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 dtdef 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, headers=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_infoexcept 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_typebreakreturn the_typedef 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", headers=headers,  timeout=3)max_page = int(re.findall(r'var listTotal = (\d+);', resp.text)[0])//40+1df = pd.DataFrame(columns=['url', 'title', 'date', 'read_num', 'comment_num', 'type'])count = 0for i in range(1, max_page+1):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)[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 = 0the_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 dfif __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.weekdaydf['year'] = df['date_day'].dt.yeardf['month'] = df['date_day'].dt.monthdf['week'] = df['date_day'].dt.isocalendar().weekreturn 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], layout=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], layout=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], layout=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], layout=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 Noneelse:week = heatmap['points'][0]['x'][1:-1]weekday = heatmap['points'][0]['y'][-1]if weekday == '日':weekday = 7year = d_valuedata = 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_datafor 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7777app.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。

项目代码已上传，关注下方公众号Java与大数据架构，回复「代码」，即可获取。

参考链接：

https://github.com/ffzs/dash_blog_dashboard

https://www.cnblogs.com/feffery/p/14826195.html

https://github.com/plotly/dash-sample-apps/tree/main/apps/dash-oil-and-gas