❝

本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

❞

1 简介

这是我的系列教程「Python+Dash快速web应用开发」的第十三期，在上一期中，我们一起认识了Dash自带的交互式表格组件dash_table，并学会了如何自定义表格中不同部分的样式。

而今天的教程，我们将继续深入认识dash_table的更多交互方面的功能，学习如何为渲染出的表格分页，并添加动态内容修改等交互功能。

图1

2 dash_table的基础交互能力

dash_table的核心功能是赋予用户与图表进行快捷交互的能力，下面我们来学习其基础常用的一些交互功能：

2.1 分页翻页

当我们要展示的数据行数较多时，在网页中渲染可以选择分页，这在dash_table中实现起来比较方便，根据数据传递方式的不同，可以分为「前端分页」与「后端分页」：

2.1.1 前端分页

前端分页顾名思义，就是在我们访问Dash应用时，表格内所有页面的数据一次性加载完成，适合数据量不大的情况，将数据存储压力转移到浏览器端。

通过参数page_size设置每页要显示的记录行数，Dash会自动帮我们分好页，并配上翻页部件：

❝

app1.py

❞

import dash
import dash_bootstrap_components as dbc
import dash_tableimport seaborn as snsdf = 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,  # 设置单页显示15行记录行数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)

图2

### 2.1.2 后端分页

虽然前端分页简单易用，但当我们的数据很大时，强行使用前端分页会给「网络传输」和「浏览器端」带来不小的延迟和内存压力，严重影响用户体验，因此Dash贴心地为我们准备了「后端分页」方式。

这时首先我们得为DataTable设置参数page_action='custom'，这是使用后端分页的先决条件，接下来我们需要认识一些新的参数：

page_current，int型，对应当前翻到的页码；

page_count，int型，对应显示的总页数；

我们在使用「后端分页」时，实际上就是通过用户当前翻到的页码，以及设定的page_size，来动态地在翻页后加载对应批次的数据，并控制显示的总页数，参考下面这个简单的例子：

❝

app2.py

❞

import dash
import dash_bootstrap_components as dbc
import dash_table
from dash.dependencies import Input, Outputimport seaborn as sns
import pandas as pd
from tqdm import tqdm# 压力测试
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,  # 设置单页显示15行记录行数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_sizeif __name__ == '__main__':app.run_server(debug=True)

可以看到，即使我们完整的数据集被我concat到24万行，加载应用以及网页内翻页时依然轻松自如毫无压力，在实际应用中你还可以将翻页部分改成受到LIMIT与OFFSET控制的数据库查询过程，使得应用运行的更加快速高效：

图3

2.2 对单元格内容进行编辑

讲完了分页翻页，接下来我们来学习dash_table中更加强大的功能——单元格内容编辑。

一个现代化的web应用当然不能局限于仅仅查看数据这么简单，Dash同样赋予了我们双击数据表单元格进行数据编辑的能力，首先得设置参数editable=True，即开启表格编辑模式，接下来就可以对数据区域单元格进行任意的双击选中编辑。

不过Dash默认的单元格被选中的样式忒丑了（是粉色的你敢信），因此我们可以利用下面的参数设置方式来自定义美化：

style_data_conditional=[{# 对选中状态下的单元格进行自定义样式"if": {"state": "selected"},"background-color": "#b3e5fc","border": "none"},]

来看一个形象的例子，我们对「前端分页」方式渲染出的表格进行随意的修改，并在下方对利用pandas的compare比较出的数据框之间的差异结果进行打印：

❝

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, Outputimport seaborn as sns
import pandas as pddf = 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=[{# 对选中状态下的单元格进行自定义样式"if": {"state": "selected"},"background-color": "#b3e5fc","border": "none"},]),html.H4('与原表格内容比较：', style={'margin-top': '50px'}),dcc.Markdown('无差别',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，我们成功地对指定单元格元素进行了修改。

图4

3 开发数据库内容在线更新工具

在学习完今天的内容之后，我们就可以开发一个简单的，可在线自由修改并同步变动到数据库的小工具，这里我们以MySQL数据库为例，对示例表进行修改和更新：

首先我们利用下列代码向示例数据库中新建表格tips：

from sqlalchemy import create_engine
import seaborn as snsdf = 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)

图5　　

接下来我们就以创建好的tips表为例，开发一个Dash应用，进行数据的修改和更新到数据库：

图6

效果非常的不错，你可以在我这个简单示例的基础上，拓展更多新功能，也可以采取后端分页+条件修改的方式来应对大型数据表的修改，全部代码如下：

❝

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, Statefrom sqlalchemy import create_engine
import pandas as pdengine = create_engine('mysql+pymysql://root:mysql@localhost/DASH')app = dash.Dash(__name__)app.layout = dbc.Container([dbc.Row([dbc.Col(dbc.Button('更新数据表', 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=[{# 对选中状态下的单元格进行自定义样式"if": {"state": "selected"},"background-color": "#b3e5fc","border": "none"},]),dbc.Button('同步变动到数据库', 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'更新失败！{e}', {'color': 'red'}return dash.no_updateif __name__ == '__main__':app.run_server(debug=True)

以上就是本文的全部内容，欢迎在评论区发表你的意见与观点。

推荐阅读
误执行了rm -fr /*之后，除了跑路还能怎么办？！程序员必备58个网站汇总大幅提高生产力：你需要了解的十大Jupyter Lab插件