Python交互式数据分析报告框架~Dash介绍（翻译整理）

作者：呆鸟译Py     喜爱Python数据分析/NLP

翻译Python文章分享给大家

简书专栏：https://www.jianshu.com/u/be48b04ecc3e

作者其他文章：2017年10大Python库（翻译）

原文作者：Plotly,Chris Pamer    

原文链接：

https://link.jianshu.com/?t=https%3A%2F%2Fmedium.com%2F%40plotlygraphs%2Fintroducing-dash-5ecf7191b503

译者序：原文于2017年6月21日发布，时过半载，将这篇既不是教程，也不是新闻的产品发布稿做了一番翻译，为何？只因去年下半年的时候，用R语言的博哥和龙少有Shiny这样的框架可以开发交互式整合Web数据分析报告，让我这个成天鼓吹用Python做数据分析的人眼馋不已。当时找了很久，试用了包括Bokeh、mpld3、Highcharts，以及键冬同学基于百度Echarts开发的PyEcharts，但是这些都是基于Web的交互视图库，而非Shiny那种能将文档、表格、视图整合在一起的交互式数据分析报告框架。今年翻译《2017年10大Python库》这篇文章时看到了Dash，这正是我寻觅已久的，不过，网上却鲜有介绍它的中文文章，因此，决定将它的产品发布稿先翻译出来，希望Python数据分析师能够了解Dash，用它制作出更优秀的数据分析报告。

另外，后来还发现了Pyxley，也是基于React和Flask的，有兴趣的朋友也可以了解一下。

纯Python搭建响应式Web应用

Dash是用于搭建响应式Web应用的Python开源库，两年前，Dash只是在Github上公布的一个概念验证模型，我们把它放到网上，并在后台展开后续工作。我们与银行、实验室和数据科学项目组合作对Dash进行了秘密实验，其反馈信息指导了Dash的开发。今天，我们怀着激动的心情宣布，Dash的第一个公开版终于发布啦，它是Plotly顶级开源工具中的一员，完美支持企业级应用，全部开源，并采用了MIT许可。从今天开始，通过Python包管理器pip install dash 即可下载Dash，请在这里查阅Dash入门指南和Github上的Dash源码。

Dash入门指南：https://plot.ly/dash/

Dash源：https://github.com/plotly/dash

Dash是搭建Web数据分析应用的用户界面（UI）库，如果你之前使用Python处理过数据分析、数据探索、可视化、建模、工具控制及编制报告等工作，就会发现Dash可以快速上手。

Dash的出现让为数据分析代码构建GUI这项工作变得超级简单。下面的例子是一个将下拉菜单与支持D3.js的Plotly图形绑定的Dash应用。用户点击下拉菜单选择不同的值，程序代码就能动态地从谷歌金融导入数据到Pandas的DataFrame。这个应用仅用了43行代码，简单吧！

Dash应用：Hello World，更多请查阅用户指南

用户指南：https://plot.ly/dash/

Dash应用的代码是声明与反应式的，可以轻松构建包含交互元素的复杂应用。下面是一个包含5个输入项，3个输出项和交叉筛选的例子，这个例子只有160行代码，并且都是用Python编写的。

Dash应用：含交叉筛选，多个输入与输出项，仅163行Python代码。查看源码

源码：https://gist.github.com/chriddyp/9b2b3e8a6c67697279d3724dce5dab3c

这个应用中的每个设计元素，如尺寸、位置、颜色及字体，都可以自定义。Dash应用是基于Web构建与发布的，所以完全支持CSS。下面是一个采用了高盛报告风格的、可高度定制及交互的Dash报告。

可高度定制的高盛风格Dash报告，查看源码

源码：https://plot.ly/~jackp/17561/import-dash-from-dashdependencies-impor/

因为是在浏览器中查看Dash应用，所以无需写任何JavaScript或HTML代码，Dash提供了一个调用众多Web交互式组件的Python界面。

import dash_core_components as dcc dcc.Slider(value=4, min=-10, max=20, step=0.5,           labels={-5: '-5 Degrees', 0: '0', 10: '10 Degrees'}) import dash_core_components as dcc dcc.Slider(value=4, min=-10, max=20, step=0.5,           labels={-5: '-5 Degrees', 0: '0', 10: '10 Degrees'})

简单的Dash滑块组件

Dash还提供了一个简单的响应式装饰器，用于绑定Dash用户界面和数据分析代码。

@dash_app.callback(Output('graph-id', 'figure'),                   [Input('slider-id', 'value')]) def your_data_analysis_function(new_slider_value):    new_figure = your_compute_figure_function(new_slider_value)    return new_figure

当输入值发生变化时，比如选择下拉菜单或拖动滑块，Dash的装饰器就会把新输入的值传递给Python代码。

通过新输入的值，Python函数可以筛选Pandas的DataFrame、生成SQL查询语句、运行模拟、执行运算，或开始试验等任何事情。Dash会在UI中为该函数的图形、表格及文本等元素返回新的属性。

下面的例子简要展示了文本框与图形的互动更新，此代码基于当前选定的点，在Pandas的DataFrame中筛选数据。

显示自定义元信息的Dash应用，当鼠标悬停在某个点上时，会筛选Pandas DataFrame中的数据，仅60行代码，查看源码

源码：https://link.jianshu.com/?t=https%3A%2F%2Fgist.github.com%2Fchriddyp%2F1a95f6582a5256db9847086232987bff

在这个Dash应用中，鼠标在图形元素的点上悬停时可以显示相关药物的元信息。当在多选式下拉菜单中添加内容时，此代码还可以向表格中追加行。

分析药品的Dash应用。鼠标悬停在点上时显示药品的描述，在下拉菜单中选择时，会高亮显示药品在视图中的位置，并向下方的表格添加该药品的标识。实现此功能仅需几百行Python代

通过Python组件与响应式函数装饰器这两个抽象层，Dash抽取了构建交互式Web应用所需的技术与协议，让你轻轻松松地用一下午就为Python数据分析代码制作出用户界面。

体系架构

Flask和React

Dash应用是运用Flask与JSON数据包进行HTTP请求通讯的Web服务。Dash的前端渲染器组件使用React.js，这是由Facebook开发与维护的JavaScript用户界面库。

Flask很棒，已被Python社区广泛采用，并部署于众多生产环境中。Dash应用的开发者可以设置Flask的底层实例和属性，高级开发者还可以使用众多的Flask插件扩展Dash应用。

React也很赞，在Plotly，我们用React重写了全部Web平台和在线视图编辑器。React最了不起的一点是它的社区作品众多且个个优秀。React的开源社区已经公布了数以千计的高质量交互式组件，包括下拉菜单、滑块、日历，还有交互式表格。

Dash整合了Flask与React的强大功能，使非专业Web开发的Python数据分析师也可以使用。

从React.js到Python Dash组件

Dash组件是一个编译React组件属性与值，并将之生成JSON序列的Python类。Dash提供了可以将React组件（JavaScript编写的）轻松打包成适于Dash组件的工具集，这个工具集使用动态编程，自动将注释过的React PropType转化为标准的Python类。生成后的Dash组件Python类对用户友好，能进行自动参数验证，并生成字符串。

下列代码是动态生成参数验证的一个例子：

>>> import dash_core_components as dcc >>> dcc.Dropdown(valu=3) Exception: Unexpected keyword argument `valu` Allowed arguments: id, className, disabled, multi, options, placeholder, value

这个是动态生成组件文档字符串的例子：

>>> help(dcc.Dropdown) class Dropdown(dash.development.base_component.Component) |  A Dropdown component. |  Dropdown is an interactive dropdown element for selecting one or more items. |  The values and labels of the dropdown items are specified in the `options` property and the selected item(s) are specified with the `value` property. ||  Use a dropdown when you have many options (more than 5) or when you are constrained for space. Otherwise, you can use RadioItems or a Checklist, which have the benefit of showing the users all of the items at once. ||  Keyword arguments: |  - id (string; optional) |  - className (string; optional) |  - disabled (boolean; optional): If true, the option is disabled - multi (boolean; optional): If true, the user can select multiple values - options (list; optional) |  - placeholder (string; optional): The grey, default text shown when no option is selected - value (string | list; optional): The value of the input. If `multi` is false (the default) |  then value is just a string that corresponds to the values provided in the `options` property. If `multi` is true, then  multiple values can be selected at once, and `value` is an array of items with values corresponding to those in the `options` prop. ||  Available events: 'change

DIV，IMG，Table等HTML标签由React进行动态渲染，它们的Python类则通过dash_html_componet库生效。下拉菜单、图形、滑块等核心交互式组件由Dash核心团队通过dash_core_components库提供。如果用户自行编写组件库，可使用这两个库调用开源的标准React-to-Dash工具链进行支持。

Dash不捆绑使用标准组件库，Dash组件库可通过核心Dash库单独载入。利用React-to-Dash工具链，用户可以轻松地将React.js组件写入或接入Dash应用的Python类，这里是自制组件库教程。https://link.jianshu.com/?t=https%3A%2F%2Fplot.ly%2Fdash%2Fplugins

当然，你也可以请Dash的核心团队帮忙构建一个组件。

并发-多用户应用

Dash应用的状态储存在前端，比如说浏览器。这就允许Dash应用实现多租户设置：多个用户可以使用独立的会话同时进行Dash应用交互操作。

CSS与默认的样式

核心库没有包含CSS与默认样式，这样做是为了支持模块化和独立版本控制，鼓励Dash应用的开发者自定义应用的界面外观，请在此查阅由Dash核心团队维护的核心样式指南:https://link.jianshu.com/?t=https%3A%2F%2Fcodepen.io%2Fchriddyp%2Fpen%2FbWLwgP

数据可视化

Dash的图形组件使用plotly.js对图形进行渲染，Plotly.js与Dash配合默契，它使用声明式编程模式，开源且速度快，还支持科技计算、金融、商务类的各种视图。Plotly.js基于D3.js构建，支持导出符合出版标准的高清矢量图与优先性能的WebGL视图。

Dash的图形元素与开源的plotly.py库共享同样的语法，开发者可以轻易地在两者之间切换。Dash的图形组件从plotly.js事件系统中钩取信息，允许开发者编写响应在Plotly图形中悬停、点击、选点等操作的应用。

Plotly.js图形组件支持的一些视图类型，更多内容请见plotly.py文档

文档：https://plot.ly/python/

Dash应用示例库中使用plotly.js视图的例子。

开源库

以下资源库中提供了相关代码：
Dash后端：https://github.com/plotly/dash
Dash前端：https://github.com/plotly/dash-renderer
Dash核心组件库：https://github.com/plotly/dash-core-components
Dash HTML组件库：https://github.com/plotly/dash-html-components
Dash组件原型 (React-to-Dash工具链)：https://github.com/plotly/dash-components-archetype
Dash文档与使用指南：https://github.com/plotly/dash-docs, https://plot.ly/dash
Plotly.js — Dash使用的图形库：https://github.com/plotly/plotly.js

现有技术

Dash是Python生态系统中的新兵，但支撑它的理念与驱动力已在不同语言和应用中存续了数十年。

如果你是从Excel阵营中转移过来的，那算是来对地方了。Dash与Excel都采用了“响应式”的程序模型。在Excel中，输入单元格发生变化时，输出单元格也会自动更新。所有单元格都可以是输出或输入，也可以同时既是输入也是输出。

输入单元格并不关注那些依赖于它们的输出单元格，这就让添加新的输入单元格或连接一系列单元格变得非常方便。这里是一个Excel “应用”。

下面的例子是用Dash实现的类似Excel的效果。用滑块、输入框、下拉菜单与图形等富Web组件取代Excel中的单元格，用Python代码取代Excel函数或VBA脚本，这就是用Dash重写的Excel表单应用：

app.layout = html.Div([    html.Label('Hours per Day'),    dcc.Slider(id='hours', value=5, min=0, max=24, step=1), html.Label('Rate'),    dcc.Input(id='rate', value=2, type='number'), html.Label('Amount per Day'),    html.Div(id='amount'), html.Label('Amount per Week'),    html.Div(id='amount-per-week') ]) @app.callback(Output('amount', 'children'),              [Input('hours', 'value'), Input('rate', 'value')]) def compute_amount(hours, rate):    return float(hours) * float(rate) @app.callback(Output('amount-per-week', 'children'),              [Input('amount', 'children')]) def compute_amount(amount):    return float(amount) * 7

我喜欢这个例子，因为即便在科技计算和量化金融领域，Excel仍属主流。我不认为Excel占统治地位只是技术能力的问题，毕竟不少电子表格开发者的Excel、VBA，甚至SQL水平都很高。

我认为更多是因为分享Excel比Python程序更容易，并且编辑Excel单元格也编辑比命令行参数更方便。

但是，在Excel中建模还是有很多局限性：电子表格经常会变的越来越大，越大就越不稳定，越难移植到生产环境，也很难进行审查、测试和维护。参考一下这篇文章：Remember the 2013 pro-austerity Excel typo?

https://link.jianshu.com/?t=https%3A%2F%2Fwww.bloomberg.com%2Fnews%2Farticles%2F2013-04-18%2Ffaq-reinhart-rogoff-and-the-excel-error-that-changed-history

我希望使用Dash能够更轻松地开发Python数据分析项目，通过共享同样的函数式与响应式原则，编写Dash应用几乎和编写电子表格一样简单，而且还更强大、更易于展示。

如果你使用R语言开发，那你还是蛮幸运的。Shiny仅使用R语言即可开发Web应用，它也是一种响应式程序框架，非常棒！你还可以使用Shiny和Plotly的R语言库创建交互式图形。Dash和Shiny很像，但是Dash不会成为Shiny的复制品，毕竟Python和R之间的习语与理念非常不同，所使用的语法也不同。

使用R语言的Shiny构建的交互式Web应用

如果你使用MATLAB，那你一定熟悉MATLAB的用户界面“GUIDE”。Mathworks可以说是科技计算的鼻祖，要知道GUIDE是2004开发的，那可是13年前！

MATLAB中构建的GUIDE应用

如果使用数据库管理数据，可以使用Tableau或其它BI工具。Tableau很了不起，它提高了业界对数据分析的期望值，即终端用户应该可以自主分析，并能够直接使用工具探索数据。它还使得钻取与交叉筛选这样的概念变得流行。

Tableau的交叉筛选

Dash是BI工具的补充，这些工具在处理结构化数据时异常强大，但在数据转换与分析时，它们很难与Python这样的编程语言相提并论，后者的广度与灵活性，还有社区支持都远超前者。

最后，我要给Jupyter Widget（小组件）点个赞，Jupyter在其Notebook界面中提供了一个非常赞的Widget框架，可以为在本地运行的Jupyter Notebook中的图形添加滑块等功能。

Dash的Widget与Jupyter类似。在Jupyter Notebook中，可以直接使用代码添加Widget。在Dash中，代码与控件和应用是分开的，这是因为，Dash的目标是开发易于分享的应用，而不是代码或笔记。你可以混搭使用这些工具，也可以在Jupyter Notebook环境中编写Dash应用。

我们还是nteract项目的忠粉，这个项目将Jupyter Notebook打包成一个桌面程序，大大地降低了使用Python和Jupyter Notebook的门槛。

许可与开源的商业模型

Plotly是VC投资的初创企业，我们公司创建于2013年，2015年的时候，我们开源了核心技术plotly.js（MIT许可证），同时，还维护了让Python、R和MATLAB调用plotly.js的开源库，并发布了一个可以创建视图的Web应用，该应用可以将视图与数据库进行关联，这个关联器也是开源的。

我们提供了针对视图托管、共享平台以及视图编辑与数据库查询应用的订阅，这个平台适用于Web（plot.ly），也可在本地部署。

我们还提供了Dash的升级版，Dash支持MIT许可证，可以免费使用和修改。企业用户则可选择Dash企业版，可以轻松地在企业防火墙的保护下在服务器端发布和配置Dash应用。

Dash企业版的目标是在企业内部轻松、安全地共享Dash应用。无需dev-ops，它可以处理URL路由、监控、错误处理、部署、版本控制和包管理等操作，通过企业的活动目录（Active Directory）或LADP用户账户可以对部署的Dash企业版应用进行配置。

仅在本地使用开源版本或在Heroku、Digital Ocean这样的平台上部署Dash应用，是没有任何限制的。如果有足够的财力，最好购买支持计划，Plotly的工程师将为您提供一对一的帮助。如需其它定制服务或实现特定功能，请了解我们的高级开发计划。

对于产品型公司而言，开源仍是个新课题。今时今日，我们能够让一半多的员工专职开发开源产品，这必须要感谢每一个大力支持过我们的人❤️

感谢大家关注Dash。今年夏天和明年秋天，我会在奥斯汀举办的Scipy会议和纽约举办的Plotcon上介绍Dash，如果您能出席这两场活动，欢迎前来捧场！当然，咱们也可以在Github上见✌️

更多资源与脚注

Dash文档在此查阅，https://plot.ly/dash

Plotly产品在Github上的开源代码，https://github.com/plotly

如需购买特定功能，请联系高级开发小组，plot.ly/products/consulting-and-oem

Plotly的Twitter账号，@plotlygraphs.

如想寻找关于科技计算用户界面的灵感，强烈推荐阅读Bret Victor的论文 What Can A Technologist Do About Climate Change? 尤其是Technical computing与Media for understanding situations这两个小节。

同样，如果对科技计算和用户界面感兴趣，那您应该喜欢Explorable Explanations这篇文章。

如果想联系我可以发邮件至[e-mail]或在Twitter上@chriddyp

特别感谢Kyle Kelley。

Python爱好者社区历史文章大合集：

福利：文末扫码立刻关注公众号，“Python爱好者社区”，开始学习Python课程：

关注后在公众号内回复“课程”即可获取：

小编的Python入门视频课程！！！

崔老师爬虫实战案例免费学习视频。

丘老师数据科学入门指导免费学习视频。

陈老师数据分析报告制作免费学习视频。

玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。

丘老师Python网络爬虫实战免费学习视频。