Python的Web可视化框架Dash(4)---基本回调

2019-08-03 本文已影响0人惑也

本节介绍如何实现Dash应用的回调，先导入本节用到的所有包

import pandas as pd
import plotly.graph_objs as go
import dash
import dash_core_components as dcc                  # 交互式组件
import dash_html_components as html                 # 代码转html
from dash.dependencies import Input, Output         # 回调
from jupyter_plotly_dash import JupyterDash         # Jupyter中的Dash

一、交互式布局

(一) 代码

app = JupyterDash('Dash Layout')

app.layout = html.Div([
    dcc.Input(id = 'my-id', value = '初始值', type = 'text'),
    html.Div(id = 'my-div')
])

@app.callback(
    Output(component_id = 'my-div', component_property = 'children'),
    [Input(component_id = 'my-id', component_property = 'value')]
)

def update_output_div(input_value):
    return '你输入了"{}"'.format(input_value)

app

(二)效果图

(三)说明

在文本框中输入文字，输出组件的子项会立即更新。效果图显示，第一个设置的默认值，后两个，分布输入了数值100和字符串Dash；
app.callback 装饰器通过声明，描述应用程序界面的“输入”与“输出”项；
Dash中应用程序的【输入】和【输出】只是特定组件的属性。本例中，输入项是ID名为my-id 组件的value特性。输出项是ID名为my-div 组件的children特性；
当输入项组件的属性值，发生更改时，将自动调用callback装饰器打包的函数，将更新的内容，作为输入项参数，返回函数的输入内容，更新输出项组件的属性值；
【输入项】和【输出项】对象的关键字参数 component_id 和 component_property，都是可选的。本例中，为了便于理解，列出了这两个关键字，通常情况下，为了让代码简明、易读，可以省略这两个关键字；
不要混淆 dash.dependencies.Input 与dash_core_components.Input对象。前者只在回调函数中使用，后者才是真正的组件；
Dash应用程序启动时，会自动使用输入组件的初始值，调用所有的回调函数，以填充输出组件的初始值。所以，不要在layout中设置 my-div组件的children特性，本例中，如果指定了 html.Div(id='my-div', children='Hello world') 的内容，应用启动时会被覆盖。这种方式类似于Microsoft Excel编程：当单元格的内容发生变化时，依赖于该单元格的所有单元格的内容，都将自动更新。这称为 “反应式编程” (Reactive Programming) 。

二、滑动条

(一) 代码

# 数据源
df = pd.read_csv(
    'https://raw.githubusercontent.com/plotly/'
    'datasets/master/gapminderDataFiveYear.csv')

# 设置Dash应用程序
app = JupyterDash('Slider Update Gragh')
app.layout = html.Div([
    dcc.Graph(id = 'graph-with-slider'),
    dcc.Slider(
        id = 'year-slider',
        min = df.year.min(),
        max = df.year.max(),
        value = df.year.min(),
        marks = {str(year): str(year) for year in df.year.unique()},
        step = None
    )
])

# 回调函数
@app.callback(
    Output('graph-with-slider', 'figure'),
    [Input('year-slider', 'value')]
)

# 设置布局
def update_figure(selected_year):
    filtered_df = df[df.year == selected_year]
    traces = []
    
    for val in filtered_df.continent.unique():
        df_by_continent = filtered_df[filtered_df.continent == val]
        
        traces.append(go.Scatter(
            x = df_by_continent['gdpPercap'],
            y = df_by_continent['lifeExp'],
            text = df_by_continent['country'],
            name = val,
            mode = 'markers',
            opacity = 0.8,
            marker = dict(size = 15, line = dict(width = 0.5, color = 'white'))
        ))
    
    fig = dict(
        data = traces,
        layout = go.Layout(
            xaxis = dict(type = 'log', title = '人均GDP'),
            yaxis = dict(title = '平均寿命', range = [20, 90]),
            margin = dict(l = 40, b = 40, t = 10, r = 10),
            hovermode = 'closest'
        )
    )
    
    return fig

app

(二) 效果图

(三)说明

本例中，app的输入是 Slider 的属性 value，app的输出是 Graph 的属性 figure。当 Slider 的 value 变化时，Dash用新值调用回调函数 update_figure，该函数使用此新值过滤数据框，构造 figure 对象，并将其返回到Dash应用程序中，作为输出；
使用关键字参数进行组件描述，很重要。通过Dash交互性，使用回调函数，可以动态地更新这些特性。如：更新组件的 children 属性从而更新文本内容、更新 dcc.Graph 组件的 figure 属性从而更新数据、更新组件的 style 属性从而更新画布样式、更新 dcc.Dropdown 组件的 options 从而更新下拉菜单；
将数据加载至内存并进行计算的代价很高，所以尽量在应用的全局范围内下载或查询数据，避免在回调函数里进行这类操作，确保用户访问或与应用交互时，数据(df)已经载入至内存。本例中 df 获取的数据是全局的，可以被回调函数读取；
回调函数不会修改原始数据，只是通过Pandas的过滤器来筛选数据，并创建DataFrame的副本。这点非常重要：不要在回调函数范围之外更改变量。如果在全局状态下调整回调函数，某一用户的会话就可能影响下一用户的会话，特别是应用部署在多进程或多线程的环境时，这些修改可能会导致跨会话数据分享出现问题；

三、多重输入

(一) 代码

# 数据
df = pd.read_csv(
    'https://gist.githubusercontent.com/chriddyp/'
    'cb5392c35661370d95f300086accea51/raw/'
    '8e0768211f6b747c0db42a9ce9a0937dafcbd8b2/'
    'indicators.csv')

# 设置Dash
app = JupyterDash('many input')
app.layout = html.Div([
    html.Div([
        html.Div([
            dcc.Dropdown(
                id = 'xaxis-column',
                options = [{'label': i, 'value': i} for i in df['Indicator Name'].unique()],
                value = 'Fertility rate, total (births per woman)'),
            dcc.RadioItems(
                id = 'xaxis-type',
                options = [{'label': i, 'value': i} for i in ['线性', '日志']],
                value = '线性',
                labelStyle = dict(display = 'inline-block'))],
            style = dict(width = '48%', display = 'inline-block')
        ),
        html.Div([
            dcc.Dropdown(
                id = 'yaxis-column',
                options = [{'label': i, 'value': i} for i in df['Indicator Name'].unique()],
                value = 'Life expectancy at birth, total (years)'),
            dcc.RadioItems(
                id = 'yaxis-type',
                options = [{'label': i, 'value': i} for i in ['线性', '日志']],
                value = '线性',
                labelStyle = dict(display = 'inline-block'))],
            style = dict(width = '48%', float = 'right', display = 'inline-block')
        )
    ]),
    dcc.Graph(id = 'indicator-graphic'),
    dcc.Slider(
        id = 'year--slider',
        min = df['Year'].min(),
        max = df['Year'].max(),
        value = df['Year'].max(),
        marks = {str(year): str(year) for year in df['Year'].unique()},
        step = None
    ) 
])

# 回调
@app.callback(
    Output('indicator-graphic', 'figure'),
    [Input('xaxis-column', 'value'),
     Input('yaxis-column', 'value'),
     Input('xaxis-type', 'value'),
     Input('yaxis-type', 'value'),
     Input('year--slider', 'value')])
def update_graph(xaxis_column_name, yaxis_column_name, xaxis_type, yaxis_type, year_value):
    dff = df[df['Year'] == year_value]
    result = dict(
        data = [go.Scatter(
            x = dff[dff['Indicator Name'] == xaxis_column_name]['Value'],
            y = dff[dff['Indicator Name'] == yaxis_column_name]['Value'],
            text = dff[dff['Indicator Name'] == yaxis_column_name]['Country Name'],
            mode = 'markers',
            marker = {'size': 15, 'opacity': 0.5, 'line': {'width': 0.5, 'color': 'white'}}
        )],
        layout = go.Layout(
            xaxis = dict(title = xaxis_column_name, type = 'linear' if xaxis_type == '线性' else '日志'),
            yaxis = dict(title = yaxis_column_name, type = 'linear' if yaxis_type == '线性' else '日志'),
            margin = {'l': 40, 'b': 40, 't': 10, 'r': 0},
            hovermode = 'closest'
        )
    )
    return result

app

(二) 效果图

(三)说明

在Dash中，任何“ Output”都可以有多个“ Input”组件；
本例中，将五个输入组件：2个下拉菜单(Dropdown)组件、2个单选按钮(RadioItems)组件、1个滑动条(Slider)组件，绑定到1个输出组件(Graph 组件的figure特性)；
回调函数的第二个参数，列表中列举了所有的五个输入项dash.dependencies.Input ；
示例中，Dropdown、Slider、RadioItems这些组件的value特性变化时，就会调用update_graph函数；
update_graph函数的输入参数，就是这些组件Input特性的当前值或更新值，按其指定的顺序排列；
即使每次只修改一个Input特性，比如用户一次只能修改一个下拉菜单的值，但Dash会采集所有绑定组件Input 特性的当前值，并传递给回调函数，确保总能获得该应用当前状态的值。

四、多重输出

(一) 代码

app = JupyterDash('many output')
app.layout = html.Div([
    dcc.RadioItems(
        id = 'button-a',
        options = [{'label': i, 'value': i} for i in ['北京', '天津', '上海']],
        value = '北京'),
    html.Div(id = 'output-a'),
    
    dcc.RadioItems(
        id = 'button-b',
        options = [{'label': i, 'value': i} for i in ['东城区', '西城区', '朝阳区']],
        value = '朝阳区'),
    html.Div(id = 'output-b')
])

@app.callback(
    Output('output-a', 'children'),
    [Input('button-a', 'value')]
)
def callback_a(button_value):
    return f"已选中{button_value}"

@app.callback(
    Output('output-b', 'children'),
    [Input('button-b', 'value')]
)
def callback_a(button_value):
    return f"已选中{button_value}"

app

(二) 效果图

(三)说明

一个Dash回调函数只能更新一个输出属性。要想实现多重输出，需要编写多个函数；
具体方法：将需要更新的所有属性，作为列表添加到装饰器中，并从回调中返回多个输出项。如果两个输出依赖于相同的计算密集型中间结果，例如慢速数据库查询，推荐使用该方法；
组合输出并不总是一个好主意：1）如果输出依赖于某些但不是所有相同的输入，则将它们分开可以避免不必要的更新；2）如果它们具有相同的输入，但使用这些输入进行独立计算，则将回调分开，可以实现并行运行它们；

五、链式回调

(一) 代码

app = JupyterDash('Chained Callbacks')
all_options = {
    '北京': ['东城区', '西城区', '朝阳区'],
    '上海': ['黄浦区', '静安区', '普陀区']
}

app.layout = html.Div([
    dcc.RadioItems(
        id = 'countries-dropdown',
        options = [{'label': k, 'value': k} for k in all_options.keys()],
        value = '北京'),
    html.Hr(),
    dcc.RadioItems(id = 'cities-dropdown'),
    html.Hr(),
    html.Div(id = 'display-selected-values')
])

@app.callback(
    Output('cities-dropdown', 'options'),
    [Input('countries-dropdown', 'value')])
def set_cities_options(select_country):
    return [{'label': i, 'value': i} for i in all_options[select_country]]

@app.callback(
    Output('cities-dropdown', 'value'),
    [Input('cities-dropdown', 'options')])
def set_cities_value(available_options):
    return available_options[0]['value']

@app.callback(
    Output('display-selected-values', 'children'),
    [Input('countries-dropdown', 'value'),
     Input('cities-dropdown', 'value')])
def set_display_children(select_country, select_city):
    return f"{select_city}是{select_country}的辖区。"

app

(二) 效果图

(三)说明

链式回调：将输出和输入链接在一起，即一个回调函数的输出是另一个回调函数的输入；
此模式用于创建动态UI，其中一个输入组件更新下一个输入组件的可用选项；
第二个单选按钮RadioItems的选项，基于第一个回调函数传递的单选按钮RadioItems中选择的值；
第二个回调函数设置了options特性改变时的初始值：将自身设置为options数组中的第一个值；
最后的回调函数，显示了每个组件中的可选内容。如果更改了城市单选按钮RadioItems组件的value属性，则Dash将等待，直到value更新状态组件后，再调用最后的回调函数。

六、小结

Dash应用是基于下述简单但强大的原则进行构建的：通过响应式与函数式的Python回调函数，自定义声明式的UI；
声明式组件中的每个元素属性，都可以通过回调函数和属性子集进行更新，比如dcc.Dropdown的value特性，这样用户就可以在交互界面中进行编辑。

Python的Web可视化框架Dash(4)---基本回调

本节介绍如何实现Dash应用的回调，先导入本节用到的所有包

一、交互式布局

(一) 代码

(二)效果图

(三)说明

二、滑动条

(一) 代码

(二) 效果图

(三)说明

三、多重输入

(一) 代码

(二) 效果图

(三)说明

四、多重输出

(一) 代码

(二) 效果图

(三)说明

五、链式回调

(一) 代码

(二) 效果图

(三)说明

六、小结

猜你喜欢

热点阅读