秀啊，用Python快速開發(fā)在線數(shù)據(jù)庫更新修改工具
?本文示例代碼已上傳至我的
?Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes
1 簡(jiǎn)介
這是我的系列教程「Python+Dash快速web應(yīng)用開發(fā)」的第十三期，在上一期中，我們一起認(rèn)識(shí)了Dash自帶的交互式表格組件dash_table，并學(xué)會(huì)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(xù)深入認(rèn)識(shí)dash_table的更多交互方面的功能，學(xué)習(xí)如何為渲染出的表格分頁，并添加動(dòng)態(tài)內(nèi)容修改等交互功能。
2 dash_table的基礎(chǔ)交互能力
dash_table的核心功能是賦予用戶與圖表進(jìn)行快捷交互的能力，下面我們來學(xué)習(xí)其基礎(chǔ)常用的一些交互功能：
2.1 分頁翻頁
當(dāng)我們要展示的數(shù)據(jù)行數(shù)較多時(shí)，在網(wǎng)頁中渲染可以選擇分頁，這在dash_table中實(shí)現(xiàn)起來比較方便，根據(jù)數(shù)據(jù)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?cè)L問Dash應(yīng)用時(shí)，表格內(nèi)所有頁面的數(shù)據(jù)一次性加載完成，適合數(shù)據(jù)量不大的情況，將數(shù)據(jù)存儲(chǔ)壓力轉(zhuǎn)移到瀏覽器端。
通過參數(shù)page_size設(shè)置每頁要顯示的記錄行數(shù)，Dash會(huì)自動(dòng)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(shè)置單頁顯示15行記錄行數(shù)
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)
### 2.1.2 后端分頁
雖然前端分頁簡(jiǎn)單易用，但當(dāng)我們的數(shù)據(jù)很大時(shí)，強(qiáng)行使用前端分頁會(huì)給「網(wǎng)絡(luò)傳輸」和「瀏覽器端」帶來不小的延遲和內(nèi)存壓力，嚴(yán)重影響用戶體驗(yàn)，因此Dash貼心地為我們準(zhǔn)備了「后端分頁」方式。
這時(shí)首先我們得為DataTable設(shè)置參數(shù)page_action='custom'，這是使用后端分頁的先決條件，接下來我們需要認(rèn)識(shí)一些新的參數(shù)：
page_current，int型，對(duì)應(yīng)當(dāng)前翻到的頁碼；
page_count，int型，對(duì)應(yīng)顯示的總頁數(shù)；
我們?cè)谑褂?strong>「后端分頁」時(shí)，實(shí)際上就是通過用戶當(dāng)前翻到的頁碼，以及設(shè)定的page_size，來動(dòng)態(tài)地在翻頁后加載對(duì)應(yīng)批次的數(shù)據(jù)，并控制顯示的總頁數(shù)，參考下面這個(gè)簡(jiǎn)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(cè)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(shè)置單頁顯示15行記錄行數(shù)
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(shù)據(jù)集被我concat到24萬行，加載應(yīng)用以及網(wǎng)頁內(nèi)翻頁時(shí)依然輕松自如毫無壓力，在實(shí)際應(yīng)用中你還可以將翻頁部分改成受到LIMIT與OFFSET控制的數(shù)據(jù)庫查詢過程，使得應(yīng)用運(yùn)行的更加快速高效：
2.2 對(duì)單元格內(nèi)容進(jìn)行編輯
講完了分頁翻頁，接下來我們來學(xué)習(xí)dash_table中更加強(qiáng)大的功能——單元格內(nèi)容編輯。
一個(gè)現(xiàn)代化的web應(yīng)用當(dāng)然不能局限于僅僅查看數(shù)據(jù)這么簡(jiǎn)單，Dash同樣賦予了我們雙擊數(shù)據(jù)表單元格進(jìn)行數(shù)據(jù)編輯的能力，首先得設(shè)置參數(shù)editable=True，即開啟表格編輯模式，接下來就可以對(duì)數(shù)據(jù)區(qū)域單元格進(jìn)行任意的雙擊選中編輯。
不過Dash默認(rèn)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(shù)設(shè)置方式來自定義美化：
style_data_conditional=[
{
# 對(duì)選中狀態(tài)下的單元格進(jìn)行自定義樣式
"if": {"state": "selected"},
"background-color": "#b3e5fc",
"border": "none"
},
]
來看一個(gè)形象的例子，我們對(duì)「前端分頁」方式渲染出的表格進(jìn)行隨意的修改，并在下方對(duì)利用pandas的compare比較出的數(shù)據(jù)框之間的差異結(jié)果進(jìn)行打?。?/p>
?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(duì)選中狀態(tài)下的單元格進(jìn)行自定義樣式
"if": {"state": "selected"},
"background-color": "#b3e5fc",
"border": "none"
},
]
),
html.H4('與原表格內(nèi)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(duì)指定單元格元素進(jìn)行了修改。
3 開發(fā)數(shù)據(jù)庫內(nèi)容在線更新工具
在學(xué)習(xí)完今天的內(nèi)容之后，我們就可以開發(fā)一個(gè)簡(jiǎn)單的，可在線自由修改并同步變動(dòng)到數(shù)據(jù)庫的小工具，這里我們以MySQL數(shù)據(jù)庫為例，對(duì)示例表進(jìn)行修改和更新：
首先我們利用下列代碼向示例數(shù)據(jù)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)
接下來我們就以創(chuàng)建好的tips表為例，開發(fā)一個(gè)Dash應(yīng)用，進(jìn)行數(shù)據(jù)的修改和更新到數(shù)據(jù)庫：
效果非常的不錯(cuò)，你可以在我這個(gè)簡(jiǎn)單示例的基礎(chǔ)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(yīng)對(duì)大型數(shù)據(jù)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(shù)據(jù)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(duì)選中狀態(tài)下的單元格進(jìn)行自定義樣式
"if": {"state": "selected"},
"background-color": "#b3e5fc",
"border": "none"
},
]
),
dbc.Button('同步變動(dòng)到數(shù)據(jù)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)
以上就是本文的全部?jī)?nèi)容，歡迎在評(píng)論區(qū)發(fā)表你的意見與觀點(diǎn)。
推薦閱讀 誤執(zhí)行了rm -fr /*之后，除了跑路還能怎么辦？！ 程序員必備58個(gè)網(wǎng)站匯總 大幅提高生產(chǎn)力：你需要了解的十大Jupyter Lab插件