用 Python 制作酷炫的可视化大屏，特简单！

 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～

01. 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, headersheaders=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", headersheaders=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, headersheaders=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。

02. 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], layoutlayout=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], layoutlayout=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], layoutlayout=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], layoutlayout=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。