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。

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 = ';      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 = ';      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 = [      ";,      ";  ]  # 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。

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。