1 簡介

這是我的系列教程「Python+Dash快速web應用開發」的第十三期，在上一期中，我們一起認識了Dash自帶的交互式表格組件dash_table，并學會了如何自定義表格中不同部分的樣式。

而今天的教程，我們將繼續深入認識dash_table的更多交互方面的功能，學習如何為渲染出的表格分頁，并添加動態內容修改等交互功能。

 

 

 

[[392325]]

 

圖1

2 dash_table的基礎交互能力

dash_table的核心功能是賦予用戶與圖表進行快捷交互的能力，下面我們來學習其基礎常用的一些交互功能：

2.1 分頁翻頁

當我們要展示的數據行數較多時，在網頁中渲染可以選擇分頁，這在dash_table中實現起來比較方便，根據數據傳遞方式的不同，可以分為「前端分頁」與「后端分頁」：

2.1.1 前端分頁

前端分頁顧名思義，就是在我們訪問Dash應用時，表格內所有頁面的數據一次性加載完成，適合數據量不大的情況，將數據存儲壓力轉移到瀏覽器端。

通過參數page_size設置每頁要顯示的記錄行數，Dash會自動幫我們分好頁，并配上翻頁部件：

app1.py

import dash 
import dash_bootstrap_components as dbc 
import dash_table 
 
import seaborn as sns 
 
df = sns.load_dataset('tips') 
df.insert(0, '#', df.index) 
 
app = dash.Dash(__name__) 
 
app.layout = dbc.Container( 
    [ 
        dash_table.DataTable( 
            id='dash-table', 
            data=df.to_dict('records'), 
            columns=[ 
                {'name': column, 'id': column} 
                for column in df.columns 
            ], 
            page_size=15,  # 設置單頁顯示15行記錄行數 
            style_header={ 
                'font-family': 'Times New Romer', 
                'font-weight': 'bold', 
                'text-align': 'center' 
            }, 
            style_data={ 
                'font-family': 'Times New Romer', 
                'text-align': 'center' 
            } 
        ) 
    ], 
    style={ 
        'margin-top': '50px' 
    } 
) 
 
if __name__ == '__main__': 
    app.run_server(debug=True) 

 

 

圖2

2.1.2 后端分頁

雖然前端分頁簡單易用，但當我們的數據很大時，強行使用前端分頁會給「網絡傳輸」和「瀏覽器端」帶來不小的延遲和內存壓力，嚴重影響用戶體驗，因此Dash貼心地為我們準備了「后端分頁」方式。

這時首先我們得為DataTable設置參數page_action='custom'，這是使用后端分頁的先決條件，接下來我們需要認識一些新的參數：

page_current，int型，對應當前翻到的頁碼;

page_count，int型，對應顯示的總頁數;

我們在使用「后端分頁」時，實際上就是通過用戶當前翻到的頁碼，以及設定的page_size，來動態地在翻頁后加載對應批次的數據，并控制顯示的總頁數，參考下面這個簡單的例子：

app2.py

 

import dash 
import dash_bootstrap_components as dbc 
import dash_table 
from dash.dependencies import Input, Output 
 
import seaborn as sns 
import pandas as pd 
from tqdm import tqdm 
 
# 壓力測試 
df = pd.concat([sns.load_dataset('tips') for _ in tqdm(range(1000))], ignore_index=True) 
df.insert(0, '#', df.index) 
 
app = dash.Dash(__name__) 
 
app.layout = dbc.Container( 
    [ 
        dbc.Spinner( 
            dash_table.DataTable( 
                id='dash-table', 
                columns=[ 
                    {'name': column, 'id': column} 
                    for column in df.columns 
                ], 
                page_size=15,  # 設置單頁顯示15行記錄行數 
                page_action='custom', 
                page_current=0, 
                style_header={ 
                    'font-family': 'Times New Romer', 
                    'font-weight': 'bold', 
                    'text-align': 'center' 
                }, 
                style_data={ 
                    'font-family': 'Times New Romer', 
                    'text-align': 'center' 
                } 
            ) 
        ) 
    ], 
    style={ 
        'margin-top': '50px' 
    } 
) 
 
 
@app.callback( 
    [Output('dash-table', 'data'), 
     Output('dash-table', 'page_count')], 
    [Input('dash-table', 'page_current'), 
     Input('dash-table', 'page_size')] 
) 
def refresh_page_data(page_current, page_size): 
    return df.iloc[page_current * page_size:(page_current + 1) * page_size].to_dict('records'), 1 + df.shape[ 
        0] // page_size 
 
 
if __name__ == '__main__': 
    app.run_server(debug=True) 

可以看到，即使我們完整的數據集被我concat到24萬行，加載應用以及網頁內翻頁時依然輕松自如毫無壓力，在實際應用中你還可以將翻頁部分改成受到LIMIT與OFFSET控制的數據庫查詢過程，使得應用運行的更加快速高效：

 

 

圖3

2.2 對單元格內容進行編輯

講完了分頁翻頁，接下來我們來學習dash_table中更加強大的功能——單元格內容編輯。

一個現代化的web應用當然不能局限于僅僅查看數據這么簡單，Dash同樣賦予了我們雙擊數據表單元格進行數據編輯的能力，首先得設置參數editable=True，即開啟表格編輯模式，接下來就可以對數據區域單元格進行任意的雙擊選中編輯。

不過Dash默認的單元格被選中的樣式忒丑了(是粉色的你敢信)，因此我們可以利用下面的參數設置方式來自定義美化：

 

style_data_conditional=[ 
                { 
                    # 對選中狀態下的單元格進行自定義樣式 
                    "if": {"state": "selected"}, 
                    "background-color": "#b3e5fc", 
                    "border": "none" 
                }, 
            ] 

來看一個形象的例子，我們對「前端分頁」方式渲染出的表格進行隨意的修改，并在下方對利用pandas的compare比較出的數據框之間的差異結果進行打印：

app3.py

import dash 
import dash_html_components as html 
import dash_core_components as dcc 
import dash_bootstrap_components as dbc 
import dash_table 
from dash.dependencies import Input, Output 
 
import seaborn as sns 
import pandas as pd 
 
df = sns.load_dataset('tips') 
df.insert(0, '#', df.index) 
 
app = dash.Dash(__name__) 
 
app.layout = dbc.Container( 
    [ 
        dash_table.DataTable( 
            id='dash-table', 
            data=df.to_dict('records'), 
            columns=[ 
                {'name': column, 'id': column} 
                for column in df.columns 
            ], 
            fixed_rows={'headers': True}, 
            page_size=15, 
            editable=True, 
            style_header={ 
                'font-family': 'Times New Romer', 
                'font-weight': 'bold', 
                'text-align': 'center' 
            }, 
            style_data={ 
                'font-family': 'Times New Romer', 
                'text-align': 'center' 
            }, 
            style_data_conditional=[ 
                { 
                    # 對選中狀態下的單元格進行自定義樣式 
                    "if": {"state": "selected"}, 
                    "background-color": "#b3e5fc", 
                    "border": "none" 
                }, 
            ] 
        ), 
        html.H4('與原表格內容比較：', style={'margin-top': '50px'}), 
        dcc.Markdown( 
            '無差別', 
            id='markdown', 
            dangerously_allow_html=True 
        ) 
    ], 
    style={ 
        'margin-top': '50px' 
    } 
) 
 
 
@app.callback( 
    Output('markdown', 'children'), 
    Input('dash-table', 'data'), 
    prevent_initial_call=True 
) 
def compare_difference(dash_table_data): 
    print(pd.DataFrame(dash_table_data)) 
 
    return df.compare(pd.DataFrame(dash_table_data)).to_html() 
 
 
if __name__ == '__main__': 
    app.run_server(debug=True) 

可以看到，我們成功地對指定單元格元素進行了修改。

 

 

圖4

3 開發數據庫內容在線更新工具

在學習完今天的內容之后，我們就可以開發一個簡單的，可在線自由修改并同步變動到數據庫的小工具，這里我們以MySQL數據庫為例，對示例表進行修改和更新：

首先我們利用下列代碼向示例數據庫中新建表格tips：

 

from sqlalchemy import create_engine 
import seaborn as sns 
 
df = sns.load_dataset('tips') 
df.insert(0, '#', df.index) 
 
engine = create_engine('mysql+pymysql://root:mysql@localhost/DASH') 
 
df.to_sql('tips', con=engine, if_exists='replace', index=False) 

 

圖5

接下來我們就以創建好的tips表為例，開發一個Dash應用，進行數據的修改和更新到數據庫：

 

 

圖6

效果非常的不錯，你可以在我這個簡單示例的基礎上，拓展更多新功能，也可以采取后端分頁+條件修改的方式來應對大型數據表的修改，全部代碼如下：

app4.py

 

import dash 
import dash_bootstrap_components as dbc 
import dash_core_components as dcc 
import dash_html_components as html 
import dash_table 
from dash.dependencies import Input, Output, State 
 
from sqlalchemy import create_engine 
import pandas as pd 
 
engine = create_engine('mysql+pymysql://root:mysql@localhost/DASH') 
 
app = dash.Dash(__name__) 
 
app.layout = dbc.Container( 
    [ 
        dbc.Row( 
            [ 
                dbc.Col(dbc.Button('更新數據表', id='refresh-tables', style={'width': '100%'}), width=2), 
                dbc.Col(dcc.Dropdown(id='table-select', style={'width': '100%'}), width=2) 
            ] 
        ), 
        html.Hr(), 
        dash_table.DataTable( 
            id='dash-table', 
            editable=True, 
            page_size=15, 
            style_header={ 
                'font-family': 'Times New Romer', 
                'font-weight': 'bold', 
                'text-align': 'center' 
            }, 
            style_data={ 
                'font-family': 'Times New Romer', 
                'text-align': 'center' 
            }, 
            style_data_conditional=[ 
                { 
                    # 對選中狀態下的單元格進行自定義樣式 
                    "if": {"state": "selected"}, 
                    "background-color": "#b3e5fc", 
                    "border": "none" 
                }, 
            ] 
        ), 
        dbc.Button('同步變動到數據庫', id='update-tables', style={'display': 'none'}), 
        html.P(id='message') 
    ], 
    style={ 
        'margin-top': '50px' 
    } 
) 
 
 
@app.callback( 
    Output('table-select', 'options'), 
    Input('refresh-tables', 'n_clicks') 
) 
def refresh_tables(n_clicks): 
    if n_clicks: 
        return [ 
            { 
                'label': table, 
                'value': table 
            } 
            for table in pd.read_sql_query('SHOW TABLES', con=engine)['Tables_in_dash'] 
        ] 
 
    return dash.no_update 
 
 
@app.callback( 
    [Output('dash-table', 'data'), 
     Output('dash-table', 'columns'), 
     Output('update-tables', 'style')], 
    Input('table-select', 'value') 
) 
def render_dash_table(value): 
    if value: 
        df = pd.read_sql_table(value, con=engine) 
 
        return df.to_dict('records'), [ 
            {'name': column, 'id': column} 
            for column in df.columns 
        ], {'margin-top': '25px'} 
 
    else: 
        return [], [], {'display': 'none'} 
 
 
@app.callback( 
    [Output('message', 'children'), 
     Output('message', 'style')], 
    Input('update-tables', 'n_clicks'), 
    [State('dash-table', 'data'), 
     State('table-select', 'value')] 
) 
def update_to_database(n_clicks, data, value): 
 
    if n_clicks: 
 
        try: 
            pd.DataFrame(data).to_sql(value, con=engine, if_exists='replace', index=False) 
 
            return '更新成功！', {'color': 'green'} 
        except Exception as e: 
            return f'更新失敗！{e}', {'color': 'red'} 
 
    return dash.no_update 
 
if __name__ == '__main__': 
    app.run_server(debug=True)