121 lines
3.5 KiB
Markdown
121 lines
3.5 KiB
Markdown
|
# 用 python 从 CSV 文件构建仪表板[简单步骤]
|
||
|
|
|
||
|
|
> 原文：<https://www.askpython.com/python/examples/build-a-dashboard-in-python>
|
||
|
|
|
||
|
|
读者你好！在本教程中，我们将了解如何使用 dash 从 CSV 文件中快速构建 Python 中的仪表板。
|
||
|
|
|
||
|
|
Dash 是一个 Python 框架，使得任何人都可以轻松地用 Python 构建仪表板，而不必直接处理所需的前端。
|
||
|
|
|
||
|
|
## 用 Python 构建仪表板的步骤
|
||
|
|
|
||
|
|
现在让我们开始使用 Python 构建一个仪表板，使用 dash 库显示 CSV 文件中的数据！
|
||
|
|
|
||
|
|
### 步骤 1:使用 Plotly 绘制数据
|
||
|
|
|
||
|
|
我们将使用一个简单的 CSV 文件作为数据源，即 COVID 时间序列数据集。
|
||
|
|
|
||
|
|
我正在使用来自 Kaggle 的这个新冠肺炎数据集。一旦你准备好了，我们就可以开始使用了。
|
||
|
|
|
||
|
|
为了渲染这些图，我们将使用 [Python plotly 库](https://www.askpython.com/python-modules/python-plotly-tutorial)。要安装此库，请使用:
|
||
|
|
|
||
|
|
```py
|
||
|
|
pip install plotly
|
||
|
|
|
||
|
|
```
|
||
|
|
|
||
|
|
现在让我们画出各种状态的时间序列数据。我们将使用 [Pandas read_csv()函数](https://www.askpython.com/python-modules/pandas/python-pandas-module-tutorial)从 csv 数据集中读取数据。这只是三行简单的代码！
|
||
|
|
|
||
|
|
```py
|
||
|
|
import plotly.express as px
|
||
|
|
|
||
|
|
df = pd.read_csv('covid_19_india.csv')
|
||
|
|
|
||
|
|
# Plot the scatterplot using Plotly. We ploy y vs x (#Confirmed vs Date)
|
||
|
|
fig = px.scatter(df, x='Date', y='Confirmed', color='State/UnionTerritory')
|
||
|
|
fig.update_traces(mode='markers+lines')
|
||
|
|
fig.show()
|
||
|
|
|
||
|
|
```
|
||
|
|
|
||
|
|
现在 plotly 应该给你一个很好的数据可视化。现在让我们在 Dash 应用程序中渲染它。
|
||
|
|
|
||
|
|
### 步骤 2:用破折号嵌入图形
|
||
|
|
|
||
|
|
为了呈现我们的仪表板应用程序，我们将使用[破折号](https://dash.plotly.com/)。使用以下方式安装此库:
|
||
|
|
|
||
|
|
```py
|
||
|
|
pip install dash
|
||
|
|
|
||
|
|
```
|
||
|
|
|
||
|
|
我们将使用 dash 在布局中呈现数据。
|
||
|
|
|
||
|
|
在此之前，让我们设置一些样式表(CSS)来使我们的页面看起来更好！我用的是[这个](https://dash.plotly.com/layout) dash 官方教程的默认数据。
|
||
|
|
|
||
|
|
```py
|
||
|
|
import dash
|
||
|
|
import dash_core_components as dcc
|
||
|
|
import dash_html_components as html
|
||
|
|
import plotly.express as px
|
||
|
|
import pandas as pd
|
||
|
|
|
||
|
|
external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
|
||
|
|
|
||
|
|
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)
|
||
|
|
|
||
|
|
colors = {
|
||
|
|
'background': '#F0F8FF',
|
||
|
|
'text': '#00008B'
|
||
|
|
}
|
||
|
|
|
||
|
|
```
|
||
|
|
|
||
|
|
现在让我们在这个布局中配置我们的数据。
|
||
|
|
|
||
|
|
```py
|
||
|
|
# Our dataframe
|
||
|
|
df = pd.read_csv('covid_19_india.csv')
|
||
|
|
|
||
|
|
fig = px.scatter(df, x='Date', y='Confirmed', color='State/UnionTerritory')
|
||
|
|
fig.update_traces(mode='markers+lines')
|
||
|
|
|
||
|
|
app.layout = html.Div(children=[
|
||
|
|
html.H1(children='COVID-19 Time Series Dashboard'),
|
||
|
|
|
||
|
|
html.Div(children='''
|
||
|
|
COVID-19 Dashboard: India.
|
||
|
|
'''),
|
||
|
|
|
||
|
|
dcc.Graph(
|
||
|
|
id='example-graph',
|
||
|
|
figure=fig
|
||
|
|
)
|
||
|
|
])
|
||
|
|
|
||
|
|
```
|
||
|
|
|
||
|
|
### 步骤 3:用 Flask 运行应用服务器
|
||
|
|
|
||
|
|
现在，让我们最后运行应用服务器(通过 [Flask](https://www.askpython.com/python-modules/flask/create-hello-world-in-flask) ):
|
||
|
|
|
||
|
|
```py
|
||
|
|
if __name__ == '__main__':
|
||
|
|
app.run_server(debug=True)
|
||
|
|
|
||
|
|
```
|
||
|
|
|
||
|
|
这将在本地端口 8050 上启动服务器。我们现在来看看输出，当我们到`http://localhost:8050`的时候
|
||
|
|
|
||
|
|
|
||
|
|
|
||
|
|
Dashboard Output
|
||
|
|
|
||
|
|
正如你所看到的，我们确实用几行 Python 代码就有了一个好看的交互式仪表板！
|
||
|
|
|
||
|
|
* * *
|
||
|
|
|
||
|
|
## 结论
|
||
|
|
|
||
|
|
在本教程中，我们学习了如何使用 Dash 从 CSV 文件构建 Python 中的仪表板。
|
||
|
|
|
||
|
|
* * *
|