作者介绍
莲石东路@乌森
心之所向，无界成长。从底层架构到应用实战，聊聊炼数成金背后的故事。
持续更新数据治理、数据科学、数据可视化、空间计算系列文章。
“数据人创作者联盟” 成员
上一篇介绍了python数据可视化的Dash模块，演示了如何生成静态图表，本篇进入交互式图表部分。用Dash构建一个交互式数据可视化应用只需要两样东西，交互控件和回调函数。
01 交互控件
dash在其官方依赖库dash_core_components中内置了众多常见网页小部件，是我们实现交互式所依托的重要元素。
from dash import Dash
import dash_core_components as dcc
import dash_html_components as html
app = Dash()app.layout = html.Div([
html.Label('单选下拉菜单'),
html.Br(),
dcc.Dropdown(
options=[
{'label':'beijing','value':'BJ'},
{'label':'shanghai','value':'SH'} ],
value='BJ'# 默认选中
),
html.Label('多选下拉菜单'),
html.Br(),
dcc.Dropdown(
options=[
{'label':'beijing','value':'BJ'},
{'label':'shanghai','value':'SH'} ],
value=['BJ','SH'],
multi=True# 是否多选
),
html.Label('单选按钮'),
html.Br(),
dcc.RadioItems(
options=[
{'label':'beijing','value':'BJ'},
{'label':'shanghai','value':'SH'}
],
value='BJ'
),
html.Label('复选按钮'),
html.Br(),
dcc.Checklist(
options=[
{'label':'beijing','value':'BJ'},
{'label':'shanghai','value':'SH'} ],
value=['BJ','SH']
),
html.Label('文本输入框'),
html.Br(),
dcc.Input(
value='BJ',
type='text'
),
html.Br(),
html.Label('滑动块'),
html.Br(),
dcc.Slider(
min=0,
max=9,
marks={i:'Label {}'.format(i)ifi ==1elsestr(i)foriinrange(1,6)},# 标记
value=5,# 默认值
),
], style={'columnCount':1})
if__name__ =='__main__':
app.run_server()
02 回调函数
dash高度封装了react.js，我们可以不用编写js代码即可完成前端与后端之间的异步交互。
from dash import Dash
import dash_html_components as html
import dash_core_components as dcc
from dash.dependencies import Input, Output
app = Dash()
province2city_dict = {
'四川省':'成都市',
'陕西省':'西安市',
'广东省':'广州市'
}app.layout = html.Div(
[
html.H1('根据省名查询省会城市：'),
html.Br(),
dcc.Dropdown(
id='province',# 第一个id，输入的地方
options=[
{'label':'四川省','value':'四川省'},
{'label':'陕西省','value':'陕西省'},
{'label':'广东省','value':'广东省'}
],
value='四川省'
),
html.P(id='city')# 第二个id，输出的地方
]
)@app.callback(Output('city','children'), Input('province','value'))# 定义了哪个输入对应哪个输出
defprovince2city(province):
returnprovince2city_dict[province]
if__name__ =='__main__':
app.run_server()
03 交互式图表
有了交互控件和回调函数的知识，将两者结合起来，我们可以构建一个交互式的图表。例子如下：
import pandas as pd
import numpy as np
from dash import Dash, dependencies
import dash_core_components as dcc
import dash_html_components as html
importplotly.graph_objsasgo
app = Dash()
# 数据载入
df = pd.read_csv('https://raw.githubusercontent.com/ffzs/dataset/master/insurance.csv')app.layout = html.Div([
html.Div([
html.Label('Gender'),
html.Div([
dcc.Dropdown(# 功能性组件，设定id值作为标签关联callback函数中的标签
id='gender',
options=[{'label': i,'value': i}foriin['female','male']],
value='female'),
]),
html.Label('Color'),
html.Div([
dcc.Dropdown(
id='color',
options=[{'label': i,'value': i}foriin['region','smoker','children']],
value='region'),
]),
]),
html.Div([
dcc.Graph(id='scatter')# 关联graph
])
])# 对callback函数进行设置，与上面的对应，将数据return回对应id的Graph
@app.callback(
dependencies.Output('scatter','figure'),
[dependencies.Input('gender','value'), dependencies.Input('color','value')]
)
defupdate_scatter(value_gender, value_color):
grouped = df.groupby('sex')# 以性别分组
data = grouped.get_group(value_gender)# 获取选取的性别为变量
color_class = pd.Categorical(data[value_color])# 将颜色分类数据明确化
s = [(np.sqrt(i)+2)foriindata['age']]# 将年龄数据开方用大小表示用以区别年龄大
小
trace = go.Scatter(
x=data["bmi"],
y=data["charges"],
mode='markers',
marker=dict(
size=s,
sizemode='diameter',
sizeref=0,
color=color_class.codes,
colorscale='Earth'
)
)
layout = go.Layout(margin=dict(l=20, r=20, t=0, b=30))
fig = go.Figure(data=[trace], layout=layout)
returnfig
if__name__ =='__main__':
app.run_server()# 运行app
网友评论