基于Python Dash库制作酷炫的可视化大屏

介绍

大家好，我是小F～

在数据时代，我们每个人既是数据的生产者，也是数据的使用者，然而初次获取和存储的原始数据杂乱无章、信息冗余、价值较低。

要想数据达到生动有趣、让人一目了然、豁然开朗的效果，就需要借助数据可视化。

以前给大家介绍过使用Streamlit库制作大屏，今天给大家带来一个新方法。

通过Python的Dash库，来制作一个酷炫的可视化大屏！

先来看一下整体效果，好像还不错哦。

主要使用Python的Dash库、Plotly库、Requests库。

其中Requests爬取数据，Plotly制作可视化图表，Dash搭建可视化页面。

原始数据是小F的博客数据，数据存储在MySqL数据库中。

如此看来，和Streamlit库的搭建流程，所差不多。

关于Dash库，网上的资料不是很多，基本上只能看官方文档和案例，下面小F简单介绍一下。

Dash是一个用于构建Web应用程序的高效Python框架，特别适合使用Python进行数据分析的人。

Dash是建立在Flask，Plotly.js和React.js之上，非常适合在纯Python中，使用高度自定义的用户界面，构建数据可视化应用程序。

相关文档

说明：https://dash.plotly.com/introduction

案例：https://dash.gallery/Portal/

源码：https://github.com/plotly/dash-sample-apps/

具体的大家可以去看文档学习，多动手练习。

下面就给大家讲解下如何通过Dash搭建可视化大屏～

数据

使用的数据是博客数据，主要是下方两处红框的信息。

通过爬虫代码爬取下来，存储在MySQL数据库中。

其中MySQL的安装，大家可以自行百度，都挺简单的。

安装好后，进行启用，以及创建数据库。

# 启动MySQL, 输入密码
mysql -u root -p

# 创建名为my_database的数据库
create database my_database;

其它相关的操作命令如下所示。

# 显示MySQL中所有的数据库
show databases;

# 选择my_database数据库
use my_database;

# 显示my_database数据库中所有的表
show tables;

# 删除表
drop table info;
drop table `2021-12-26`;

# 显示表中的内容, 执行SQL查询语句
select * from info;
select * from `2021-12-26`;

搞定上面的步骤后，就可以运行爬虫代码。

数据爬取代码如下。这里使用到了pymysql这个库，需要pip安装下。

import requests
import re
from bs4 import BeautifulSoup
import time
import random
import pandas as pd
from sqlalchemy import create_engine
import datetime as dt

def get_info():
   """获取大屏第一列信息数据"""
   headers = {
       'User-Agent': 'Mozilla/5.0 (MSIE 10.0; Windows NT 6.1; Trident/5.0)',
       'referer': 'https: // passport.csdn.net / login',
   }
   # 我的博客地址
   url = 'https://blog.csdn.net/river_star1/article/details/121463591'
   try:
       resp = requests.get(url, headers=headers)
       now = dt.datetime.now().strftime("％Y-％m-％d ％X")
       soup = BeautifulSoup(resp.text, 'lxml')
       author_name = soup.find('div', class_='user-info d-flex flex-column profile-intro-name-box').find('a').get_text(strip=True)
       head_img = soup.find('div', class_='avatar-box d-flex justify-content-center flex-column').find('a').find('img')['src']
       row1_nums = soup.find_all('div', class_='data-info d-flex item-tiling')[0].find_all('span', class_='count')
       row2_nums = soup.find_all('div', class_='data-info d-flex item-tiling')[1].find_all('span', class_='count')
       level_mes = soup.find_all('div', class_='data-info d-flex item-tiling')[0].find_all('dl')[-1]['title'].split(',')[0]
       rank = soup.find('div', class_='data-info d-flex item-tiling').find_all('dl')[-1]['title']
       info = {
           'date': now,#时间
           'head_img': head_img,#头像
           'author_name': author_name,#用户名
           'article_num': str(row1_nums[0].get_text()),#文章数
           'fans_num': str(row2_nums[1].get_text()),#粉丝数
           'like_num': str(row2_nums[2].get_text()),#喜欢数
           'comment_num': str(row2_nums[3].get_text()),#评论数
           'level': level_mes,#等级
           'visit_num': str(row1_nums[3].get_text()),#访问数
           'score': str(row2_nums[0].get_text()),#积分
           'rank': str(row1_nums[2].get_text()),#排名
       }
       df_info = pd.DataFrame([info.values()], columns=info.keys())
       return df_info
   except Exception as e:
       print(e)
       return get_info()

def get_type(title):
   """设置文章类型(依据文章名称)"""
   the_type = '其他'
   article_types = ['项目', '数据可视化', '代码', '图表', 'Python', '可视化', '数据', '面试', '视频', '动态', '下载']
   for article_type in article_types:
       if article_type in title:
           the_type = article_type
           break
   return the_type

def get_blog():
   """获取大屏第二、三列信息数据"""
   headers = {
       'User-Agent': 'Mozilla/5.0 (MSIE 10.0; Windows NT 6.1; Trident/5.0)',
       'referer': 'https: // passport.csdn.net / login',
   }
   base_url = 'https://blog.csdn.net/river_star1/article/list/'
   resp = requests.get(base_url+"1", headers=headers,  timeout=3)
   max_page = int(re.findall(r'var listTotal = (\d+);', resp.text)[0])//40+1
   df = pd.DataFrame(columns=['url', 'title', 'date', 'read_num', 'comment_num', 'type'])
   count = 0
   for i in range(1, max_page+1):
       url = base_url + str(i)
       resp = requests.get(url, headers=headers)
       soup = BeautifulSoup(resp.text, 'lxml')
       articles = soup.find("div", class_='article-list').find_all('div', class_='article-item-box csdn-tracking-statistics')
       for article in articles[1:]:
           a_url = article.find('h4').find('a')['href']
           title = article.find('h4').find('a').get_text(strip=True)[2:]
           issuing_time = article.find('span', class_="date").get_text(strip=True)
           num_list = article.find_all('span', class_="read-num")
           read_num = num_list[0].get_text(strip=True)
           if len(num_list) > 1:
               comment_num = num_list[1].get_text(strip=True)
           else:
               comment_num = 0
           the_type = get_type(title)
           df.loc[count] = [a_url, title, issuing_time, int(read_num), int(comment_num), the_type]
           count += 1
       time.sleep(random.choice([1, 1.1, 1.3]))
   return df

if __name__ == '__main__':
   # 今天的时间
   today = dt.datetime.today().strftime("％Y-％m-％d")
   # 连接mysql数据库
   engine = create_engine('mysql+pymysql://root:123456@localhost/my_database?charset=utf8')

# 获取大屏第一列信息数据, 并写入my_database数据库的info表中, 如若表已存在, 删除覆盖
   df_info = get_info()
   print(df_info)
   df_info.to_sql("info", con=engine, if_exists='replace', index=False)

# 获取大屏第二、三列信息数据, 并写入my_database数据库的日期表中, 如若表已存在, 删除覆盖
   df_article = get_blog()
   print(df_article)
   df_article.to_sql(today, con=engine, if_exists='replace', index=True)

运行成功后，就可以去数据库查询信息了。

info表，包含日期、头图、博客名、文章数、粉丝数、点赞数、评论数、等级数、访问数、积分数、排名数。

日期表，包含文章地址、标题、日期、阅读数、评论数、类型。

其中爬虫代码可设置定时运行，info表为60秒，日期表为60分钟。

尽量不要太频繁，容易被封IP，或者选择使用代理池。

这样便可以做到数据实时更新。

既然数据已经有了，下面就可以来编写页面了。

大屏搭建

导入相关的Python库，同样可以通过pip进行安装。

from spider_py import get_info, get_blog
from dash import dcc
import dash
from dash import html
import pandas as pd
import plotly.graph_objs as go
from dash.dependencies import Input, Output
import datetime as dt
from sqlalchemy import create_engine
from flask_caching import Cache
import numpy as np

设置一些基本的配置参数，如数据库连接、网页样式、Dash实例、图表颜色。

# 今天的时间
today = dt.datetime.today().strftime("％Y-％m-％d")

# 连接数据库
engine = create_engine('mysql+pymysql://root:123456@localhost/my_database?charset=utf8')

# 导入css样式
external_css = [
   "https://stackpath.bootstrapcdn.com/bootstrap/4.1.3/css/bootstrap.min.css",
   "https://cdnjs.cloudflare.com/ajax/libs/skeleton/2.0.4/skeleton.min.css"
]

# 创建一个实例
app = dash.Dash(__name__, external_stylesheets=external_css)
server = app.server

# 可以选择使用缓存, 减少频繁的数据请求
# cache = Cache(app.server, config={
#     'CACHE_TYPE': 'filesystem',
#     'CACHE_DIR': 'cache-directory'
# })

# 读取info表的数据
info = pd.read_sql('info', con=engine)

# 图表颜色
color_scale = ['#2c0772', '#3d208e', '#8D7DFF', '#CDCCFF', '#C7FFFB', '#ff2c6d', '#564b43', '#161d33']

这里将缓存代码注释掉了，如有频繁的页面刷新请求，就可以选择使用。

def indicator(text, id_value):
   """第一列的文字及数字信息显示"""
   return html.Div([
   html.P(text, className="twelve columns indicator_text"),
   html.P(id=id_value, className="indicator_value"),
], className="col indicator")

def get_news_table(data):
   """获取文章列表, 根据阅读排序"""
   df = data.copy()
   df.sort_values('read_num', inplace=True, ascending=False)
   titles = df['title'].tolist()
   urls = df['url'].tolist()

return html.Table([html.Tbody([
       html.Tr([
           html.Td(
               html.A(titles[i], href=urls[i], target="_blank",))
       ], style={'height': '30px', 'fontSize': '16'})for i in range(min(len(df), 100))
   ])], style={"height": "90％", "width": "98％"})

# @cache.memoize(timeout=3590), 可选择设置缓存, 我没使用
def get_df():
   """获取当日最新的文章数据"""
   df = pd.read_sql(today, con=engine)
   df['date_day'] = df['date'].apply(lambda x: x.split(' ')[0]).astype('datetime64[ns]')
   df['date_month'] = df['date'].apply(lambda x: x[:7].split('-')[0] + "年" + x[:7].split('-')[-1] + "月")
   df['weekday'] = df['date_day'].dt.weekday
   df['year'] = df['date_day'].dt.year
   df['month'] = df['date_day'].dt.month
   df['week'] = df['date_day'].dt.isocalendar().week
   return df

# 导航栏的图片及标题
head = html.Div([
   html.Div(html.Img(src='./assets/img.jpg', height="100％"), style={"float": "left", "height": "90％", "margin-top": "5px", "border-radius": "50％", "overflow": "hidden"}),
   html.Span("{}博客的Dashboard".format(info['author_name'][0]), className='app-title'),
], className="row header")

# 第一列的文字及数字信息
columns = info.columns[3:]
col_name = ['文章数', '关注数', '喜欢数', '评论数', '等级', '访问数', '积分', '排名']
row1 = html.Div([
   indicator(col_name[i], col) for i, col in enumerate(columns)
], className='row')

# 第二列
row2 = html.Div([
   html.Div([
       html.P("每月文章写作情况"),
       dcc.Graph(id="bar", style={"height": "90％", "width": "98％"}, config=dict(displayModeBar=False),)
   ], className="col-4 chart_div",),
   html.Div([
       html.P("各类型文章占比情况"),
       dcc.Graph(id="pie", style={"height": "90％", "width": "98％"}, config=dict(displayModeBar=False),)
   ], className="col-4 chart_div"),
   html.Div([
       html.P("各类型文章阅读情况"),
       dcc.Graph(id="mix", style={"height": "90％", "width": "98％"}, config=dict(displayModeBar=False),)
   ], className="col-4 chart_div",)
], className='row')

# 年数统计, 我的是2019 2020 2021
years = get_df()['year'].unique()
select_list = ['每月文章', '类型占比', '类型阅读量', '每日情况']

# 两个可交互的下拉选项
dropDowm1 = html.Div([
   html.Div([
       dcc.Dropdown(id='dropdown1',
                options=[{'label': '{}年'.format(year), 'value': year} for year in years],
                value=years[1], style={'width': '40％'})
       ], className='col-6', style={'padding': '2px', 'margin': '0px 5px 0px'}),
   html.Div([
       dcc.Dropdown(id='dropdown2',
                options=[{'label': select_list[i], 'value': item} for i, item in enumerate(['bar', 'pie', 'mix', 'heatmap'])],
                value='heatmap', style={'width': '40％'})
       ], className='col-6', style={'padding': '2px', 'margin': '0px 5px 0px'})
], className='row')

# 第三列
row3 = html.Div([
   html.Div([
       html.P("每日写作情况"),
       dcc.Graph(id="heatmap", style={"height": "90％", "width": "98％"}, config=dict(displayModeBar=False),)
   ], className="col-6 chart_div",),
   html.Div([
       html.P("文章列表"),
       html.Div(get_news_table(get_df()), id='click-data'),
   ], className="col-6 chart_div", style={"overflowY": "scroll"})
], className='row')

# 总体情况
app.layout = html.Div([
   # 定时器
   dcc.Interval(id="stream", interval=1000*60, n_intervals=0),
   dcc.Interval(id="river", interval=1000*60*60, n_intervals=0),
   html.Div(id="load_info", style={"display": "none"},),
   html.Div(id="load_click_data", style={"display": "none"},),
   head,
   html.Div([
       row1,
       row2,
       dropDowm1,
       row3,
   ], style={'margin': '0％ 30px'}),
])

上面的代码，就是网页的布局，效果如下。

网页可以划分为三列。第一列为info表中的数据展示，第二、三列为博客文章的数据展示。

相关的数据需要通过回调函数进行更新，这样才能做到实时刷新。

各个数值及图表的回调函数代码如下所示。

# 回调函数, 60秒刷新info数据, 即第一列的数值实时刷新
@app.callback(Output('load_info', 'children'), [Input("stream", "n_intervals")])
def load_info(n):
   try:
       df = pd.read_sql('info', con=engine)
       return df.to_json()
   except:
       pass

# 回调函数, 60分钟刷新今日数据, 即第二、三列的数值实时刷新(爬取文章数据, 并写入数据库中)
@app.callback(Output('load_click_data', 'children'), [Input("river", "n_intervals")])
def cwarl_data(n):
   if n != 0:
       df_article = get_blog()
       df_article.to_sql(today, con=engine, if_exists='replace', index=True)

# 回调函数, 第一个柱状图
@app.callback(Output('bar', 'figure'), [Input("river", "n_intervals")])
def get_bar(n):
   df = get_df()
   df_date_month = pd.DataFrame(df['date_month'].value_counts(sort=False))
   df_date_month.sort_index(inplace=True)
   trace = go.Bar(
       x=df_date_month.index,
       y=df_date_month['date_month'],
       text=df_date_month['date_month'],
       textposition='auto',
       marker=dict(color='#33ffe6')
   )
   layout = go.Layout(
       margin=dict(l=40, r=40, t=10, b=50),
       yaxis=dict(gridcolor='#e2e2e2'),
       paper_bgcolor='rgba(0,0,0,0)',
       plot_bgcolor='rgba(0,0,0,0)',
   )
   return go.Figure(data=[trace], layout=layout)

# 回调函数, 中间的饼图
@app.callback(Output('pie', 'figure'), [Input("river", "n_intervals")])
def get_pie(n):
   df = get_df()
   df_types = pd.DataFrame(df['type'].value_counts(sort=False))
   trace = go.Pie(
       labels=df_types.index,
       values=df_types['type'],
       marker=dict(colors=color_scale[:len(df_types.index)])
   )
   layout = go.Layout(
       margin=dict(l=50, r=50, t=50, b=50),
       paper_bgcolor='rgba(0,0,0,0)',
       plot_bgcolor='rgba(0,0,0,0)',
   )
   return go.Figure(data=[trace], layout=layout)

# 回调函数, 左下角热力图
@app.callback(Output('heatmap', 'figure'),
             [Input("dropdown1", "value"), Input('river', 'n_intervals')])
def get_heatmap(value, n):
   df = get_df()
   grouped_by_year = df.groupby('year')
   data = grouped_by_year.get_group(value)
   cross = pd.crosstab(data['weekday'], data['week'])
   cross.sort_index(inplace=True)
   trace = go.Heatmap(
       x=['第{}周'.format(i) for i in cross.columns],
       y=["星期{}".format(i+1) if i != 6 else "星期日" for i in cross.index],
       z=cross.values,
       colorscale="Blues",
       reversescale=False,
       xgap=4,
       ygap=5,
       showscale=False
   )
   layout = go.Layout(
       margin=dict(l=50, r=40, t=30, b=50),
   )
   return go.Figure(data=[trace], layout=layout)

# 回调函数, 第二个柱状图(柱状图+折线图)
@app.callback(Output('mix', 'figure'), [Input("river", "n_intervals")])
def get_mix(n):
   df = get_df()
   df_type_visit_sum = pd.DataFrame(df['read_num'].groupby(df['type']).sum())
   df['read_num'] = df['read_num'].astype('float')
   df_type_visit_mean = pd.DataFrame(df['read_num'].groupby(df['type']).agg('mean').round(2))
   trace1 = go.Bar(
       x=df_type_visit_sum.index,
       y=df_type_visit_sum['read_num'],
       name='总阅读',
       marker=dict(color='#ffc97b'),
       yaxis='y',
   )
   trace2 = go.Scatter(
       x=df_type_visit_mean.index,
       y=df_type_visit_mean['read_num'],
       name='平均阅读',
       yaxis='y2',
       line=dict(color='#161D33')
   )
   layout = go.Layout(
       margin=dict(l=60, r=60, t=30, b=50),
       showlegend=False,
       yaxis=dict(
           side='left',
           title='阅读总数',
           gridcolor='#e2e2e2'
       ),
       yaxis2=dict(
           showgrid=False,  # 网格
           title='阅读平均',
           anchor='x',
           overlaying='y',
           side='right'
       ),
       paper_bgcolor='rgba(0,0,0,0)',
       plot_bgcolor='rgba(0,0,0,0)',
   )
   return go.Figure(data=[trace1, trace2], layout=layout)

# 点击事件, 选择两个下拉选项, 点击对应区域的图表, 文章列表会刷新
@app.callback(Output('click-data', 'children'),
       [Input('pie', 'clickData'),
        Input('bar', 'clickData'),
        Input('mix', 'clickData'),
        Input('heatmap', 'clickData'),
        Input('dropdown1', 'value'),
        Input('dropdown2', 'value'),
        ])
def display_click_data(pie, bar, mix, heatmap, d_value, fig_type):
   try:
       df = get_df()
       if fig_type == 'pie':
           type_value = pie['points'][0]['label']
           # date_month_value = clickdata['points'][0]['x']
           data = df[df['type'] == type_value]
       elif fig_type == 'bar':
           date_month_value = bar['points'][0]['x']
           data = df[df['date_month'] == date_month_value]
       elif fig_type == 'mix':
           type_value = mix['points'][0]['x']
           data = df[df['type'] == type_value]
       else:
           z = heatmap['points'][0]['z']
           if z == 0:
               return None
           else:
               week = heatmap['points'][0]['x'][1:-1]
               weekday = heatmap['points'][0]['y'][-1]
               if weekday == '日':
                   weekday = 7
               year = d_value
               data = df[(df['weekday'] == int(weekday)-1) & (df['week'] == int(week)) & (df['year'] == year)]
       return get_news_table(data)
   except:
       return None

# 第一列的数值
def update_info(col):
   def get_data(json, n):
       df = pd.read_json(json)
       return df[col][0]
   return get_data

for col in columns:
   app.callback(Output(col, "children"),
                [Input('load_info', 'children'), Input("stream", "n_intervals")]
    )(update_info(col))

图表的数据和样式全在这里设置，两个下拉栏的数据交互也在这里完成。

需要注意右侧下拉栏的类型，需和你所要点击图表类型一致，这样文章列表才会更新。

每日情况对应热力图，类型阅读量对应第二列第三个图表，类型占比对应饼图，每月文章对应第一个柱状图的点击事件。

最后启动程序代码。

if __name__ == '__main__':
   # debug模式, 端口7777
   app.run_server(debug=True, threaded=True, port=7777)
   # 正常模式, 网页右下角的调试按钮将不会出现
   # app.run_server(port=7777)

这样就能在本地看到可视化大屏页面，浏览器打开如下地址。

http://127.0.0.1:7777

对于网页的布局、背景颜色等，主要通过CSS进行设置。

这一部分可能是大家所要花费时间去理解的。

body{
   margin:0;
   padding: 0;
   background-color: #161D33;
   font-family: 'Open Sans', sans-serif;
   color: #506784;
   -webkit-user-select: none;  /* Chrome all / Safari all */
   -moz-user-select: none;     /* Firefox all */
   -ms-user-select: none;      /* IE 10+ */
   user-select: none;          /* Likely future */
}

.modal {
   display: block;  /*Hidden by default */
   position: fixed; /* Stay in place */
   z-index: 1000; /* Sit on top */
   left: 0;
   top: 0;
   width: 100％; /* Full width */
   height: 100％; /* Full height */
   overflow: auto; /* Enable scroll if needed */
   background-color: rgb(0,0,0); /* Fallback color */
   background-color: rgba(0,0,0,0.4); /* Black w/ opacity */
}

.modal-content {
   background-color: white;
   margin: 5％ auto; /* 15％ from the top and centered */
   padding: 20px;
   width: 30％; /* Could be more or less, depending on screen size */
   color:#506784;
}

._dash-undo-redo {
 display: none;
}

.app-title{
   color:white;
   font-size:3rem;
   letter-spacing:-.1rem;
   padding:10px;
   vertical-align:middle
}

.header{
   margin:0px;
   background-color:#161D33;
   height:70px;
   color:white;
   padding-right:2％;
   padding-left:2％
}

.indicator{
 border-radius: 5px;
 background-color: #f9f9f9;
 margin: 10px;
 padding: 15px;
 position: relative;
 box-shadow: 2px 2px 2px lightgrey;
}

.indicator_text{
   text-align: center;
   float: left;
   font-size: 17px;
   }

.indicator_value{
   text-align:center;
   color: #2a3f5f;
   font-size: 35px;
}

.add{
   height: 34px;
   background: #119DFF;
   border: 1px solid #119DFF;
   color: white;
}

.chart_div{
   background-color: #f9f9f9;
   border-radius: 5px;
   height: 390px;
   margin:5px;
   padding: 15px;
   position: relative;
   box-shadow: 2px 2px 2px lightgrey;
}

.col-4 {
   flex: 0 0 32.65％;
   max-width: 33％;
}

.col-6 {
   flex: 0 0 49.3％;
   max-width: 50％;
}

.chart_div p{
   color: #2a3f5f;
   font-size: 15px;
   text-align: center;
}

td{
   text-align: left;
   padding: 0px;
}

table{
   border: 1px;
   font-size:1.3rem;
   width:100％;
   font-family:Ubuntu;
}

.tabs_div{
   margin:0px;
   height:30px;
   font-size:13px;
   margin-top:1px
}

tr:nth-child(even) {
   background-color: #d6e4ea;
   -webkit-print-color-adjust: exact;
}

如今低代码平台的出现，或许以后再也不用去写烦人的HTML、CSS等。拖拖拽拽，即可轻松完成一个大屏的制作。

好了，今天的分享到此结束，大家可以自行去动手练习。

参考链接：

https://github.com/ffzs/dash_blog_dashboard

https://github.com/plotly/dash-sample-apps/tree/main/apps/dash-oil-and-gas

来源：https://blog.csdn.net/river_star1/article/details/122163933