项目部署在：https://ffzs-blog-dashboard.herokuapp.com/
项目代码在：https://github.com/ffzs/dash_blog_dashboard

1.dashboard

仪表板通常提供与特定目标或业务流程相关的关键绩效指标（KPI）的概览。另一方面，“仪表板”具有“进度报告”或“报告”的另一个名称。

“仪表板”通常显示在网页上，该网页链接到允许报告不断更新的数据库。例如，制造仪表板可以显示与生产率相关的数字，例如制造的零件数量，或每小时失败的质量检查的数量。同样，人力资源仪表板可能会显示与员工招聘，保留和组成相关的数字，例如，或平均天数或每次招聘成本。

2.功能确定

写之前先确定一些要实现的功能：

2.1. 博客基本数据跟踪

上图中的博客中的数据进行实时跟踪，且1分钟一刷新一次（之前用10秒，ip被封了。。。。），将这些数据横向放在一个row里，博客名称和头像放在页头。
实现效果如下：

2.2. 图表确定

2.2.1 展示每月写作情况的柱状图

其实就是博客上下面的数据：

2.2.2 展示不同类型文章的饼图

这里我对我文章类型重新划分了类型，博客上划分的有点乱，而且我确定了每篇文章只有一个类型，具体代码如下：

def get_type(title):the_type = '其他'article_types = ['项目', 'pytorch', 'flask', 'scikit-learn', 'pyspark', '数据预处理', '每日一练', '数据分析', '爬虫','数据可视化', 'java', '增长黑客']for article_type in article_types:if article_type in title:the_type = article_typebreakreturn the_type

2.2.3 各类文章的总/平均阅读情况

文章的阅读情况是作者比较关系的数据，这里用柱状图展示没类文章总的阅读数，用折线图展示没类文章平均阅读情况：

2.2.4 用热图展示每日写作情况

通过颜色的深浅表示当天发布文章的数量，通过下拉菜单选择年份：

这个图是不是看着很眼熟。。

其实就是模仿gayhub的样式。

2.2.5 文章列表

显示文章的标题，点击跳转到相应网页，关联图片，通过点击图表对文章显示做选择：

2.2.6 色调选择

为啥用绿色？有如下几个原因：

春天快来了，万物复苏，动物们又到了交。。。。。反正就是有生机
模仿github的热图样式
要想生活过得去。。。

请原谅我的不正经[滑稽]

3 数据获取

数据获取主要分两个部分：基本数据获取（1分钟刷新一次），文章数据获取（1小时刷新一次）

3.1 基本数据获取

博客没有api，只能自己爬取，注意不要访问频率太高，会封ip
代码如下：

def get_info():headers = {'User-Agent': 'Mozilla/5.0 (MSIE 10.0; Windows NT 6.1; Trident/5.0)','referer': 'https: // passport.csdn.net / login',}url = random.choice(blog_list)try:resp = requests.get(url, headers=headers)now = dt.datetime.now().strftime("%Y-%m-%d %X")soup = BeautifulSoup(resp.text, 'lxml')head_img = soup.find('div', class_='avatar-box d-flex justify-content-center flex-column').find('a').find('img')['src']author_name = soup.find('div', class_='user-info d-flex justify-content-center flex-column').get_text(strip=True)row1_nums = soup.find('div', class_='data-info d-flex item-tiling').find_all('span', class_='count')row2_nums = soup.find('div', class_='grade-box clearfix').find_all('dd')rank = soup.find('div', class_='grade-box clearfix').find_all('dl')[-1]['title']info = {'date': now,'head_img': head_img,'author_name': author_name,'article_num': int(row1_nums[0].get_text()),'fans_num': int(row1_nums[1].get_text()),'like_num': int(row1_nums[2].get_text()),'comment_num': int(row1_nums[3].get_text()),'level': int(row2_nums[0].find('a')['title'][0]),'visit_num': int(row2_nums[1]['title']),'score': int(row2_nums[2]['title']),'rank': int(rank),}df_info = pd.DataFrame([info.values()], columns=info.keys())return df_infoexcept Exception as e:print(e)

3.2 博客文章获取

获取博客的所有文章的相关数据，并存储到sqlite中，代码如下：

def get_blog():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/tonydz0523/article/list/'resp = requests.get(base_url+"1", headers=headers,  timeout=3)max_page = int(re.findall(r'var listTotal = (\d+) ;', resp.text)[0])//20+2   # 在js中获取文章数df = pd.DataFrame(columns=['url', 'title', 'date', 'read_num', 'comment_num', 'type'])count = 0for i in range(1, max_page):url = base_url + str(i)resp = requests.get(url, headers=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)[1:]issuing_time = article.find('span', class_="date").get_text(strip=True)num_list = article.find_all('span', class_="num")read_num = num_list[0].get_text(strip=True)comment_num = num_list[1].get_text(strip=True)the_type = get_type(title)df.loc[count] = [a_url, title, issuing_time, int(read_num), int(comment_num), the_type]count += 1time.sleep(random.choice([1, 1.1, 1.3]))return dfdf_article = get_blog()
df_article.to_sql('blogs', con=engine, if_exists='replace', index=True)

获取数据的没有难点，获取页数可以在js代码中找

4 数据交互

如想使用交互是的显示数据，那么就需要使数据在前后段进行传输，dash使用react.js创建了很多相关表单组件，通过配合后端的callback函数进行数据的更新

Dash组件

dash提供了许多使用react.js编写的组件，这样方便了前后端的交互，详细见：https://dash.plot.ly/dash-core-components
本例主要使用了：

Interval：固定时间刷新页面数据
Dropdown：下拉菜单样式的表单
Graph：用于展示使用plotly绘制的图表

Callback函数

Callback函数是有数据前后端传输的功能，通过Input和Output中id与项目layout中id进行关联，一个Callback可以有很多输入，但是只能有一个输出。
看下面代码：

@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="Greens",reversescale=True,xgap=4,ygap=5,showscale=False)layout = go.Layout(# width=len(cross.columns)*33+100,# height=335,margin=dict(l=50, r=40, t=30, b=50),xaxis=dict(showgrid=False),yaxis=dict(showgrid=False))return go.Figure(data=[trace], layout=layout)

上面代码会将使用plotly绘制的heatmap图像返回到app.layout中的id为heatmap的地方，返回的形式是什么？Output('heatmap', 'figure')的第二个参数figure。
这里Input传入了两个参数[Input("dropdown1", "value"), Input('river', 'n_intervals')]一个是下拉表单的value，另一个是intterval的计数值，这两个值传递到get_heatmap(value, n):中。一旦Input数据发生变化变回触发回调，对Output数据进行更改。

Callback函数还要另外一种使用State用于暂时保留状态，等有Input触发
第二个参数本例中是figure，它是根据返回的内容而定，跟网页元素相关就是children，或者也可以是html.A中的src

html布局

在dash的layout中使用html语言的组件进行网页结构的布局。

head = html.Div([html.Div(html.Img(src=info['head_img'][0], height="100%"), style={"float": "left", "height": "100%"}),html.Span("{}博客的Dashboard".format(info['author_name'][0]), className='app-title'),
], className="row header")

上面代码中可见：

html.Div：就是对应创建了一个<div></div>
style：就是使用style更改风格
className：用以关联css

css载入

网络css：

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",
]for css in external_css:app.css.append_css({"external_url": css})

通过上面方法载入，也可用过html.Link。

本地css：

放到项目根目录的assets文件夹中，则会自动载入。

title修改

dash的title等模板是默认的，可以通过下面方法进行修改：


app.index_string = '''
<!DOCTYPE html>
<html><head>{%metas%}<title>泛泛之素的Dashboard</title>{%favicon%}{%css%}</head><body>{%app_entry%}<footer>{%config%}{%scripts%}</footer></body>
</html>
'''

favicon修改就是将该格式图片放到，assets文件夹中即可。

数据缓存

多次使用的数据可以进行缓存，有两种模式：

写入redis
写入本地文件

具体见官网：https://dash.plot.ly/sharing-data-between-callbacks
因为要部署在heroku，本例使用的写到本地：

from flask_caching import Cachecache = Cache(app.server, config={'CACHE_TYPE': 'filesystem','CACHE_DIR': 'cache-directory'
})@cache.memoize(timeout=3590)
def get_df():df = pd.read_sql('blogs', 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.weekdaydf['year'] = df['date_day'].dt.yeardf['month'] = df['date_day'].dt.monthdf['week'] = df['date_day'].dt.weekreturn df

timeout是缓存时间，时间一到自动释放缓存

运行

使用app.run_server(debug=True, threaded=True, port=7777)运行，因为后端使用flask，基本跟flask相同，这里可以更改port，host
等。

注：jupyter不能使用debug模式，使用会报错

5 部署

本例部署在heroku上，部署方法可以看我之前写的文章 https://blog.csdn.net/tonydz0523/article/details/82707569
也可以见官网：https://dash.plot.ly/deployment

如果heroku无法访问的话，也可部署在云主机等，也可以和你的其他flask应用部署在一起，部署方式同flask一样。

python数据可视化：使用dash给博客制作一个dashboard相关推荐

Python数据可视化 - 使用Dash库制作杭州数据分析师岗位招聘情况可交互网页报告(附代码下载)
dash dash不同于flask或者Django,具备少量的前端知识即可制作可视化网页,下图为本人制作的数据分析师岗位招聘情况可视化网页. 文末附网盘下载经过清洗后的数据与可视化网页的代码. 交互 ...
Python数据可视化2018：数据可视化库为什么这么多？
本文最初发布于Anaconda开发者博客,经原作者授权由InfoQ中文站翻译并分享. 在奥斯汀举行的SciPy 2018年特别会议上,大量开源Python可视化工具的代表分享了他们对Python数据可 ...
Python数据可视化的3大步骤
今天来聊聊,Python实现可视化的三个步骤: 确定问题,选择图形转换数据,应用函数参数设置,一目了然 1.首先,要知道我们用哪些库来画图? matplotlib Python中最基本的作图库就是 ...
Python数据可视化之绘制带有最佳拟合线的散点图(图文并茂版！！！)
绘制带有最佳拟合线的散点图最佳拟合线数据准备数据展示图例选择根据图例筛选数据绘制图像最佳拟合线 •当我们想要研究数据集中两个变量之间如何相互改变,使用最佳拟合线就是一个不错的方法!! ...
Python数据可视化matplotlib：第四回：文字图例尽眉目
Python数据可视化matplotlib:第四回:文字图例尽眉目 1. Figure和Axes上的文本大家可以看到有些论文或者博客上都有绘制的很漂亮的图,其中大部分都在图形绘制上进行一定的注释说明 ...
Python数据可视化——pyecharts学习笔记
导读:Python数据可视化的库有很多,常见的有matplotlib.pyplot.Seaborn.pyecharts等. pyecharts是一款将python与echarts相结合的数据可视化库, ...
python数据可视化库_python和r中用于数据可视化的前9个库
python数据可视化库 In the rapidly growing world of today, when technology is expanding at a rate like neve ...
Python数据可视化（处理天气数据）
Python数据可视化(处理天气数据) 从csv文件中导入数据. import csvwith open('sitka_weather_07-2014.csv', 'r') as f:reader = ...
python字体变方格_解决Python数据可视化中文部分显示方块问题
一.问题代码如下,发现标题的中文显示的是方块 import matplotlib import matplotlib.pyplot as plt fig = plt.figure() ax = fi ...
Python数据可视化之气泡图(图文并茂详细版！！！)
Python数据可视化之气泡图数据获取数据分析与散点图对比绘制气泡图确定需要对比的属性数据获取 •绘制气泡所需的数据与之前散点图的数据是一样的,都是美国中西部地区人口分布详情数据集,需要数 ...

python数据可视化：使用dash给博客制作一个dashboard