浠水网站建设,辽宁个人网站建设口碑推荐,有效的网站建设公,无刷新wordpress主题Dash 是一个用于创建数据分析型 web 应用的 Python 框架。它由 Plotly 团队开发#xff0c;并且可以用来构建交互式的 web 应用程序#xff0c;这些应用能够包含图表、表格、地图等多种数据可视化组件。 Dash 的特点#xff1a;
易于使用#xff1a;Dash 使用 Python 语法…Dash 是一个用于创建数据分析型 web 应用的 Python 框架。它由 Plotly 团队开发并且可以用来构建交互式的 web 应用程序这些应用能够包含图表、表格、地图等多种数据可视化组件。 Dash 的特点
易于使用Dash 使用 Python 语法对于熟悉 Python 的用户来说很容易上手。交互性Dash 支持用户交互例如点击事件、下拉列表选择等。服务器端渲染Dash 应用程序在服务器端渲染然后将结果发送到客户端浏览器。响应式设计Dash 提供了对移动设备友好的布局。与 Plotly.js 集成Dash 可以直接生成 Plotly.js 图表这些图表支持缩放、平移和导出为图片等功能。
安装 Dash
要安装 Dash你可以使用 pip
pip install dash
创建一个简单的 Dash 应用
下面是一个简单的 Dash 应用示例它展示了一个文本框和一个按钮当点击按钮时会在页面上显示输入的文本内容。
import dash
from dash import dcc, html
from dash.dependencies import Input, Outputapp dash.Dash(__name__)app.layout html.Div([dcc.Input(idinput-box, typetext, value),html.Button(Submit, idbutton),html.Div(idoutput-container-button,childrenEnter a value and press submit)
])app.callback(Output(output-container-button, children),[Input(button, n_clicks)],[dash.dependencies.State(input-box, value)])
def update_output(n_clicks, value):return fInput: {value} was submitted {n_clicks} timesif __name__ __main__:app.run_server(debugTrue)
这段代码定义了一个简单的 Dash 应用它包含一个输入框 (dcc.Input) 和一个按钮 (html.Button)。当按钮被点击时update_output 函数会被调用该函数会更新页面上的文本内容。
更多资源
官方文档可以从 Plotly 的官方网站找到详细的文档和教程。社区支持Dash 有一个活跃的社区你可以在 Stack Overflow 或者 GitHub 上提问和解决问题。Flask 是一个用 Python 编写的轻量级 Web 应用框架。它被设计为简单易用适合于小型到中型项目并且易于扩展以适应更复杂的应用需求。Flask 采用 WSGI 工具箱如 Werkzeug和 Jinja2 模板引擎作为其核心组件。
特点
轻量级Flask 不包含数据库抽象层、表单验证等企业级功能。这些可以通过第三方扩展来添加。灵活性Flask 允许开发者选择自己喜欢的工具和库来完成特定任务比如数据库、表单处理等。易于上手Flask 的文档清晰且详尽非常适合初学者。扩展性通过 Flask 扩展生态系统可以轻松地为 Flask 应用添加额外的功能。社区支持Flask 拥有一个活跃的社区有许多第三方插件和教程可供使用。
Flask 和 Dash是两个不同的 Web 开发框架
Flask 和 Dash尤其是 Dash 与 Flask 的结合使用是两个不同的 Web 开发框架它们各有特点和用途。下面我将为您解释这两个框架的区别以及它们之间的联系。
Flask
Flask 是一个用 Python 编写的轻量级 Web 应用框架。它非常灵活适合快速开发小型到中型的 Web 应用程序。Flask 提供了基本的功能如路由、请求处理、会话管理等并且可以通过扩展来添加更多功能。Flask 的核心特性包括
灵活性Flask 没有固定的数据库或界面组件可以自由选择所需的工具和库。易于上手Flask 的文档清晰社区活跃适合初学者学习。扩展性通过安装扩展插件Flask 可以很容易地扩展其功能。
Dash
Dash 是一个基于 Flask 的高级框架专门用于创建交互式的 Web 应用程序特别是数据可视化应用。Dash 是由 Plotly 团队开发的它使用 React.js 作为前端库因此可以轻松地创建复杂的用户界面。Dash 的主要特点包括
声明式编程模型Dash 允许您通过简单的 Python 函数定义应用程序的行为而不需要深入理解前端技术。内置的组件库Dash 提供了一组丰富的 UI 组件可以用来构建用户界面。实时更新Dash 支持实时更新数据和图表非常适合仪表板和数据分析应用。
区别
用途Flask 更通用可以用于各种类型的 Web 应用程序而 Dash 主要针对数据驱动的应用特别是在数据可视化方面。复杂度Flask 需要更多的手动编码和配置而 Dash 通过封装简化了很多工作。用户界面Flask 通常需要开发者编写 HTML、CSS 和 JavaScript 来构建用户界面而 Dash 则提供了预构建的组件和样式。
联系
尽管 Dash 是一个独立的框架但它实际上是建立在 Flask 之上的。这意味着
基础架构Dash 应用程序通常运行在一个 Flask 服务器上可以利用 Flask 的路由和其他功能。集成能力你可以将 Dash 集成到现有的 Flask 应用程序中实现更复杂的功能组合。扩展性你可以在 Dash 应用中使用 Flask 扩展来增加额外的功能。
总结来说如果你正在寻找一个灵活且可扩展的基础框架来构建 Web 应用那么 Flask 是一个好的选择。而如果你专注于快速开发数据可视化和分析应用Dash 会是一个更加高效的选择。同时你也可以将两者结合起来使用以充分利用它们各自的优势。
Flask 的核心概念
路由URL 路由决定了哪个视图函数将被用来处理客户端请求。视图函数视图函数是处理客户端请求并返回响应的函数。模板Jinja2 是 Flask 默认使用的模板引擎用于生成 HTML 页面。请求和响应对象Flask 提供了对请求和响应对象的支持允许开发者访问 HTTP 请求的细节和创建响应。
创建一个简单的 Flask 应用
下面是一个简单的 Flask 应用示例它定义了一个路由和一个视图函数来响应 HTTP 请求。
from flask import Flaskapp Flask(__name__)app.route(/)
def hello_world():return Hello, World!if __name__ __main__:app.run()
在这个例子中我们创建了一个 Flask 应用实例并定义了一个路由 /该路由关联了一个名为 hello_world 的视图函数。这个视图函数返回 Hello, World! 字符串作为 HTTP 响应。
Flask 的用途
Web 开发构建动态网站和 Web 应用程序。API 开发创建 RESTful API 服务。微服务构建可独立部署的小型服务。教育教授 Web 开发基础知识。
Flask 通常与 SQLAlchemyORM、Flask-SQLAlchemySQLAlchemy 的 Flask 扩展、Flask-WTF表单处理、Flask-Login用户认证等扩展一起使用以增强其功能。 当然让我们进一步详细探讨 Flask 和 Dash 之间的区别以及如何将它们结合使用。
Flask
特点
轻量级Flask 不包含任何特定的数据库抽象层、表单验证工具或任何其他组件。它提供了一个简洁的核心可以轻松地与其他扩展库集成。灵活性Flask 允许开发者根据自己的需求选择合适的工具和库。例如你可以选择 SQLAlchemy 或者其他 ORM 工具来进行数据库操作或者使用 WTForms 进行表单验证。扩展性Flask 有一个广泛的生态系统提供了一系列的扩展来增强其功能例如 Flask-SQLAlchemy、Flask-WTF、Flask-Login 等。简单易用Flask 的设计使得开发者可以快速搭建 Web 应用并且容易上手。路由和视图函数Flask 使用装饰器来定义 URL 规则和对应的视图函数这使得路由设置变得直观且易于维护。
示例代码
from flask import Flask, render_templateapp Flask(__name__)app.route(/)
def index():return Hello, World!app.route(/hello/name)
def hello(name):return fHello, {name}!if __name__ __main__:app.run(debugTrue)
Dash
特点
数据可视化Dash 专为数据科学家和分析师设计它提供了丰富的交互式图表和图形库。声明式编程Dash 允许你通过 Python 函数来描述 UI 的行为而不是直接编写复杂的前端代码。React 基础Dash 的前端是基于 React 构建的这意味着它可以高效地处理用户输入并实时更新 UI。组件库Dash 提供了一整套预构建的组件这些组件可以直接用于构建 UI比如按钮、下拉列表、滑块等。状态管理Dash 内置了状态管理机制可以方便地管理应用程序的状态。
示例代码
import dash
import dash_core_components as dcc
import dash_html_components as html
from dash.dependencies import Input, Outputapp dash.Dash(__name__)app.layout html.Div([dcc.Input(idinput-box, typetext, value),html.Button(Submit, idbutton),html.Div(idoutput-container-button,childrenEnter a value and press submit)
])app.callback(Output(output-container-button, children),[Input(button, n_clicks)],[dash.dependencies.State(input-box, value)]
)
def update_output(n_clicks, value):if n_clicks is None:return Enter a value and press submitreturn fInput: {value}if __name__ __main__:app.run_server(debugTrue)
Dash 与 Flask 的结合
尽管 Dash 是基于 Flask 构建的但你仍然可以使用 Flask 的功能来增强你的 Dash 应用。例如你可以使用 Flask 的路由系统来处理非 Dash 相关的请求或者使用 Flask 的扩展来实现身份验证、数据库连接等功能。
结合示例
假设我们有一个 Dash 应用我们想添加一个登录页面只允许已认证的用户访问 Dash 应用。
from flask import Flask, session, redirect, url_for
import dash
import dash_core_components as dcc
import dash_html_components as html
from dash.dependencies import Input, Output
from flask_login import LoginManager, UserMixin, login_required, login_user, logout_user# Flask App
flask_app Flask(__name__)
flask_app.config[SECRET_KEY] your_secret_key_herelogin_manager LoginManager()
login_manager.init_app(flask_app)class User(UserMixin):def __init__(self, id):self.id idlogin_manager.user_loader
def load_user(user_id):return User(user_id)flask_app.route(/login, methods[GET, POST])
def login():# 登录逻辑user User(123456)login_user(user)return redirect(url_for(index))flask_app.route(/logout)
login_required
def logout():logout_user()return redirect(url_for(login))flask_app.route(/)
login_required
def index():return redirect(url_for(dash_app.index))# Dash App
dash_app dash.Dash(__name__, serverflask_app, url_base_pathname/dashboard/)dash_app.layout html.Div([html.H1(Dashboard),dcc.Graph(idexample-graph, figure{data: [{x: [1, 2, 3], y: [4, 1, 2], type: bar, name: SF},{x: [1, 2, 3], y: [2, 4, 5], type: bar, name: uMontreal},],layout: {title: Dash Data Visualization}})
])# 为 Dash 应用添加 Flask 的 login_required 装饰器
dash_app.server.route(/dashboard/)
login_required
def dash_index():return dash_app.index()if __name__ __main__:flask_app.run(debugTrue)
在这个例子中我们使用 Flask 来处理登录和登出操作并且只有经过身份验证的用户才能访问 Dash 应用。这种结合方式使得你可以利用 Flask 的强大功能来增强你的 Dash 应用同时也保持了 Dash 在数据可视化方面的优势。 1. 设置静态文件
在 Flask 中静态文件如 CSS、JavaScript 和图像文件通常存储在一个名为 static 的目录中。Flask 会自动为这个目录提供服务因此您可以在 HTML 模板中引用这些文件。
示例
假设您的项目结构如下所示
/my_project/app__init__.py/staticstyle.css/templatesindex.htmlrun.py
在 index.html 中您可以这样引用 style.css
!DOCTYPE html
html langen
headmeta charsetUTF-8meta nameviewport contentwidthdevice-width, initial-scale1.0titleFlask App/titlelink relstylesheet href{{ url_for(static, filenamestyle.css) }}
/headbodyh1Hello, Flask!/h1/body/html这里 url_for 函数用于生成静态文件的 URL。
2. 处理表单提交
Flask 可以轻松地处理 HTML 表单提交。这通常涉及到接收 POST 请求并验证用户输入。
示例
假设您有一个简单的登录表单
!-- templates/login.html --
form methodPOSTlabel forusernameUsername:/labelinput typetext idusername nameusername requiredlabel forpasswordPassword:/labelinput typepassword idpassword namepassword requiredbutton typesubmitLogin/button/form然后在 Flask 视图函数中处理表单提交 from flask import Flask, render_template, requestapp Flask(__name__)app.route(/login, methods[GET, POST])
def login():if request.method POST:username request.form[username]password request.form[password]if valid_login(username, password):return Logged in successfully!else:error Invalid username or password.return render_template(login.html, errorerror)return render_template(login.html)
3. 连接和操作数据库
Flask 可以与多种数据库系统集成其中最常用的数据库 ORM 是 SQLAlchemy。Flask-SQLAlchemy 是一个流行的扩展简化了 Flask 应用与 SQLAlchemy 的集成。
示例
安装 Flask-SQLAlchemy
pip install Flask-SQLAlchemy
配置数据库连接
from flask import Flask
from flask_sqlalchemy import SQLAlchemyapp Flask(__name__)
app.config[SQLALCHEMY_DATABASE_URI] sqlite:///example.db
db SQLAlchemy(app)class User(db.Model):id db.Column(db.Integer, primary_keyTrue)username db.Column(db.String(80), uniqueTrue, nullableFalse)email db.Column(db.String(120), uniqueTrue, nullableFalse)def __repr__(self):return User %r % self.username
在视图函数中查询数据库
app.route(/users)
def show_users():users User.query.all()return render_template(users.html, usersusers)
4. 用户认证和会话管理
Flask-Login 是一个常用的扩展用于处理用户认证和会话管理。
示例
安装 Flask-Login
pip install Flask-Login
配置用户模型
from flask_login import UserMixinclass User(UserMixin, db.Model):# ... (previous code)pass
配置 Flask-Login
from flask_login import LoginManager, login_user, logout_user, login_required, current_userlogin_manager LoginManager()
login_manager.init_app(app)
login_manager.login_view loginlogin_manager.user_loader
def load_user(user_id):return User.query.get(int(user_id))
保护路由
app.route(/protected)
login_required
def protected():return fLogged in as: {current_user.username}
5. 部署 Flask 应用到生产环境
在生产环境中运行 Flask 应用通常需要使用 WSGI 服务器例如 Gunicorn 或 uWSGI并配合反向代理服务器如 Nginx。
示例配置
安装 Gunicorn
pip install gunicorn
启动应用
gunicorn app:app
配置 Nginx
server {listen 80;server_name example.com;location / {proxy_pass http://localhost:5000;proxy_set_header Host $host;proxy_set_header X-Real-IP $remote_addr;proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;proxy_set_header X-Forwarded-Proto $scheme;}
}
6. 错误处理
在 Flask 中可以通过定义错误处理程序来捕获并响应特定类型的 HTTP 错误。这有助于提供一致的用户体验并且可以记录错误以便于调试。
示例
from flask import Flask, jsonifyapp Flask(__name__)app.errorhandler(404)
def not_found(error):return jsonify({error: Not Found, message: str(error)}), 404app.errorhandler(500)
def internal_server_error(error):return jsonify({error: Internal Server Error, message: str(error)}), 500
7. 单元测试
Flask 提供了一个内置的测试客户端可以帮助您编写和运行单元测试。
示例
import unittest
from flask import Flask, jsonapp Flask(__name__)app.route(/api/v1/users)
def get_users():users [{id: 1, name: Alice}, {id: 2, name: Bob}]return json.jsonify(users)class TestApp(unittest.TestCase):def setUp(self):self.app app.test_client()def test_get_users(self):response self.app.get(/api/v1/users)data json.loads(response.data)self.assertEqual(response.status_code, 200)self.assertEqual(len(data), 2)self.assertEqual(data[0][name], Alice)if __name__ __main__:unittest.main()
8. 蓝图Blueprints
蓝图允许您组织视图函数和其他应用程序代码到模块化结构中。这对于大型应用程序非常有用可以避免把所有的路由和视图都放在同一个文件中。
示例
创建一个蓝图
from flask import Blueprint, render_templateusers_bp Blueprint(users, __name__, template_foldertemplates)users_bp.route(/)
def index():return render_template(users/index.html)app.register_blueprint(users_bp, url_prefix/users)
9. 使用环境变量
为了更好地管理和分离配置可以使用环境变量来设置不同的配置值。例如您可以使用环境变量来指定数据库 URI 或者密钥。
示例
在 .env 文件中设置环境变量
FLASK_APPapp.py
FLASK_ENVdevelopment
SECRET_KEYsecretkey
SQLALCHEMY_DATABASE_URIsqlite:///dev.db
然后在 Python 代码中读取这些变量
from os import environ
from flask import Flask
from flask_sqlalchemy import SQLAlchemyapp Flask(__name__)
app.config[SECRET_KEY] environ.get(SECRET_KEY)
app.config[SQLALCHEMY_DATABASE_URI] environ.get(SQLALCHEMY_DATABASE_URI)
db SQLAlchemy(app)
10. 配置日志
日志对于跟踪错误和监控应用程序的性能至关重要。Flask 支持使用标准的 Python 日志模块。
示例
配置日志
import logging
from flask import Flaskapp Flask(__name__)
app.logger.setLevel(logging.DEBUG)app.route(/)
def hello_world():app.logger.debug(A value for debugging)app.logger.warning(A warning occurred (%d apples), 42)app.logger.error(An error occurred)return Hello, World!
11. 部署到云平台
除了传统的部署方式您还可以选择将 Flask 应用部署到云平台上比如 Heroku、AWS、Google Cloud Platform 等。
示例
部署到 Heroku
创建一个 Procfile 文件
web: gunicorn app:app
使用 Git 将应用推送到 Heroku
git init
git add .
git commit -m Initial commit
heroku create
git push heroku master
12. 使用 Docker 容器
Docker 容器提供了一种简单的方式来打包和部署应用程序及其依赖项。
示例 Dockerfile
FROM python:3.8-slimWORKDIR /appCOPY requirements.txt .RUN pip install --no-cache-dir -r requirements.txtCOPY . .CMD [gunicorn, -w, 3, -b, 0.0.0.0:5000, app:app]
构建和运行 Docker 容器
docker build -t my-flask-app .
docker run -p 5000:5000 my-flask-app dash高级组件
Dash Core Components (dcc)这是 Dash 提供的一组预定义的 React 组件它们可以直接在 Python 中使用。Dash HTML Components (html)这是一组基本的 HTML 标签封装可以用来构建网页布局。Dash Layouts如何组织和布局你的应用。Dash Callbacks如何连接前端组件与后端逻辑。Stateful Callbacks如何处理状态管理。Dash Deployment如何部署你的 Dash 应用。
1. Dash Core Components (dcc)
dcc 包含了许多交互组件如滑块 (Slider)、下拉列表 (Dropdown)、日期选择器 (DatePickerSingle, DatePickerRange) 等。
示例使用 dcc.Graph 显示动态图表
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Graph(idgraph-with-slider),dcc.Slider(idyear-slider,mindf[year].min(),maxdf[year].max(),valuedf[year].min(),marks{str(year): str(year) for year in df[year].unique()},stepNone),
])app.callback(Output(graph-with-slider, figure),[Input(year-slider, value)]
)
def update_figure(selected_year):filtered_df df[df.year selected_year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp,sizepop, colorcontinent, hover_namecountry,log_xTrue, size_max55)fig.update_layout(transition_duration500)return figif __name__ __main__:app.run_server(debugTrue)
2. Dash HTML Components (html)
html 提供了一系列基本的 HTML 标签如 Div, H1, P, Table, Img 等。
示例使用 html.Div 布局
import dash
from dash import htmlapp dash.Dash(__name__)app.layout html.Div([html.H1(Welcome to my app),html.P(This is some text.),html.Table([html.Tr([html.Td(A), html.Td(B)]),html.Tr([html.Td(C), html.Td(D)])])
])if __name__ __main__:app.run_server(debugTrue)
3. Dash Layouts
你可以使用 html.Div 来组织其他组件并通过 CSS 类来控制布局。
示例使用 className 控制样式
import dash
from dash import html, dccapp dash.Dash(__name__)app.layout html.Div([html.Div(Some content, classNamecontent),dcc.Dropdown(options[{label: Option 1, value: 1}], value1)
], classNamecontainer)if __name__ __main__:app.run_server(debugTrue)
4. Dash Callbacks
回调是 Dash 应用的核心它定义了前后端之间的交互逻辑。
示例回调函数
import dash
from dash import dcc, html
from dash.dependencies import Input, Outputapp dash.Dash(__name__)app.layout html.Div([dcc.Input(idinput-box, typetext, valueInitial Text),html.Div(idoutput-container)
])app.callback(Output(output-container, children),[Input(input-box, value)]
)
def update_output(value):return fInput: {value}if __name__ __main__:app.run_server(debugTrue)
5. Stateful Callbacks
在某些情况下你需要在回调之间保持状态可以使用 State 对象。
示例使用 State
import dash
from dash import dcc, html
from dash.dependencies import Input, Output, Stateapp dash.Dash(__name__)app.layout html.Div([dcc.Input(idinput-1, typetext, valueMontreal),dcc.Input(idinput-2, typetext, valueCanada),html.Button(Submit, idbutton),html.Div(idoutput-container)
])app.callback(Output(output-container, children),[Input(button, n_clicks)],[State(input-1, value), State(input-2, value)]
)
def update_output(n_clicks, input1, input2):return fInput 1: {input1}, Input 2: {input2}if __name__ __main__:app.run_server(debugTrue)
6. Dash Deployment
部署 Dash 应用通常涉及将其放置在一个 Web 服务器上。Plotly 提供了一个名为 Heroku 的免费平台来托管应用但也可以使用其他的云服务提供商。
示例使用 gunicorn 启动 Dash 应用
gunicorn my_dash_app:server dash高级主题
Dash Bootstrap Components (dbc)使用 Bootstrap 框架来美化你的 Dash 应用。Dash Interactivity如何创建复杂的交互式应用。Dash Deployment with Docker使用 Docker 来部署你的 Dash 应用。Dash Performance Optimization提高 Dash 应用的性能。Dash Authentication and Security保护你的 Dash 应用。
1. Dash Bootstrap Components (dbc)
Dash Bootstrap Components 是一个第三方库它为 Dash 提供了一套基于 Bootstrap 4 的组件可以让你的应用看起来更加专业和美观。
安装 Dash Bootstrap Components
pip install dash-bootstrap-components
示例使用 dbc.Container 和 dbc.Row
import dash
from dash import html
import dash_bootstrap_components as dbcapp dash.Dash(external_stylesheets[dbc.themes.BOOTSTRAP])app.layout dbc.Container([dbc.Row([dbc.Col(html.H1(Welcome to my app), classNamemb-5)]),dbc.Row([dbc.Col(html.P(This is some text.), width6),dbc.Col(dbc.Card(dbc.CardBody(Card content)), width6)])
], fluidTrue)if __name__ __main__:app.run_server(debugTrue)
2. Dash Interactivity
Dash 允许你创建复杂的交互式应用例如动态图表、响应式表格等。
示例创建一个交互式图表
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.graph_objects as go
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/iris.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Dropdown(idxaxis-column,options[{label: i, value: i} for i in df.columns[1:]],valuedf.columns[1]),dcc.Graph(idindicator-graphic)
])app.callback(Output(indicator-graphic, figure),[Input(xaxis-column, value)]
)
def update_graph(xaxis_column_name):fig go.Figure(data[go.Scatter(xdf[df[species] species][xaxis_column_name],ydf[df[species] species][sepal_length],modemarkers,namespecies,markerdict(size12, opacity0.5)) for species in df[species].unique()])fig.update_layout(xaxis_titlexaxis_column_name, yaxis_titleSepal Length)return figif __name__ __main__:app.run_server(debugTrue)
3. Dash Deployment with Docker
使用 Docker 可以轻松地将你的 Dash 应用打包并部署到任何地方。
创建 Dockerfile
FROM python:3.8-slimWORKDIR /appCOPY requirements.txt .
RUN pip install -r requirements.txtCOPY . .CMD [gunicorn, -b, 0.0.0.0:8050, app:server]
构建 Docker 镜像
docker build -t my-dash-app .
运行 Docker 容器
docker run -p 8050:8050 my-dash-app
4. Dash Performance Optimization
为了提高 Dash 应用的性能可以考虑以下几点
使用 Dash Diskcache将计算结果缓存到磁盘。异步回调使用 Dash 的异步回调功能来处理耗时的任务。使用 Dash Pages将大型应用拆分为多个页面。
示例使用 Dash Diskcache
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pd
from dash_extensions.enrich import DiskcacheManagerimport diskcachecache diskcache.Cache(./cache)
background_callback_manager DiskcacheManager(cache)app dash.Dash(__name__, background_callback_managerbackground_callback_manager)df pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app.layout html.Div([dcc.Dropdown(idcountry-dropdown,options[{label: country, value: country} for country in df.country.unique()],valueCanada),dcc.Graph(idcountry-graph)
])app.callback(Output(country-graph, figure),[Input(country-dropdown, value)]
)
def update_graph(country):filtered_df df[df.country country]fig px.line(filtered_df, xyear, ylifeExp, titlefLife Expectancy in {country})return figif __name__ __main__:app.run_server(debugTrue)
5. Dash Authentication and Security
为了保护你的 Dash 应用可以使用以下方法
使用 Dash Auth内置的简单认证系统。HTTPS确保所有通信都是加密的。限制访问仅允许授权 IP 地址访问应用。
示例使用 Dash Auth
import dash
from dash import html
from dash_auth import BasicAuthapp dash.Dash(__name__)VALID_USERNAME_PASSWORD_PAIRS {hello: world,test: test
}auth BasicAuth(app, VALID_USERNAME_PASSWORD_PAIRS)app.layout html.Div([html.H1(Secure Dash Application),html.P(Hello, world!)
])if __name__ __main__:app.run_server(debugTrue) Dash Pages如何使用 Dash Pages 来构建多页面应用。Dash URL Routing如何处理 URL 路由和导航。Dash Extensions如何利用 Dash Extensions 来扩展 Dash 的功能。Dash Data Tables如何使用 DataTables 来展示和操作数据。Dash with Flask如何将 Dash 应用集成到 Flask 框架中。
1. Dash Pages
Dash Pages 允许你创建具有多个页面的复杂应用。你可以使用 dash_pages 或者 dash_multipage 来实现这一点。
示例使用 dash_pages
import dash
from dash import html, dcc
import dash_pagesapp dash.Dash(__name__, use_pagesTrue)app.layout html.Div([dcc.Location(idurl, refreshFalse),dash_pages.NavbarSimple(brandMy App,brand_href/,children[dash_pages.NavItem(dash_pages.NavLink(Page 1, hrefdash_pages.get_page_url(page_1))),dash_pages.NavItem(dash_pages.NavLink(Page 2, hrefdash_pages.get_page_url(page_2))),],stickytop,),dash_pages.PageContainer()
])if __name__ __main__:app.run_server(debugTrue)
页面定义
每个页面通常定义在单独的 Python 文件中例如 pages/page_1.py 和 pages/page_2.py。
# pages/page_1.py
import dash
from dash import htmllayout html.Div([html.H1(Page 1),html.P(This is the first page of the application.)
])
# pages/page_2.py
import dash
from dash import htmllayout html.Div([html.H1(Page 2),html.P(This is the second page of the application.)
])
2. Dash URL Routing
Dash 支持 URL 路由这意味着你可以根据不同的 URL 显示不同的页面或内容。
示例使用 dash_pages 的路由
import dash
from dash import html, dcc
import dash_pagesapp dash.Dash(__name__, use_pagesTrue)app.layout html.Div([dcc.Location(idurl, refreshFalse),dash_pages.NavbarSimple(brandMy App,brand_href/,children[dash_pages.NavItem(dash_pages.NavLink(Home, href/)),dash_pages.NavItem(dash_pages.NavLink(Page 1, hrefdash_pages.get_page_url(page_1))),dash_pages.NavItem(dash_pages.NavLink(Page 2, hrefdash_pages.get_page_url(page_2))),],stickytop,),dash_pages.PageContainer()
])if __name__ __main__:app.run_server(debugTrue)
3. Dash Extensions
Dash Extensions 是一系列额外的库可以扩展 Dash 的功能。例如dash_extensions 提供了额外的组件和功能如 Lottie 动画、Camera 等。
示例使用 dash_extensions
import dash
from dash import html, dcc
from dash_extensions.enrich import Lottie
import dash_extensions as deapp dash.Dash(__name__)app.layout html.Div([Lottie(options{loop: True, autoplay: True, animationData: de.load_component_from_url(https://assets9.lottiefiles.com/packages/lf20_qc8w1z9y.json)}),dcc.Slider(idmy-slider, min0, max100, value50),
])if __name__ __main__:app.run_server(debugTrue)
4. Dash Data Tables
Dash 提供了强大的 DataTables 组件可以用来展示和操作数据。
示例使用 dash_table.DataTable
import dash
from dash import html, dcc
from dash import dash_table
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminder2007.csv)app dash.Dash(__name__)app.layout html.Div([dash_table.DataTable(idtable,columns[{name: i, id: i} for i in df.columns],datadf.to_dict(records),editableTrue,filter_actionnative,sort_actionnative,sort_modemulti,column_selectablesingle,row_selectablemulti,row_deletableTrue,selected_columns[],selected_rows[],page_actionnative,page_current0,page_size10,)
])if __name__ __main__:app.run_server(debugTrue)
5. Dash with Flask
Dash 可以与 Flask 框架结合使用这样可以方便地添加额外的路由和后端逻辑。
示例使用 Flask 与 Dash 结合
from flask import Flask
import dash
from dash import html, dcc
from dash import dash_table
import pandas as pdserver Flask(__name__)
app dash.Dash(__name__, serverserver, routes_pathname_prefix/dash/)df pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminder2007.csv)app.layout html.Div([dash_table.DataTable(idtable,columns[{name: i, id: i} for i in df.columns],datadf.to_dict(records),)
])server.route(/)
def home():return Welcome to the home page!if __name__ __main__:server.run(debugTrue) Dash Layouts如何构建灵活的应用布局。Dash Callbacks如何创建交互式回调函数。Dash State Management如何管理和维护应用的状态。Dash Deployment如何部署 Dash 应用到服务器上。Dash Security如何保护你的 Dash 应用。
1. Dash Layouts
在 Dash 中布局是通过组合 HTML 和 CSS 样式来构建的。你可以使用 Dash 的内置组件或者第三方库如 dash_bootstrap_components来创建美观的界面。
示例使用 dash_bootstrap_components 创建布局
import dash
from dash import html, dcc
import dash_bootstrap_components as dbcapp dash.Dash(external_stylesheets[dbc.themes.BOOTSTRAP])app.layout dbc.Container([dbc.Row([dbc.Col(html.H1(Welcome to my Dash App!), classNamemb-2),dbc.Col(html.H6(A simple example layout), classNamemb-4)]),dbc.Row([dbc.Col(dcc.Dropdown([NYC, MTL, SF], NYC, iddropdown-selection), width2),dbc.Col(dcc.Graph(idline-plot))])
])app.callback(dash.dependencies.Output(line-plot, figure),[dash.dependencies.Input(dropdown-selection, value)]
)
def update_graph(value):# 假设你有一个包含数据的 DataFramedf pd.DataFrame({x: [1, 2, 3, 4, 5],y: [10, 20, 30, 40, 50]})figure {data: [{x: df[x], y: df[y], type: line, name: value},],layout: {title: Simple Line Plot}}return figureif __name__ __main__:app.run_server(debugTrue)
2. Dash Callbacks
Dash 的核心功能之一是它的回调机制它允许你在用户与应用交互时更新 UI 组件。
示例创建一个简单的回调
import dash
from dash import html, dcc
from dash.dependencies import Input, Outputapp dash.Dash()app.layout html.Div([dcc.Input(idinput-box, typetext, value),html.Button(Submit, idbutton),html.Div(idoutput-container-button,childrenEnter a value and press submit)
])app.callback(Output(output-container-button, children),Input(button, n_clicks),Input(input-box, value)
)
def update_output(n_clicks, value):if n_clicks is None:return Enter a value and press submitelse:return fInput value was {value}, and the button has been clicked {n_clicks} timesif __name__ __main__:app.run_server(debugTrue)
3. Dash State Management
在 Dash 中管理状态对于保持应用程序的一致性和响应性至关重要。你可以使用 State 对象来跟踪和管理状态。
示例使用 State 更新组件
import dash
from dash import html, dcc
from dash.dependencies import Input, Output, Stateapp dash.Dash()app.layout html.Div([dcc.Input(idinput-1, typetext, valueMontreal),dcc.Input(idinput-2, typetext, valueCanada),html.Button(idsubmit-button, n_clicks0, childrenSubmit),html.Div(idoutput-state)
])app.callback(Output(output-state, children),Input(submit-button, n_clicks),State(input-1, value),State(input-2, value)
)
def update_output(n_clicks, input1, input2):if n_clicks 0:return fThe Button has been pressed {n_clicks} times, \fInput 1 is {input1}, and Input 2 is {input2}else:return if __name__ __main__:app.run_server(debugTrue)
4. Dash Deployment
部署 Dash 应用到生产环境通常涉及选择一个合适的服务器并配置必要的环境变量和依赖项。
示例部署到 Heroku
将应用文件上传到 GitHub。在 Heroku 上创建一个新的应用。配置应用环境变量。将代码推送到 Heroku Git 存储库。使用 gunicorn 或其他 WSGI 服务器运行应用。
5. Dash Security
保护 Dash 应用的安全是非常重要的这包括使用 HTTPS、设置身份验证以及防止跨站脚本攻击XSS等。
示例使用基本的身份验证
import dash
from dash import html, dcc
from dash.exceptions import PreventUpdate
from flask import Flask, session
from flask_login import LoginManager, UserMixin, login_user, logout_user, current_user
import osserver Flask(__name__)
app dash.Dash(__name__, serverserver)server.config.update(SECRET_KEYos.urandom(12),SESSION_COOKIE_HTTPONLYTrue,REMEMBER_COOKIE_HTTPONLYTrue,SESSION_COOKIE_SAMESITEStrict,
)login_manager LoginManager()
login_manager.init_app(server)
login_manager.login_view /loginclass User(UserMixin):def __init__(self, id):self.id idlogin_manager.user_loader
def load_user(user_id):return User(user_id)app.layout html.Div([dcc.Input(idinput-box, typetext, value),html.Button(Submit, idbutton),html.Div(idoutput-container-button,childrenEnter a value and press submit)
])app.callback(Output(output-container-button, children),Input(button, n_clicks),Input(input-box, value)
)
def update_output(n_clicks, value):if not current_user.is_authenticated:raise PreventUpdatereturn fInput value was {value}, and the button has been clicked {n_clicks} times# 登录页面
server.route(/login, methods[GET, POST])
def login():if request.method POST:username request.form[username]password request.form[password]if check_password(username, password): # 假设你有检查密码的函数user User(username)login_user(user)return redirect(url_for(index))return form methodpostUsername: input typetext nameusernamebrPassword: input typepassword namepasswordbrinput typesubmit valueLogin/form# 注销页面
server.route(/logout)
def logout():logout_user()return redirect(url_for(login))if __name__ __main__:app.run_server(debugTrue)
以 Dash Multi-Page Applications如何构建具有多个页面的 Dash 应用。Dash with Flask如何将 Dash 应用集成到 Flask 框架中。Dash Performance Optimization如何优化 Dash 应用的性能。Dash Deployment如何部署 Dash 应用到生产环境。Dash Security Best Practices如何保护你的 Dash 应用免受安全威胁。
1. Dash Multi-Page Applications
在 Dash 中构建多页面应用可以通过多种方式实现包括使用 dash_pages 或者 dash_multipage 等库。
示例使用 dash_pages 创建多页面应用
import dash
from dash import html, dcc
import dash_pagesapp dash.Dash(__name__, use_pagesTrue)app.layout html.Div([dcc.Location(idurl, refreshFalse),html.H1(My Multi-Page App),dash_pages.NavbarSimple(brandMy App,brand_href/,children[dash_pages.NavItem(dash_pages.NavLink(page[name], hrefpage[relative_path]) for page in dash_pages.get_pages())],stickytop,),dash_pages.PageContainer()
])if __name__ __main__:app.run_server(debugTrue)
页面定义
每个页面通常定义在单独的 Python 文件中例如 pages/page_1.py 和 pages/page_2.py。
# pages/page_1.py
import dash
from dash import htmllayout html.Div([html.H1(Page 1),html.P(This is the first page of the application.)
])
# pages/page_2.py
import dash
from dash import htmllayout html.Div([html.H1(Page 2),html.P(This is the second page of the application.)
])
2. Dash with Flask
将 Dash 应用集成到 Flask 框架中可以让你充分利用 Flask 的路由和其他功能。
示例使用 Flask 与 Dash 结合
from flask import Flask, render_template
import dash
from dash import html, dcc
import dash_bootstrap_components as dbcserver Flask(__name__)app dash.Dash(__name__, serverserver, url_base_pathname/dash/)app.layout dbc.Container([dbc.Row([dbc.Col(html.H1(Welcome to my Dash App!), classNamemb-2),dbc.Col(html.H6(A simple example layout), classNamemb-4)]),dbc.Row([dbc.Col(dcc.Dropdown([NYC, MTL, SF], NYC, iddropdown-selection), width2),dbc.Col(dcc.Graph(idline-plot))])
])app.callback(dash.dependencies.Output(line-plot, figure),[dash.dependencies.Input(dropdown-selection, value)]
)
def update_graph(value):# 假设你有一个包含数据的 DataFramedf pd.DataFrame({x: [1, 2, 3, 4, 5],y: [10, 20, 30, 40, 50]})figure {data: [{x: df[x], y: df[y], type: line, name: value},],layout: {title: Simple Line Plot}}return figureserver.route(/)
def home():return render_template(home.html) # 假设你有一个 HTML 模板文件if __name__ __main__:server.run(debugTrue)
3. Dash Performance Optimization
为了提高 Dash 应用的性能可以采取以下措施
使用 Dash Diskcache 来缓存计算结果。使用异步回调来处理耗时的操作。利用 Dash 的 no_initial_callback 选项来避免不必要的回调触发。
示例使用 Dash Diskcache
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pd
from dash_extensions.enrich import DiskcacheManagerimport diskcachecache diskcache.Cache(./cache)
background_callback_manager DiskcacheManager(cache)app dash.Dash(__name__, background_callback_managerbackground_callback_manager)df pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp,sizepop, colorcontinent, hover_namecountry,log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
4. Dash Deployment
部署 Dash 应用到生产环境通常涉及以下步骤
选择一个合适的服务器或云服务提供商。使用 Docker 容器化你的应用。设置必要的环境变量和依赖项。
示例使用 Docker 部署 Dash 应用
创建 Dockerfile。构建 Docker 镜像。运行 Docker 容器。
# Dockerfile
FROM python:3.8-slimWORKDIR /appCOPY requirements.txt .
RUN pip install -r requirements.txtCOPY . .CMD [gunicorn, -b, 0.0.0.0:8050, app:server]
构建 Docker 镜像
docker build -t my-dash-app .
运行 Docker 容器
docker run -p 8050:8050 my-dash-app
5. Dash Security Best Practices
为了保护你的 Dash 应用应该遵循以下最佳实践
使用 HTTPS 协议来加密通信。设置身份验证以限制对应用的访问。使用 CSRF 令牌来防止跨站请求伪造攻击。确保敏感信息不会泄露给客户端。
示例使用基本的身份验证
import dash
from dash import html, dcc
from dash_auth import BasicAuthapp dash.Dash(__name__)VALID_USERNAME_PASSWORD_PAIRS {hello: world,test: test
}auth BasicAuth(app, VALID_USERNAME_PASSWORD_PAIRS)app.layout html.Div([html.H1(Secure Dash Application),html.P(Hello, world!)
])if __name__ __main__:app.run_server(debugTrue, ssl_contextadhoc)
这些是 Dash 的一些高级主题和技术细节。如果你有任何具体问题或需要帮助的地方请随时告诉我 当然我们可以继续深入探讨一些 Dash 的高级主题和技术细节。接下来我将介绍以下几点
Dash Advanced Callbacks如何使用 Dash 的高级回调功能。Dash Custom Components如何创建自定义的 Dash 组件。Dash with Pandas and DataFrames如何在 Dash 中处理和展示数据。Dash with Plotly Express如何使用 Plotly Express 创建交互式图表。Dash with Dash Pages如何构建多页面的 Dash 应用。 1. Dash Advanced Callbacks
Dash 提供了一些高级回调功能例如异步回调、多输出回调等。
示例使用异步回调
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pd
from dash_extensions.enrich import Dash, Output, Input, State, callback, DiskcacheManagerimport diskcachecache diskcache.Cache(./cache)
background_callback_manager DiskcacheManager(cache)app Dash(__name__, background_callback_managerbackground_callback_manager)df pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp,sizepop, colorcontinent, hover_namecountry,log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
2. Dash Custom Components
在 Dash 中你可以创建自定义的组件来复用代码和简化布局。
示例创建自定义组件
import dash
from dash import dcc, htmldef CustomButton(id, label):return html.Button(label, idid, classNamecustom-button-style)app dash.Dash(__name__)app.layout html.Div([CustomButton(my-button, Click Me),html.Div(idoutput-container-button)
])app.callback(dash.dependencies.Output(output-container-button, children),[dash.dependencies.Input(my-button, n_clicks)]
)
def update_output(n_clicks):return fThe button has been clicked {n_clicks} timesif __name__ __main__:app.run_server(debugTrue)
3. Dash with Pandas and DataFrames
Dash 可以轻松地与 Pandas 数据帧结合使用以进行数据分析和展示。
示例使用 Pandas DataFrame
import dash
from dash import dcc, html
import pandas as pd
import plotly.express as pxdf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Graph(idgapminder-graph),dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min())
])app.callback(dash.dependencies.Output(gapminder-graph, figure),[dash.dependencies.Input(year-slider, value)]
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp,sizepop, colorcontinent, hover_namecountry,log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
4. Dash with Plotly Express
Plotly Express 是一个高级接口用于快速创建交互式图表。
示例使用 Plotly Express
import dash
from dash import dcc, html
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Graph(idgapminder-graph),dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min())
])app.callback(dash.dependencies.Output(gapminder-graph, figure),[dash.dependencies.Input(year-slider, value)]
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp,sizepop, colorcontinent, hover_namecountry,log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
5. Dash with Dash Pages
Dash Pages 允许你构建多页面的应用。
示例使用 Dash Pages
import dash
from dash import html, dcc
import dash_pagesapp dash.Dash(__name__, use_pagesTrue)app.layout html.Div([dcc.Location(idurl, refreshFalse),html.H1(My Multi-Page App),dash_pages.NavbarSimple(brandMy App,brand_href/,children[dash_pages.NavItem(dash_pages.NavLink(page[name], hrefpage[relative_path]) for page in dash_pages.get_pages())],stickytop,),dash_pages.PageContainer()
])if __name__ __main__:app.run_server(debugTrue)
页面定义
每个页面通常定义在单独的 Python 文件中例如 pages/page_1.py 和 pages/page_2.py。
# pages/page_1.py
import dash
from dash import htmllayout html.Div([html.H1(Page 1),html.P(This is the first page of the application.)
])
# pages/page_2.py
import dash
from dash import htmllayout html.Div([html.H1(Page 2),html.P(This is the second page of the application.)
])
Dash 的高级主题和技术细节
Dash Server-Side Callbacks如何使用 Dash 的服务器端回调功能。Dash with Flask and SQLAlchemy如何将 Dash 与 Flask 和数据库结合使用。Dash with Plotly Graph Objects如何使用 Plotly Graph Objects 创建图表。Dash with Dash Bio如何使用 Dash Bio 库创建生物信息学应用。Dash with Dash Cytoscape如何使用 Dash Cytoscape 创建网络图。
1. Dash Server-Side Callbacks
Dash 的服务器端回调功能允许你执行长时间运行的任务并在后台处理这些任务。
示例使用服务器端回调
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pd
from dash_extensions.enrich import Dash, Output, Input, State, callback, DiskcacheManagerimport diskcachecache diskcache.Cache(./cache)
background_callback_manager DiskcacheManager(cache)app Dash(__name__, background_callback_managerbackground_callback_manager)df pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp,sizepop, colorcontinent, hover_namecountry,log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
2. Dash with Flask and SQLAlchemy
你可以将 Dash 与 Flask 和 SQLAlchemy 结合使用以实现数据库操作。
示例使用 Flask 和 SQLAlchemy
from flask import Flask
from flask_sqlalchemy import SQLAlchemy
import dash
from dash import html, dcc
from dash.dependencies import Input, Outputserver Flask(__name__)
app dash.Dash(__name__, serverserver)server.config[SQLALCHEMY_DATABASE_URI] sqlite:///example.db
db SQLAlchemy(server)class User(db.Model):id db.Column(db.Integer, primary_keyTrue)username db.Column(db.String(80), uniqueTrue, nullableFalse)email db.Column(db.String(120), uniqueTrue, nullableFalse)db.create_all()app.layout html.Div([dcc.Input(idnew-user-input, typetext, placeholderNew User),html.Button(Add User, idadd-user-button),html.Div(idoutput-div)
])app.callback(Output(output-div, children),Input(add-user-button, n_clicks),State(new-user-input, value)
)
def add_user(n_clicks, new_user):if n_clicks is None:return else:user User(usernamenew_user, emailf{new_user}example.com)db.session.add(user)db.session.commit()return fUser {new_user} added.if __name__ __main__:server.run(debugTrue)
3. Dash with Plotly Graph Objects
Plotly Graph Objects 提供了更多的灵活性和控制以创建复杂的图表。
示例使用 Plotly Graph Objects
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.graph_objects as go
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig go.Figure(datago.Scatter(xfiltered_df[gdpPercap],yfiltered_df[lifeExp],modemarkers,markerdict(sizefiltered_df[pop]/100000, colorfiltered_df[continent]),textfiltered_df[country]))fig.update_layout(titlefGapminder Data for {year},xaxis_titleGDP per Capita,yaxis_titleLife Expectancy,showlegendFalse)return figif __name__ __main__:app.run_server(debugTrue)
4. Dash with Dash Bio
Dash Bio 是一个专为生物信息学应用设计的库。
示例使用 Dash Bio
import dash
from dash import html, dcc
import dash_bio as dashbio
import plotly.graph_objects as goapp dash.Dash(__name__)app.layout html.Div([dcc.Graph(idsequence-viewer),dcc.Slider(idsequence-slider,min0,max1000,step1,value500)
])app.callback(Output(sequence-viewer, figure),Input(sequence-slider, value)
)
def update_sequence_viewer(position):sequence ATCG * 250 # 生成一个简单的 DNA 序列fig go.Figure(data[go.Scatter(xlist(range(len(sequence))), y[1] * len(sequence), modemarkers,markerdict(color[{A: green, T: orange, C: blue, G: red}[base] for base in sequence]))])fig.update_layout(titlefSequence Viewer at Position {position},xaxis_titlePosition,yaxis_titleNucleotide,showlegendFalse)return figif __name__ __main__:app.run_server(debugTrue)
5. Dash with Dash Cytoscape
Dash Cytoscape 是一个用于创建交互式网络图的库。
示例使用 Dash Cytoscape
import dash
from dash import html, dcc
import dash_cytoscape as cytoapp dash.Dash(__name__)elements [{data: {id: one, label: Node 1}},{data: {id: two, label: Node 2}},{data: {source: one, target: two}}
]app.layout html.Div([cyto.Cytoscape(idcytoscape,elementselements,style{width: 100%, height: 450px},layout{name: preset})
])if __name__ __main__:app.run_server(debugTrue)
当然可以。接下来我们将探讨更多关于 Dash 的高级主题和技术细节。以下是几个额外的主题
6. Dash with Plotly Express
Plotly Express 是一个用于快速创建交互式图表的高层 API。它提供了许多内置的图表类型并且非常易于使用。
示例使用 Plotly Express
import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
7. Dash with Dash Bootstrap Components (DBC)
Dash Bootstrap Components (DBC) 是一个基于 Dash 和 Bootstrap 的 UI 组件库它可以帮助你快速构建美观的用户界面。
示例使用 DBC
import dash
import dash_bootstrap_components as dbc
from dash import html, dcc
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__, external_stylesheets[dbc.themes.BOOTSTRAP])app.layout dbc.Container([html.H1(Gapminder Data Visualization),dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
8. Dash with Pandas Profiling
Pandas Profiling 是一个用于自动数据质量报告的库。它可以很容易地集成到 Dash 中为用户提供对数据集的深入理解。
示例使用 Pandas Profiling
import dash
import dash_table
from dash import html, dcc
from dash.dependencies import Input, Output
import pandas as pd
import pandas_profiling
from jinja2 import Templatereport pandas_profiling.ProfileReport(df)app dash.Dash(__name__)app.layout html.Div([dcc.Markdown(report.to_html(), dangerously_allow_htmlTrue),dash_table.DataTable(idtable,columns[{name: i, id: i} for i in df.columns],datadf.to_dict(records),page_size10)
])if __name__ __main__:app.run_server(debugTrue)
9. Dash with Dash AgGrid
Dash AgGrid 是一个用于展示表格数据的组件它提供了很多功能如排序、过滤等。
示例使用 Dash AgGrid
import dash
from dash import html, dcc
from dash_ag_grid.AgGrid import AgGrid
import dash_ag_grid as dag
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)columnDefs [{field: c} for c in df.columns]app.layout html.Div([AgGrid(columnDefscolumnDefs,rowDatadf.to_dict(records),defaultColDef{resizable: True, sortable: True, filter: True},dashGridOptions{rowSelection: multiple},classNameag-theme-balham)
])if __name__ __main__:app.run_server(debugTrue)
10. Dash with Flask Extensions
Flask 提供了许多扩展来增强其功能。例如Flask-Caching 可以用来缓存昂贵的操作。
示例使用 Flask-Caching
from flask import Flask
from flask_caching import Cache
import dash
from dash import html, dcc
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pdserver Flask(__name__)
cache Cache(server, config{CACHE_TYPE: simple})df pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__, serverserver)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])cache.memoize(timeout60)
def get_figure(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figapp.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):return get_figure(year)if __name__ __main__:app.run_server(debugTrue)
当然我们可以继续深入探讨更多关于 Dash 的高级主题和技术细节。以下是几个额外的主题
11. Dash with Flask-Security
Flask-Security 是一个用于 Flask 应用程序的安全模块可以提供认证、角色管理等功能。它可以与 Dash 应用结合使用为应用添加安全性。
示例使用 Flask-Security
from flask import Flask
from flask_security import Security, SQLAlchemyUserDatastore, UserMixin, RoleMixin, login_required
from flask_sqlalchemy import SQLAlchemy
import dash
from dash import html, dcc
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pdapp dash.Dash(__name__)
server app.serverapp.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return fig# Flask-Security Configuration
app.config[SECRET_KEY] super-secret
app.config[SECURITY_PASSWORD_SALT] super-secret-saltdb SQLAlchemy(app)# Define models
roles_users db.Table(roles_users,db.Column(user_id, db.Integer(), db.ForeignKey(user.id)),db.Column(role_id, db.Integer(), db.ForeignKey(role.id)))class Role(db.Model, RoleMixin):id db.Column(db.Integer(), primary_keyTrue)name db.Column(db.String(80), uniqueTrue)description db.Column(db.String(255))class User(db.Model, UserMixin):id db.Column(db.Integer, primary_keyTrue)email db.Column(db.String(255), uniqueTrue)password db.Column(db.String(255))active db.Column(db.Boolean())confirmed_at db.Column(db.DateTime())roles db.relationship(Role, secondaryroles_users,backrefdb.backref(users, lazydynamic))# Setup Flask-Security
user_datastore SQLAlchemyUserDatastore(db, User, Role)
security Security(app, user_datastore)# Create a user to test with
app.before_first_request
def create_user():db.create_all()user_datastore.create_user(emailtestexample.com, passwordtest)db.session.commit()# Add a login required decorator
app.server.route(/secure-page)
login_required
def secure_page():return This is a secure page.if __name__ __main__:app.run_server(debugTrue)
12. Dash with Dash Leaflet
Dash Leaflet 是一个用于创建交互式地图的库。它可以与 Dash 应用结合使用为用户提供地理空间数据的可视化。
示例使用 Dash Leaflet
import dash
import dash_leaflet as dl
import dash_leaflet.express as dlx
from dash import html, dcc
from dash.dependencies import Input, Output
import geopandas as gpdapp dash.Dash(__name__)# Load GeoJSON data
gdf gpd.read_file(https://raw.githubusercontent.com/plotly/datasets/master/geojson-counties-fips.json)# Convert GeoDataFrame to GeoJSON
geojson dl.GeoJSON(datagdf.to_json())app.layout html.Div([dl.Map([dl.TileLayer(), geojson], center[37, -102], zoom4, style{width: 100%, height: 50vh, margin: auto, display: block})
])if __name__ __main__:app.run_server(debugTrue)
13. Dash with Dash Bio
Dash Bio 是一个专注于生物信息学应用的库它提供了一系列用于分析和可视化生物数据的组件。
示例使用 Dash Bio
import dash
from dash import html, dcc
import dash_bio as dashbio
import plotly.graph_objects as goapp dash.Dash(__name__)# Define a simple DNA sequence
sequence ATCG * 250app.layout html.Div([dcc.Graph(idsequence-viewer),dcc.Slider(idsequence-slider,min0,maxlen(sequence),step1,valuelen(sequence) // 2)
])app.callback(Output(sequence-viewer, figure),Input(sequence-slider, value)
)
def update_sequence_viewer(position):fig go.Figure(data[go.Scatter(xlist(range(len(sequence))), y[1] * len(sequence), modemarkers,markerdict(color[{A: green, T: orange, C: blue, G: red}[base] for base in sequence]))])fig.update_layout(titlefSequence Viewer at Position {position},xaxis_titlePosition,yaxis_titleNucleotide,showlegendFalse)return figif __name__ __main__:app.run_server(debugTrue)
14. Dash with Dash Core Components (dcc)
Dash Core Components (dcc) 是 Dash 的一部分提供了一系列交互式组件如下拉列表、滑块等。
示例使用 dcc
import dash
from dash import html, dcc
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
15. Dash with Dash DataTable
Dash DataTable 是一个用于展示表格数据的组件支持排序、过滤等功能。
示例使用 Dash DataTable
import dash
import dash_table
from dash import html, dcc
from dash.dependencies import Input, Output
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dash_table.DataTable(idtable,columns[{name: i, id: i} for i in df.columns],datadf.to_dict(records),page_size10)
])if __name__ __main__:app.run_server(debugTrue)
当然让我们继续探讨一些其他高级主题和技术细节。接下来我们将介绍以下几点
16. Dash with Dash Plotly Components (dp)
Dash Plotly Components (dp) 是一个扩展库提供了更多的组件和功能特别是针对 Plotly 图表的定制和交互性。
示例使用 dp
import dash
from dash import html, dcc
import dash_plotly_components as dp
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dp.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dp.Graph(idgapminder-graph)
])app.callback(dp.Output(gapminder-graph, figure),dp.Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
17. Dash with Dash Enterprise
Dash Enterprise 是 Plotly 提供的企业级解决方案提供了更多的特性和支持比如高性能的服务器、监控工具、部署工具等。
示例使用 Dash Enterprise
Dash Enterprise 通常涉及到企业内部的部署和服务因此示例代码可能不适用。但这里提供一个概览
高性能服务器利用 Dash Enterprise Server 来提升应用的性能。监控工具使用 Dash Enterprise Monitor 来监控应用的状态。部署工具使用 Dash Enterprise Deploy 来部署和管理应用。
18. Dash with Dash Material UI
Dash Material UI 是一个基于 Material Design 的 UI 组件库用于构建现代且美观的用户界面。
示例使用 Dash Material UI
import dash
from dash import html, dcc
import dash_materialui as dmui
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout dmui.AppBar(positionstatic,children[dmui.Toolbar(children[dmui.IconButton(iconmenu),dmui.Typography(varianth6, childrenGapminder Data Visualization),dmui.IconButton(iconsearch),]),dmui.TabPanel(valuetab1,children[dmui.Slider(idyear-slider,mindf.year.min(),maxdf.year.max(),valuedf.year.min(),marks{str(year): str(year) for year in df.year.unique()}),dcc.Graph(idgapminder-graph)])]
)app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
19. Dash with Dash Bootstrap Themes
Dash Bootstrap Themes 提供了一系列预设的主题可以快速改变应用的外观和感觉。
示例使用 Dash Bootstrap Themes
import dash
import dash_bootstrap_components as dbc
from dash import html, dcc
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__, external_stylesheets[dbc.themes.BOOTSTRAP])app.layout dbc.Container([html.H1(Gapminder Data Visualization),dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
20. Dash with Dash Layout Components
Dash 提供了一系列布局组件用于构建复杂的应用布局结构。
示例使用 Dash Layout Components
import dash
from dash import html, dcc
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([html.H1(Gapminder Data Visualization),html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)], style{width: 50%, float: left}),html.Div([dcc.Markdown(## About),dcc.Markdown(This is a visualization of the Gapminder dataset.)], style{width: 50%, float: right})
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
当然让我们继续探讨一些其他高级主题和技术细节。接下来我们将介绍以下几点
21. Dash with Dash Lumen
Dash Lumen 是一个用于构建仪表板的框架它提供了一个更简单的方式来组织和管理复杂的 Dash 应用。
示例使用 Dash Lumen
import dash
import dash_lumen as dl
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)# Define a Lumen component
dl.component
def YearSlider(id):return dcc.Dropdown(idid,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min())# Define a Lumen layout
dl.layout
def AppLayout():return html.Div([html.H1(Gapminder Data Visualization),YearSlider(idyear-slider),dcc.Graph(idgapminder-graph)])app.layout AppLayout()app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
22. Dash with Dash Gallery
Dash Gallery 是一个用于展示多个 Dash 应用的框架可以帮助你组织和展示不同的应用实例。
示例使用 Dash Gallery
import dash
import dash_gallery as dg
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)# Define a Dash Gallery component
dg.component
def YearSlider(id):return dcc.Dropdown(idid,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min())# Define a Dash Gallery layout
dg.layout
def AppLayout():return html.Div([html.H1(Gapminder Data Visualization),YearSlider(idyear-slider),dcc.Graph(idgapminder-graph)])app.layout AppLayout()app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
23. Dash with Dash Enterprise
Dash Enterprise 是 Plotly 提供的企业级解决方案提供了更多的特性和支持比如高性能的服务器、监控工具、部署工具等。
示例使用 Dash Enterprise
Dash Enterprise 通常涉及到企业内部的部署和服务因此示例代码可能不适用。但这里提供一个概览
高性能服务器利用 Dash Enterprise Server 来提升应用的性能。监控工具使用 Dash Enterprise Monitor 来监控应用的状态。部署工具使用 Dash Enterprise Deploy 来部署和管理应用。
24. Dash with Dash Tabs
Dash Tabs 是一个用于创建标签式导航的组件可以帮助用户在不同的视图之间切换。
示例使用 Dash Tabs
import dash
from dash import html, dcc
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dcc.Tabs(idtabs-example, valuetab-1, children[dcc.Tab(labelTab one, valuetab-1),dcc.Tab(labelTab two, valuetab-2),]),html.Div(idtabs-content-example)
])app.callback(Output(tabs-content-example, children),Input(tabs-example, value))
def render_content(tab):if tab tab-1:return html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)])elif tab tab-2:return html.Div([dcc.Markdown(## Tab Two Content),dcc.Markdown(This is the content for Tab Two.)])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
25. Dash with Dash Markdown
Dash Markdown 是一个用于渲染 Markdown 文档的组件可以帮助你展示文档、说明等内容。
示例使用 Dash Markdown
import dash
from dash import html, dcc
from dash.dependencies import Input, Output
import dash_markdown as dmd
import markdown
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)markdown_text
# Gapminder Data Visualization## IntroductionThis is a simple visualization of the Gapminder dataset.
app dash.Dash(__name__)app.layout html.Div([dmd.MarkdownEditor(idmarkdown-editor, valuemarkdown_text),html.Div(idmarkdown-output),dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(markdown-output, children),Input(markdown-editor, value)
)
def update_output(value):return markdown.markdown(value)app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
当然让我们继续探索更多关于 Dash 的高级主题和技术细节。接下来我们将介绍以下几点
26. Dash with Dash Cytoscape
Dash Cytoscape 是一个用于创建交互式网络图的组件非常适合展示节点和边的关系。
示例使用 Dash Cytoscape
import dash
from dash import html, dcc
import dash_cytoscape as cyto
import networkx as nxapp dash.Dash(__name__)# Generate a random graph using NetworkX
G nx.random_geometric_graph(20, 0.125)# Convert NetworkX graph to a list of nodes and edges
elements [{data: {id: n, label: n}} for n in G.nodes
] [{data: {source: u, target: v}} for u, v in G.edges
]app.layout html.Div([cyto.Cytoscape(idcytoscape,elementselements,layout{name: circle},style{width: 100%, height: 450px})
])if __name__ __main__:app.run_server(debugTrue)
27. Dash with Dash Jupyter
Dash Jupyter 是一个用于将 Dash 应用嵌入到 Jupyter Notebook 或 Jupyter Lab 中的库。
示例使用 Dash Jupyter
import dash
from dash import html, dcc
from dash_jupyter import JupyterDash
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app JupyterDash(__name__)app.layout html.Div([dcc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(modeinline)
28. Dash with Dash SVG
Dash SVG 是一个用于渲染 SVG 图像的组件可以帮助你展示矢量图形。
示例使用 Dash SVG
import dash
from dash import html, dcc
from dash_svg import SVG
import plotly.express as px
import pandas as pdapp dash.Dash(__name__)# Define an SVG string
svg_string svg width100 height100circle cx50 cy50 r40 strokeblack stroke-width3 fillred //svgapp.layout html.Div([SVG(svg_string, idsvg-example)
])if __name__ __main__:app.run_server(debugTrue)
29. Dash with Dash React Components (drc)
Dash React Components (drc) 是一个提供 React 组件的库可以让你在 Dash 应用中使用 React 组件。
示例使用 drc
import dash
from dash import html, dcc
import dash_react_components as drc
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([drc.Dropdown(idyear-slider,options[{label: str(year), value: year} for year in df.year.unique()],valuedf.year.min()),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(year-slider, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
30. Dash with Dash React
Dash React 是一个用于在 Dash 应用中嵌入 React 组件的库。
示例使用 Dash React
import dash
from dash import html, dcc
import dash_react as dr
import plotly.express as px
import pandas as pddf pd.read_csv(https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv)app dash.Dash(__name__)app.layout html.Div([dr.ReactComponent(idreact-component,modulepath/to/your/react/component,props{options: [{label: str(year), value: year} for year in df.year.unique()],value: df.year.min()}),dcc.Graph(idgapminder-graph)
])app.callback(Output(gapminder-graph, figure),Input(react-component, value)
)
def update_graph(year):filtered_df df[df.year year]fig px.scatter(filtered_df, xgdpPercap, ylifeExp, sizepop, colorcontinent,hover_namecountry, log_xTrue, size_max55)return figif __name__ __main__:app.run_server(debugTrue)
