python開發實時可視化儀表盤的示例

本文示例代碼已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes

1 簡介

這是我的系列教程「Python+Dash快速web應用開發」的第十五期,在前面的一系列教程中,我們針對Dash中的各種常用基礎概念作瞭比較詳細的介紹,如果前面的教程你有認真學習,那麼相信到今天你已經有能力開發初具規模的Dash應用瞭。

而在Dash生態中還有一系列功能比較特殊但又非常實用的部件,今天的文章我們就來學習這些常用的「特殊部件」。

2 Dash中的常用特殊功能部件

2.1 用Store()來存儲數據

在dash_core_components中有著很多功能特殊的部件,Store()就是其中之一,它的功能十分的簡單,就是用來存儲數據的,譬如存儲一些數值、字符串等基礎數據類型或者把Python中的列表、字典等作為json格式數據存進去。

Store()的主要參數/屬性除瞭id之外,還有:

data,代表其所存放的數據,也是我們編寫回調函數時關註的屬性;

modified_timestamp,用於記錄最後一次data屬性被修改的時間戳,通常用不到;

storage_type,用於設置存儲數據的生命周期,有3種,storage_type=’memory’時生命周期最短,隻要頁面一刷新,data就會恢復初始狀態;storage_type=’session’時,隻有瀏覽器被關閉時data才會被重置;而最後一種storage_type=’local’時,會將數據存儲在本地緩存中,隻有手動清除,data才會被重置。

話不多說,直接來看一個直觀的例子:

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"時'),
                        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"時'),
                        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"時'),
                        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對應回調
@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對應回調
@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對應回調
@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參數對應的數據,生命周期有著很大的區別:

就是憑借著這種自由存儲數據的特性,Store()可以幫助我們完成很多非常實用的功能,我們會在本文最後的例子裡進行展示。

2.2 用Interval()實現周期性回調

同樣是dash_core_components中的組件,Interval()的功能也很有意思,它可以幫助我們實現周期性自動回調,譬如開發一個實時股價系統,每隔一段時間就從後臺獲取最新的數據,無需我們手動刷新頁面,其主要的參數/屬性有:

n_intervals,Interval()的核心屬性,所謂的自動更新實際上就是自動對n_intervals的遞增過程;

interval,數值型,用於設置每隔多少毫秒對n_intervals的值進行一次遞增,默認為1000即1秒;

max_intervals,int型,用於設置在經歷多少次遞增後,不再繼續自動更新,默認為-1即不限制;

disabled,bool型,默認為False,用於設置是否停止遞增更新過程,如果說max_intervals控制的過程是for循環的話,disabled就是while循環,我們可以利用它自行編寫邏輯在特定的條件下停止Interval()的遞增過程。

下面我們從一個偽造數據的股價實時更新系統例子中進一步理解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('貴州茅臺(600519)'),
                '最新股價:',
                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,是不是非常的實用~

2.3 利用ColorPicker()進行交互式色彩設置

接下來我們要介紹的這個很有意思的部件來自Dash的官方依賴dash_daq,它並不是自帶的,我們需要用pip進行安裝。

ColorPicker()的功能是渲染出一個交互式的色彩選擇部件,使得我們可以更方便更直觀地選擇色彩值,其主要參數/屬性有:

label,字符串或字典,若隻傳入字符串,則傳入的文字會作為渲染出的色彩選擇器的標題,若傳入字典,其label鍵值對用於設置標題文本內容,style參數用於自定義css樣式;

labelPosition,字符型,top時標題會置於頂部,bottom時會置於底部;

size,設置部件整體的像素寬度

value,字典型,作為參數時可以用來設定色彩選擇器的初始色彩,作為屬性時可以獲取當前色彩選擇器的選定色彩,hex鍵值對可以直接獲取十六進制色彩值,rgb鍵對應的值為包含r、g、b和a四個鍵值對的字典,即構成rgba色彩值的三通道+透明度值。

讓我們通過下面這個簡單的例子來認識它的工作過程:

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': '色彩選擇器',
                'style': {
                    'font-size': '18px',
                    'font-family': 'SimHei',
                    'font-weight': 'bold'
                }
            },
            size=400,
            value=dict(hex="#120E03")
        ),
        html.P(
            '測試'*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)

動圖錄制出來因為被壓縮瞭所以色彩區域看起來跟打瞭碼似得:

實際上是這樣的:

2.4 利用DashDatetimepicker()進行時間范圍選擇

接下來我要給大傢介紹的這個部件DashDatetimepicker()也是來自第三方庫,它基於react-datetime,可以幫助我們創建進行日期選擇功能的部件(其實dash-core_components中也有類似功能的DatePickerRange()部件,但是太醜瞭,而且對中文支持的不好)。

使用pip install dash_datetimepicker完成安裝之後,默認的部件月份和星期的名稱顯示都是英文的,我通過對相關的js源碼略加修改之後,便可以使用中文瞭,大傢使用的時候把本期附件中的dash_datetimepicker.min.js放到assets目錄下即可。

DashDatetimepicker()使用起來非常簡單,除瞭id之外,我們隻需要在回調中獲取它的startDate與endDate屬性即可捕獲到用戶設置的日期時間范圍(在回調中我們接收到的開始結束時間需要加上8個小時,這是個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小時時間差bug並格式化為字符串
    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'從 {startDate} 到 {endDate}'


if __name__ == "__main__":
    app.run_server(debug=True)

3 動手打造一個實時可視化大屏

在學習完今天的內容之後,我們就可以做一些功能上很amazing的事情——搭建一個實時更新的可視化儀表盤。

思路其實很簡單,主要用到今天學習到的Interval()與Store(),原理是先從官網靜態的案例中移植js代碼到Dash的瀏覽器端回調中,構建出輸入為Store()的data的回調函數;

再利用Interval()的n_intervals觸發Store()的data更新,從而實現這套從數據更新到圖表更新的鏈式反應。效果如下:

而代碼涉及到多個文件,這裡就不直接放出,你可以在文章開頭的地址中找到對應本期的附件進行學習。

以上就是python開發實時可視化儀表盤的示例的詳細內容,更多關於python開發實時可視化儀表盤的資料請關註WalkonNet其它相關文章!

推薦閱讀: