纯Python轻松开发实时可视化仪表盘

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」。

图1

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

1. import dash 
2. import dash_core_components as dcc 
3. import dash_bootstrap_components as dbc 
4. from dash.dependencies import Input, Output 
5.  
6. app = dash.Dash(__name__) 
7.  
8. app.layout = dbc.Container( 
9.     [ 
10.         dbc.Form( 
11.             [ 
12.                 dbc.FormGroup( 
13.                     [ 
14.                         dbc.Label('storage = "memory"时'), 
15.                         dbc.Input(id='input-memory1', autoComplete='off'), 
16.                         dbc.Input(id='input-memory2', style={'margin-top': '3px'}), 
17.                         dcc.Store(id='data-in-memory') 
18.                     ] 
19.                 ), 
20.                 dbc.FormGroup( 
21.                     [ 
22.                         dbc.Label('storage = "session"时'), 
23.                         dbc.Input(id='input-session1', autoComplete='off'), 
24.                         dbc.Input(id='input-session2', style={'margin-top': '3px'}), 
25.                         dcc.Store(id='data-in-session', storage_type='session') 
26.                     ] 
27.                 ), 
28.                 dbc.FormGroup( 
29.                     [ 
30.                         dbc.Label('storage = "local"时'), 
31.                         dbc.Input(id='input-local1', autoComplete='off'), 
32.                         dbc.Input(id='input-local2', style={'margin-top': '3px'}), 
33.                         dcc.Store(id='data-in-local', storage_type='local') 
34.                     ] 
35.                 ), 
36.             ] 
37.         ) 
38.     ], 
39.     style={ 
40.         'margin-top': '100px', 
41.         'max-width': '600px' 
42.     } 
43. ) 
44.  
45.  
46. # memory对应回调 
47. @app.callback( 
48.     Output('data-in-memory', 'data'), 
49.     Input('input-memory1', 'value') 
50. ) 
51. def data_in_memory_save_data(value): 
52.     if value: 
53.         return value 
54.  
55.     return dash.no_update 
56.  
57.  
58. @app.callback( 
59.     Output('input-memory2', 'placeholder'), 
60.     Input('data-in-memory', 'data') 
61. ) 
62. def data_in_memory_placeholder(data): 
63.     if data: 
64.         return data 
65.  
66.     return dash.no_update 
67.  
68.  
69. # session对应回调 
70. @app.callback( 
71.     Output('data-in-session', 'data'), 
72.     Input('input-session1', 'value') 
73. ) 
74. def data_in_session_save_data(value): 
75.     if value: 
76.         return value 
77.  
78.     return dash.no_update 
79.  
80.  
81. @app.callback( 
82.     Output('input-session2', 'placeholder'), 
83.     Input('data-in-session', 'data') 
84. ) 
85. def data_in_session_placeholder(data): 
86.     if data: 
87.         return data 
88.  
89.     return dash.no_update 
90.  
91.  
92. # local对应回调 
93. @app.callback( 
94.     Output('data-in-local', 'data'), 
95.     Input('input-local1', 'value') 
96. ) 
97. def data_in_local_save_data(value): 
98.     if value: 
99.         return value 
100.  
101.     return dash.no_update 
102.  
103.  
104. @app.callback( 
105.     Output('input-local2', 'placeholder'), 
106.     Input('data-in-local', 'data') 
107. ) 
108. def data_in_local_placeholder(data): 
109.     if data: 
110.         return data 
111.  
112.     return dash.no_update 
113.  
114.  
115. if __name__ == '__main__': 
116.     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：

图2

就是凭借着这种*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

1. import dash 
2. import numpy as np 
3. import dash_core_components as dcc 
4. import dash_html_components as html 
5. import dash_bootstrap_components as dbc 
6. from dash.dependencies import Input, Output, State 
7.  
8. app = dash.Dash(__name__) 
9.  
10. app.layout = dbc.Container( 
11.     [ 
12.         html.P( 
13.             [ 
14.                 html.Strong('贵州茅台(600519)'), 
15.                 '最新股价：', 
16.                 html.Span('2108.94', id='latest-price') 
17.             ] 
18.         ), 
19.         dcc.Interval(id='demo-interval', interval=1000) 
20.     ], 
21.     style={ 
22.         'margin-top': '100px' 
23.     } 
24. ) 
25.  
26.  
27. @app.callback( 
28.     [Output('latest-price', 'children'), 
29.      Output('latest-price', 'style')], 
30.     Input('demo-interval', 'n_intervals'), 
31.     State('latest-price', 'children') 
32. ) 
33. def fake_price_generator(n_intervals, latest_price): 
34.     fake_price = float(latest_price) + np.random.normal(0, 0.1) 
35.  
36.     if fake_price > float(latest_price): 
37.         return f'{fake_price:.2f}', {'color': 'red', 'background-color': 'rgba(195, 8, 26, 0.2)'} 
38.  
39.     elif fake_price < float(latest_price): 
40.         return f'{fake_price:.2f}', {'color': 'green', 'background-color': 'rgba(50, 115, 80, 0.2)'} 
41.  
42.     return f'{fake_price:.2f}', {'background-color': 'rgba(113, 120, 117, 0.2)'} 
43.  
44.  
45. if __name__ == '__main__': 
46.     app.run_server(debug=True) 

哈哈，是不是非常的实用~

图3

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

1. import dash 
2. import dash_daq as daq 
3. import dash_html_components as html 
4. import dash_bootstrap_components as dbc 
5. from dash.dependencies import Input, Output 
6.  
7. app = dash.Dash(__name__) 
8.  
9. app.layout = dbc.Container( 
10.     [ 
11.         daq.ColorPicker( 
12.             id='color-picker', 
13.             label={ 
14.                 'label': '色彩选择器', 
15.                 'style': { 
16.                     'font-size': '18px', 
17.                     'font-family': 'SimHei', 
18.                     'font-weight': 'bold' 
19.                 } 
20.             }, 
21.             size=400, 
22.             value=dict(hex="#120E03") 
23.         ), 
24.         html.P( 
25.             '测试'*100, 
26.             id='demo-p', 
27.             style={ 
28.                 'margin-top': '20px' 
29.             } 
30.         ) 
31.     ], 
32.     style={ 
33.         'margin-top': '30px', 
34.         'max-width': '500px' 
35.     } 
36. ) 
37.  
38. app.clientside_callback( 
39.     """ 
40.     function(color) { 
41.         return {'color': color.hex, 'margin-top': '20px'}; 
42.     } 
43.     """, 
44.     Output('demo-p', 'style'), 
45.     Input('color-picker', 'value') 
46. ) 
47.  
48. if __name__ == '__main__': 
49.     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：

图4

实际上是这样的：

图5

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

1. import dash 
2. import pandas as pd 
3. import dash_datetimepicker 
4. import dash_html_components as html 
5. import dash_bootstrap_components as dbc 
6. from dash.dependencies import Input, Output 
7.  
8. app = dash.Dash(__name__) 
9.  
10. app.layout = dbc.Container( 
11.     [ 
12.         dash_datetimepicker.DashDatetimepicker(id="datetime-picker"), 
13.         html.H6(id='datetime-output', style={'margin-top': '20px'}) 
14.     ], 
15.     style={ 
16.         'margin-top': '100px', 
17.         'max-width': '600px' 
18.     } 
19. ) 
20.  
21.  
22. @app.callback( 
23.     Output('datetime-output', 'children'), 
24.     [Input('datetime-picker', 'startDate'), 
25.      Input('datetime-picker', 'endDate')] 
26. ) 
27. def datetime_range(startDate, endDate): 
28.     # 修正8小时时间差bug并格式化为字符串 
29.     startDate = (pd.to_datetime(startDate) + pd.Timedelta(hours=8)).strftime('%Y-%m-%d %H:%M') 
30.     endDate = (pd.to_datetime(endDate) + pd.Timedelta(hours=8)).strftime('%Y-%m-%d %H:%M') 
31.  
32.     return f'从 {startDate} 到 {endDate}' 
33.  
34.  
35. if __name__ == "__main__": 
36.     app.run_server(debug=True) 

图6

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：

图7

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。

原文地址：https://mp.weixin.qq.com/s?__biz=MzA3ODYwNDkzOQ==&mid=2659064843&idx=1&sn=037149b8462bb11c5e9550fc2185f357&chksm=84ca83efb3bd0af9fdf66ac8158fb8aded8f2c0b8a36063fa7b8dce4da0d9bfba4061e5e9806&mpshare=1&