• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    python开发实时可视化仪表盘的示例

    本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

    1 简介

    这是我的系列教程「Python+Dash快速web应用开发」的第十五期,在前面的一系列教程中,我们针对Dash中的各种常用基础概念作了比较详细的介绍,如果前面的教程你有认真学习,那么相信到今天你已经有能力开发初具规模的Dash应用了。

    而在Dash生态中还有一系列功能比较特殊但又非常实用的部件,今天的文章我们就来学习这些常用的「特殊部件」。

    2 Dash中的常用特殊功能部件

    2.1 用Store()来存储数据

    在dash_core_components中有着很多功能特殊的部件,Store()就是其中之一,它的功能十分的简单,就是用来存储数据的,譬如存储一些数值、字符串等基础数据类型或者把Python中的列表、字典等作为json格式数据存进去。

    Store()的主要参数/属性除了id之外,还有:

    data,代表其所存放的数据,也是我们编写回调函数时关注的属性;

    modified_timestamp,用于记录最后一次data属性被修改的时间戳,通常用不到;

    storage_type,用于设置存储数据的生命周期,有3种,storage_type='memory'时生命周期最短,只要页面一刷新,data就会恢复初始状态;storage_type='session'时,只有浏览器被关闭时data才会被重置;而最后一种storage_type='local'时,会将数据存储在本地缓存中,只有手动清除,data才会被重置。

    话不多说,直接来看一个直观的例子:

    app1.py

    import dash
    import dash_core_components as dcc
    import dash_bootstrap_components as dbc
    from dash.dependencies import Input, Output
    
    app = dash.Dash(__name__)
    
    app.layout = dbc.Container(
        [
            dbc.Form(
                [
                    dbc.FormGroup(
                        [
                            dbc.Label('storage = "memory"时'),
                            dbc.Input(id='input-memory1', autoComplete='off'),
                            dbc.Input(id='input-memory2', style={'margin-top': '3px'}),
                            dcc.Store(id='data-in-memory')
                        ]
                    ),
                    dbc.FormGroup(
                        [
                            dbc.Label('storage = "session"时'),
                            dbc.Input(id='input-session1', autoComplete='off'),
                            dbc.Input(id='input-session2', style={'margin-top': '3px'}),
                            dcc.Store(id='data-in-session', storage_type='session')
                        ]
                    ),
                    dbc.FormGroup(
                        [
                            dbc.Label('storage = "local"时'),
                            dbc.Input(id='input-local1', autoComplete='off'),
                            dbc.Input(id='input-local2', style={'margin-top': '3px'}),
                            dcc.Store(id='data-in-local', storage_type='local')
                        ]
                    ),
                ]
            )
        ],
        style={
            'margin-top': '100px',
            'max-width': '600px'
        }
    )
    
    
    # memory对应回调
    @app.callback(
        Output('data-in-memory', 'data'),
        Input('input-memory1', 'value')
    )
    def data_in_memory_save_data(value):
        if value:
            return value
    
        return dash.no_update
    
    
    @app.callback(
        Output('input-memory2', 'placeholder'),
        Input('data-in-memory', 'data')
    )
    def data_in_memory_placeholder(data):
        if data:
            return data
    
        return dash.no_update
    
    
    # session对应回调
    @app.callback(
        Output('data-in-session', 'data'),
        Input('input-session1', 'value')
    )
    def data_in_session_save_data(value):
        if value:
            return value
    
        return dash.no_update
    
    
    @app.callback(
        Output('input-session2', 'placeholder'),
        Input('data-in-session', 'data')
    )
    def data_in_session_placeholder(data):
        if data:
            return data
    
        return dash.no_update
    
    
    # local对应回调
    @app.callback(
        Output('data-in-local', 'data'),
        Input('input-local1', 'value')
    )
    def data_in_local_save_data(value):
        if value:
            return value
    
        return dash.no_update
    
    
    @app.callback(
        Output('input-local2', 'placeholder'),
        Input('data-in-local', 'data')
    )
    def data_in_local_placeholder(data):
        if data:
            return data
    
        return dash.no_update
    
    
    if __name__ == '__main__':
        app.run_server(debug=True)

    可以看到,不同storage参数对应的数据,生命周期有着很大的区别:

    就是凭借着这种自由存储数据的特性,Store()可以帮助我们完成很多非常实用的功能,我们会在本文最后的例子里进行展示。

    2.2 用Interval()实现周期性回调

    同样是dash_core_components中的组件,Interval()的功能也很有意思,它可以帮助我们实现周期性自动回调,譬如开发一个实时股价系统,每隔一段时间就从后台获取最新的数据,无需我们手动刷新页面,其主要的参数/属性有:

    n_intervals,Interval()的核心属性,所谓的自动更新实际上就是自动对n_intervals的递增过程;

    interval,数值型,用于设置每隔多少毫秒对n_intervals的值进行一次递增,默认为1000即1秒;

    max_intervals,int型,用于设置在经历多少次递增后,不再继续自动更新,默认为-1即不限制;

    disabled,bool型,默认为False,用于设置是否停止递增更新过程,如果说max_intervals控制的过程是for循环的话,disabled就是while循环,我们可以利用它自行编写逻辑在特定的条件下停止Interval()的递增过程。

    下面我们从一个伪造数据的股价实时更新系统例子中进一步理解Interval()的作用:

    app2.py

    import dash
    import numpy as np
    import dash_core_components as dcc
    import dash_html_components as html
    import dash_bootstrap_components as dbc
    from dash.dependencies import Input, Output, State
    
    app = dash.Dash(__name__)
    
    app.layout = dbc.Container(
        [
            html.P(
                [
                    html.Strong('贵州茅台(600519)'),
                    '最新股价:',
                    html.Span('2108.94', id='latest-price')
                ]
            ),
            dcc.Interval(id='demo-interval', interval=1000)
        ],
        style={
            'margin-top': '100px'
        }
    )
    
    
    @app.callback(
        [Output('latest-price', 'children'),
         Output('latest-price', 'style')],
        Input('demo-interval', 'n_intervals'),
        State('latest-price', 'children')
    )
    def fake_price_generator(n_intervals, latest_price):
        fake_price = float(latest_price) + np.random.normal(0, 0.1)
    
        if fake_price > float(latest_price):
            return f'{fake_price:.2f}', {'color': 'red', 'background-color': 'rgba(195, 8, 26, 0.2)'}
    
        elif fake_price  float(latest_price):
            return f'{fake_price:.2f}', {'color': 'green', 'background-color': 'rgba(50, 115, 80, 0.2)'}
    
        return f'{fake_price:.2f}', {'background-color': 'rgba(113, 120, 117, 0.2)'}
    
    
    if __name__ == '__main__':
        app.run_server(debug=True)
    

    哈哈,是不是非常的实用~

    2.3 利用ColorPicker()进行交互式色彩设置

    接下来我们要介绍的这个很有意思的部件来自Dash的官方依赖dash_daq,它并不是自带的,我们需要用pip进行安装。

    ColorPicker()的功能是渲染出一个交互式的色彩选择部件,使得我们可以更方便更直观地选择色彩值,其主要参数/属性有:

    label,字符串或字典,若只传入字符串,则传入的文字会作为渲染出的色彩选择器的标题,若传入字典,其label键值对用于设置标题文本内容,style参数用于自定义css样式;

    labelPosition,字符型,top时标题会置于顶部,bottom时会置于底部;

    size,设置部件整体的像素宽度

    value,字典型,作为参数时可以用来设定色彩选择器的初始色彩,作为属性时可以获取当前色彩选择器的选定色彩,hex键值对可以直接获取十六进制色彩值,rgb键对应的值为包含r、g、b和a四个键值对的字典,即构成rgba色彩值的三通道+透明度值。

    让我们通过下面这个简单的例子来认识它的工作过程:

    app3.py

    import dash
    import dash_daq as daq
    import dash_html_components as html
    import dash_bootstrap_components as dbc
    from dash.dependencies import Input, Output
    
    app = dash.Dash(__name__)
    
    app.layout = dbc.Container(
        [
            daq.ColorPicker(
                id='color-picker',
                label={
                    'label': '色彩选择器',
                    'style': {
                        'font-size': '18px',
                        'font-family': 'SimHei',
                        'font-weight': 'bold'
                    }
                },
                size=400,
                value=dict(hex="#120E03")
            ),
            html.P(
                '测试'*100,
                id='demo-p',
                style={
                    'margin-top': '20px'
                }
            )
        ],
        style={
            'margin-top': '30px',
            'max-width': '500px'
        }
    )
    
    app.clientside_callback(
        """
        function(color) {
            return {'color': color.hex, 'margin-top': '20px'};
        }
        """,
        Output('demo-p', 'style'),
        Input('color-picker', 'value')
    )
    
    if __name__ == '__main__':
        app.run_server(debug=True)
    

    动图录制出来因为被压缩了所以色彩区域看起来跟打了码似得:

    实际上是这样的:

    2.4 利用DashDatetimepicker()进行时间范围选择

    接下来我要给大家介绍的这个部件DashDatetimepicker()也是来自第三方库,它基于react-datetime,可以帮助我们创建进行日期选择功能的部件(其实dash-core_components中也有类似功能的DatePickerRange()部件,但是太丑了,而且对中文支持的不好)。

    使用pip install dash_datetimepicker完成安装之后,默认的部件月份和星期的名称显示都是英文的,我通过对相关的js源码略加修改之后,便可以使用中文了,大家使用的时候把本期附件中的dash_datetimepicker.min.js放到assets目录下即可。

    DashDatetimepicker()使用起来非常简单,除了id之外,我们只需要在回调中获取它的startDate与endDate属性即可捕获到用户设置的日期时间范围(在回调中我们接收到的开始结束时间需要加上8个小时,这是个bug):

    app4.py

    import dash
    import pandas as pd
    import dash_datetimepicker
    import dash_html_components as html
    import dash_bootstrap_components as dbc
    from dash.dependencies import Input, Output
    
    app = dash.Dash(__name__)
    
    app.layout = dbc.Container(
        [
            dash_datetimepicker.DashDatetimepicker(id="datetime-picker"),
            html.H6(id='datetime-output', style={'margin-top': '20px'})
        ],
        style={
            'margin-top': '100px',
            'max-width': '600px'
        }
    )
    
    
    @app.callback(
        Output('datetime-output', 'children'),
        [Input('datetime-picker', 'startDate'),
         Input('datetime-picker', 'endDate')]
    )
    def datetime_range(startDate, endDate):
        # 修正8小时时间差bug并格式化为字符串
        startDate = (pd.to_datetime(startDate) + pd.Timedelta(hours=8)).strftime('%Y-%m-%d %H:%M')
        endDate = (pd.to_datetime(endDate) + pd.Timedelta(hours=8)).strftime('%Y-%m-%d %H:%M')
    
        return f'从 {startDate} 到 {endDate}'
    
    
    if __name__ == "__main__":
        app.run_server(debug=True)
    

    3 动手打造一个实时可视化大屏

    在学习完今天的内容之后,我们就可以做一些功能上很amazing的事情——搭建一个实时更新的可视化仪表盘。

    思路其实很简单,主要用到今天学习到的Interval()与Store(),原理是先从官网静态的案例中移植js代码到Dash的浏览器端回调中,构建出输入为Store()的data的回调函数;

    再利用Interval()的n_intervals触发Store()的data更新,从而实现这套从数据更新到图表更新的链式反应。效果如下:

    而代码涉及到多个文件,这里就不直接放出,你可以在文章开头的地址中找到对应本期的附件进行学习。

    以上就是python开发实时可视化仪表盘的示例的详细内容,更多关于python开发实时可视化仪表盘的资料请关注脚本之家其它相关文章!

    您可能感兴趣的文章:
    • Python数据分析之绘图和可视化详解
    • Python数据可视化之绘制柱状图和条形图
    • python使用Streamlit库制作Web可视化页面
    • python可视化hdf5文件的操作
    • Python编写可视化界面的全过程(Python+PyCharm+PyQt)
    • 使用python实现三维图可视化
    • python用pyecharts实现地图数据可视化
    • python实现棋盘覆盖问题及可视化
    • 以大热剧《觉醒年代》为例用Python绘制可视化仪表盘
    上一篇:Python使用scapy模块发包收包
    下一篇:Django中的JWT身份验证的实现
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    python开发实时可视化仪表盘的示例 python,开发,实时,可视化,