js 生成您在应用程序中使用的图表。

但是您不必担心如何使这些技术进行协同工作。Dash将帮助您，您只需要会编写Python、R或Julia语言，以及一些CSS知识即可。

加拿大的Plotly（ https://plotly.com/ ）公司建立了Dash并支持其发展。您可能从共享其名称的流行图形库( https://plotly.com/graphing-libraries/ )中了解该公司。Plotly公司开放了Dash的源代码，并根据MIT许可证发布了它，因此您可以免费使用Dash。

Plotly还为Dash提供了称为Dash Enterprise的商业伙伴付费服务。这项付费服务为商业公司提供了以下支持服务，例如在Dash应用程序上托管、部署和处理身份验证。但是这些功能不在Dash的开源生态系统中。

Dash将帮助您快速构建dashboard仪表板。如果您习惯于使用Python分析数据或建立数据可视化效果，那么Dash将是您工具箱中的有用补充。以下是一些您可以使用Dash制作的示例：

可实时分析交易头寸的dashboard仪表盘 https://dash-gallery.plotly.host/dash-web-trader/
数百万个 Uber 行程的可视化

https://dash-gallery.plotly.host/dash-uber-rides-demo/

一个交互式的财务报告

https://dash-gallery.plotly.host/dash-financial-report/

这只是很简单的几个样例。如果您想查看其他有趣的用例，请查看Dash App Gallery（ https://dash-gallery.plotly.host/Portal/ ）。

Python中的Dash入门

在本教程中，您将学习使用Dash构建仪表板的详细过程。如果遵循这些示例，那么您将从本地计算机上的准系统仪表板转到部署在Heroku上的样式化仪表板。

要构建仪表板，您将使用2015年至2018年期间美国鳄梨销售和价格数据集（ https://www.kaggle.com/neuromusic/avocado-prices ）。该数据集由Justin Kiggins使用Hass Avocado Board( https://www.hassavocadoboard.com/retail/volume-and-price-data )提供的数据整理而来。

如何设置本地环境

要开发应用，您需要一个新目录来存储代码和数据，以及一个干净的Python 3 虚拟环境。要创建这个环境，请按照以下说明进行操作，选择与您的操作系统匹配的版本。

如果您使用的是Windows系统，请打开命令提示符并执行以下命令：


          
c:\> mkdir avocado_analytics && cd avocado_analytics  
c:\> c:\path\to\python\launcher\python -m venv venv  
c:\> venv\Scripts\activate.bat

第一个命令为您的项目创建一个目录，并将当前位置移动到该目录。第二条命令在该位置创建一个虚拟环境。最后一条命令激活虚拟环境。确保将第二个命令中的路径替换为Python 3启动器的路径。

如果您使用的是macOS或Linux系统，请从终端执行以下步骤：


        
            

          $
           mkdir avocado\_analytics && cd avocado\_analytics
            

          $
           python3 -m venv venv
            

          $
           source venv/bin/activate

前两个命令执行以下操作：

1、创建一个名为 avocado\_analytics 的目录

2、将您当前的位置移动到 avocado\_analytics 目录

3、在该目录中创建一个干净的虚拟环境 venv

最后一条命令激活您刚刚创建的虚拟环境。

接下来，您需要安装所需的库。您可以在虚拟环境中使用pip来实现。如下安装库：


          
(venv) $ python -m pip install dash==1.13.3 pandas==1.0.5

此命令将在您的虚拟环境中安装Dash和pandas。您将使用这些软件包的特定版本，以确保与本教程中使用的环境具有相同的环境。除了Dash之外，pandas还可以帮助您读取和处理将在应用程序中使用的数据。

最后，您需要一些数据以将其输入到仪表板中。将数据另存为 avocado.csv 在项目的根目录中。到目前为止，您应该已经有了一个虚拟环境，其中包含必需的库以及项目根文件夹中的数据。您项目的结构应如下所示：


          
avocado_analytics/  
|  
├── venv/  
|  
└── avocado.csv

接下来，您将构建第一个Dash应用程序。

如何构建Dash应用程序

分两个步骤考虑构建Dash应用程序的过程：

根据应用的布局来定义应用的外观。
使用回调函数来确定应用程序的哪些部分是交互式的，以及它们如何响应。

在本节中，您将了解布局，在下一节中，将学习如何使仪表板具有交互性。首先，设置初始化应用程序所需的所有内容，然后定义应用程序的布局。

初始化您的Dash应用程序

在项目的根目录中创建一个名为 app.py 的空文件，然后在本节中查看 app.py 的代码。

这是 app.py 的前几行：


          
import dash  
import dash_core_components as dcc  
import dash_html_components as html  
import pandas as pd  
  
data = pd.read_csv("avocado.csv")  
data = data.query("type == 'conventional' and region == 'Albany'")  
data["Date"] = pd.to_datetime(data["Date"], format="%Y-%m-%d")  
data.sort_values("Date", inplace=True)  
  
app = dash.Dash(__name__)

在第1至4行中，导入所需的库： dash ， dash\_core\_components ， dash\_html\_components 和 pandas 。每个库都为您的应用程序提供了一个构建模块：

dash 可帮助您初始化应用程序。
dash\_core\_components 允许您创建交互式组件，例如图形，下拉列表或日期范围。
dash\_html\_components 使您可以访问HTML标记。
pandas 可以帮助您阅读和整理数据。

在第6到9行中，您将读取数据并对其进行预处理以在仪表板中使用。之所以要过滤掉某些数据，是因为当前版本的仪表板不是交互式的，否则绘制的值就没有意义了。

在第11行上，创建Dash类的实例。如果您以前使用过Flask，则初始化Dash类可能看起来很熟悉。在Flask中，通常使用 Flask（\_\_ name\_\_） 初始化WSGI应用程序。同样，对于Dash应用程序，您可以使用 Dash（\_\_ name\_\_） 。

定义Dash应用程序的布局

接下来，您将定义应用程序的 layout 属性。此属性决定了您应用的外观。在这种情况下，您将使用标题下方带有说明的标题和两个图表。定义方式如下：


          
app.layout = html.Div(  
    children=[  
        html.H1(children="Avocado Analytics",),  
        html.P(  
            children="Analyze the behavior of avocado prices"  
            " and the number of avocados sold in the US"  
            " between 2015 and 2018",  
        ),  
        dcc.Graph(  
            figure={  
                "data": [  
                    {  
                        "x": data["Date"],  
                        "y": data["AveragePrice"],  
                        "type": "lines",  
                    },  
                ],  
                "layout": {"title": "Average Price of Avocados"},  
            },  
        ),  
        dcc.Graph(  
            figure={  
                "data": [  
                    {  
                        "x": data["Date"],  
                        "y": data["Total Volume"],  
                        "type": "lines",  
                    },  
                ],  
                "layout": {"title": "Avocados Sold"},  
            },  
        ),  
    ]  
)

这段代码定义了 app 对象的 layout 属性。此属性使用由Dash组件组成的树结构确定应用程序的外观。

Dash组件预先包装在Python库中。在安装Dash时，其中一些会附带Dash。其余的您必须单独安装。几乎每个应用程序中都会看到两组组件：

1、 Dash HTML Components ( https://dash.plotly.com/dash-html-components )为HTML元素提供Python包装器。例如，您可以使用此库来创建元素，例如段落，标题或列表。

2、 Dash Core Components ( https://dash.plotly.com/dash-core-components )组件为您提供了用于创建交互式用户界面的Python模块。您可以使用它来创建交互式元素，例如图形，滑块或下拉菜单。

在第13至20行，您可以在实践中看到Dash HTML组件。首先定义父组件 html.Div 。然后，再添加两个元素，即标题（ html.H1 ）和段落（ html.P ）作为其子元素。

这些组件等效于 div ， h1 和 p HTML标签。您可以使用组件的参数来修改标签的属性或内容。例如，要指定 div 标记内的内容，请使用 html.Div 中的 children 参数。

组件中还有其他参数，例如 style ， className 或 id ，它们引用HTML标签的属性。在下一部分中，您将看到如何使用其中的一些属性来设置仪表板的样式。

第13至20行所示的部分布局将转换为以下HTML代码：


          
<div>  
  <h1>Avocado Analytics</h1>  
  <p>  
    Analyze the behavior of avocado prices and the number  
    of avocados sold in the US between 2015 and 2018  
  </p>  
  <!-- Rest of the app -->  
</div>

当您在浏览器中打开应用程序时，将呈现此HTML代码。它遵循与Python代码相同的结构，带有 div 标记，其中包含 h1 和 p 元素。

在布局代码段的第21至24行中，您实际上可以从Dash 核心组件中看到图形组件。 app.layout 中有两个 dcc.Graph 组件。第一个绘制了研究期间鳄梨的平均价格，第二个绘制了同期美国鳄梨的销售数量。

在后台，Dash使用 Plotly.js 生成图形。 dcc.Graph 组件需要一个包含绘图数据和布局的图形对象或Python字典。在这种情况下，请提供后者。

最后，这两行代码可帮助您运行应用程序：


          
if __name__ == "\_\_main\_\_":  
    app.run_server(debug=True)

第48和49行使您可以使用Flask的内置服务器在本地运行Dash应用程序。来自 app.run\_server 的 debug = True 参数在您的应用程序中启用热重载( hot-reloading )选项。这意味着当您对应用程序进行更改时，它会自动重新加载，而无需重新启动服务器。

最后，这是 app.py 的完整版本。您可以将此代码复制到之前创建的空 app.py 文件中。


          
import dash  
import dash_core_components as dcc  
import dash_html_components as html  
import pandas as pd  
  
data = pd.read_csv("avocado.csv")  
data = data.query("type == 'conventional' and region == 'Albany'")  
data["Date"] = pd.to_datetime(data["Date"], format="%Y-%m-%d")  
data.sort_values("Date", inplace=True)  
  
app = dash.Dash(__name__)  
  
app.layout = html.Div(  
    children=[  
        html.H1(children="Avocado Analytics",),  
        html.P(  
            children="Analyze the behavior of avocado prices"  
            " and the number of avocados sold in the US"  
            " between 2015 and 2018",  
        ),  
        dcc.Graph(  
            figure={  
                "data": [  
                    {  
                        "x": data["Date"],  
                        "y": data["AveragePrice"],  
                        "type": "lines",  
                    },  
                ],  
                "layout": {"title": "Average Price of Avocados"},  
            },  
        ),  
        dcc.Graph(  
            figure={  
                "data": [  
                    {  
                        "x": data["Date"],  
                        "y": data["Total Volume"],  
                        "type": "lines",  
                    },  
                ],  
                "layout": {"title": "Avocados Sold"},  
            },  
        ),  
    ]  
)  
  
if __name__ == "\_\_main\_\_":  
    app.run_server(debug=True)

这是准系统仪表板的代码。它包括您在本节前面检查过的所有代码片段。

现在该运行您的应用程序了。在项目的根目录内和项目的虚拟环境中打开一个终端。运行 python app.py ，然后使用您喜欢的浏览器访问 http：// localhost：8050 。

成功运行！您的仪表板应如下所示：

picture.image

好的方面是，您现在已经拥有仪表板的工作版本。坏的方面是，您还需要做一些工作才能向他人展示。仪表板远不只是视觉上令人愉悦，您仍然需要为其添加一些交互性。

但是请放心，您将在下一节中学习如何解决这些问题。

更多阅读

2020 年最佳流行 Python 库 Top 10

2020 Python中文社区热门文章 Top 10

Top 10 沙雕又有趣的 GitHub 程序

特别推荐

picture.image

点击下方阅读原文加入 社区会员