本文示例代碼已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes
❞1 簡介這是我的系列教程「Python+Dash快速web應用開發」的第七期，在上一期的文章中，我們對Dash生態裡常用的一些簡單「靜態部件」進行了介紹和功能展示，並且get到dcc.Markdown()這種非常方便的靜態部件。
而在今天的教程內容中，我將帶大家學習Dash中渲染網頁靜態表格的常用方法，並在最後的例子中教大家如何配合Dash，簡簡單單編寫一個資料庫查詢應用~
圖12 在Dash中渲染靜態表格在Dash中渲染「靜態」表格，方法有很多，而我們今天要學習的方法，是配合之前文章介紹過的第三方拓展dash_bootstrap_components中的Table()部件，藉助bootstrap的特性來快速創建美觀的「靜態」表格：
圖2## 2.1 靜態表格的構成
要學習如何基於Dash在前端中渲染出一張靜態表格，首先我們需要學習其元素構成，Dash延續html中table標籤相關概念，由Table()、Thead()、Tbody()、Tr()、Th()以及Td()等6個部件來構成一張完整的表，先從一個簡單的例子出發：
❝app1.py
❞import dash
import dash_html_components as html
import dash_bootstrap_components as dbc
app = dash.Dash(__name__)
app.layout = html.Div(
dbc.Container(
dbc.Table(
[
html.Thead(
html.Tr(
[
html.Th('第一列'),
html.Th('第二列'),
]
)
),
html.Tbody(
[
html.Tr(
[
html.Td('一行一列'),
html.Td('一行二列'),
]
),
html.Tr(
[
html.Td('二行一列'),
html.Td('二行二列'),
]
)
]
)
]
),
style={
'margin-top': '50px' # 設置頂部留白區域高度
}
)
)
if __name__ == '__main__':
app.run_server(debug=True)
圖3注意，我們這裡使用到的Table()部件來自dash_bootstrap_components，而表格其餘的構成部件均來自Dash原生的dash_html_components庫，這些部件分別的作用如下：
Table()是一張靜態表格最外層的部件，而之所以選擇dash_bootstrap_components中的Table()，是因為其自帶了諸多實用參數，常用的如下：
❝「bordered」：bool型，用於設置是否「保留」表格外邊框線
「borderless」：bool型，用於設置是否「刪除」表格內部單元格框線
「striped」：bool型，用於設置是否對數值行應用「斑馬著色」方案，即相鄰行背景色不同
「dark」：bool型，用於設置是否應用「暗黑」主題
「hover」：bool型，當設置為True時，滑鼠懸浮於某行會有對應的效果
❞通過上述參數，我們就可以改變靜態表格的整體效果，譬如設置dark=True之後的app1.py效果如下：
圖4在部件Table()之下一級需要子元素Thead()與Tbody()，分別用於存放表頭信息以及表數值內容信息。
經過前面Table()嵌套Thead()與Tbody()的過程之後，我們就可以分別開始在「表頭區域」和「數值區域」正式組織數據內容。
既然是一張表格，那麼還是要按照先行後列的網格方式組織內容。而Tr()部件的作用就是作為行容器，其內部嵌套的子元素則是表格中每個單元格位置上的元素。
其中在Thead()嵌套的Tr()內部，需要使用Th()來設置每列的欄位名稱，而在Tbody()嵌套的Tr()內部，Td()與Th()都可以用來設置每個單元格的數值內容，只不過Th()在表現單元格數值時有加粗效果：
❝app2.py
❞import dash
import dash_html_components as html
import dash_bootstrap_components as dbc
app = dash.Dash(__name__)
app.layout = html.Div(
dbc.Container(
dbc.Table(
[
html.Thead(
html.Tr(
[
html.Th('欄位1'),
html.Th('欄位2')
]
)
),
html.Tbody(
[
html.Tr(
[
html.Th('1'),
html.Td('test')
]
),
html.Tr(
[
html.Th('2'),
html.Td('test')
]
),
html.Tr(
[
html.Td('3'),
html.Td('test')
]
)
]
)
],
striped=True
),
style={
'margin-top': '50px' # 設置頂部留白區域高度
}
)
)
if __name__ == '__main__':
app.run_server(debug=True)
圖5而Th()與Td()均有額外參數colSpan與rowSpan，可以傳入整數，來實現橫向或縱向「合併單元格」的效果，譬如下面的例子：
❝app3.py
❞import dash
import dash_html_components as html
import dash_bootstrap_components as dbc
app = dash.Dash(__name__)
app.layout = html.Div(
dbc.Container(
dbc.Table(
[
html.Thead(
html.Tr(
[
html.Th('欄位1'),
html.Th('欄位2'),
html.Th('欄位3'),
html.Th('欄位4'),
]
)
),
html.Tbody(
[
html.Tr(
[
html.Th('1'),
# style設置水平居中
html.Td('colSpan=2', colSpan=2, style={'text-align': 'center'}),
html.Td('test'),
]
),
html.Tr(
[
html.Th('2'),
html.Td('test'),
# style設置垂直居中
html.Td('rowSpan=2', rowSpan=2, style={'vertical-align': 'middle'}),
html.Td('test')
]
),
html.Tr(
[
html.Th('3'),
html.Td('test'),
html.Td('test')
]
)
]
)
],
striped=True,
bordered=True
),
style={
'margin-top': '50px' # 設置頂部留白區域高度
}
)
)
if __name__ == '__main__':
app.run_server(debug=True)
圖62.2 快速表格渲染2.2.1 利用列表推導快速渲染靜態表格通過前面的內容，我們知曉了在Dash中如果渲染一張帶有樣式的靜態表格，而日常需求中，面對批量的數據，我們當然不可能手動編寫整張表對應的代碼，對於數量較多的表格，我們可以配合Python中常用的列表推導來實現。
比如下面的例子：
❝app4.py
❞import dash
import dash_html_components as html
import dash_bootstrap_components as dbc
import pandas as pd
import numpy as np
fake_df = pd.DataFrame(np.random.rand(1000).reshape(200, 5))
fake_df.rename(lambda s: f'欄位{s}', axis=1, inplace=True) # 批量格式化列名
app = dash.Dash(__name__)
app.layout = html.Div(
dbc.Container(
dbc.Table(
[
html.Thead(
html.Tr(
[html.Th('行下標', style={'text-align': 'center'})] +
[
html.Th(column, style={'text-align': 'center'})
for column in fake_df.columns
]
)
),
html.Tbody(
[
html.Tr(
[html.Th(f'#{idx}', style={'text-align': 'center'})] +
[
html.Td(row[column], style={'text-align': 'center'})
for column in fake_df.columns
]
)
for idx, row in fake_df.iterrows()
]
)
],
striped=True,
bordered=True
),
style={
'margin-top': '50px' # 設置頂部留白區域高度
}
)
)
if __name__ == '__main__':
app.run_server(debug=True)在生成表頭和每行內容時應用列表推導，使得我們的代碼更加簡潔。
圖72.2.2 利用from_dataframe()快速渲染表格上述的列表推導方式雖說已經簡潔了很多，但dash_bootstrap_components還提供了Table.from_dataframe()方法，可以直接傳入pandas數據框來快速製作簡易的靜態表格。
它的樣式相關參數與dbc.Table()一致，缺點是自定義表格內部元素樣式的自由度沒有前面列表推導高：
❝app5.py
❞import dash
import dash_html_components as html
import dash_bootstrap_components as dbc
import pandas as pd
import numpy as np
fake_df = pd.DataFrame(np.random.rand(1000).reshape(200, 5))
fake_df.rename(lambda s: f'欄位{s}', axis=1, inplace=True) # 批量格式化列名
app = dash.Dash(__name__)
app.layout = html.Div(
dbc.Container(
# 一行代碼渲染靜態表格
dbc.Table.from_dataframe(fake_df, striped=True),
style={
'margin-top': '50px' # 設置頂部留白區域高度
}
)
)
if __name__ == '__main__':
app.run_server(debug=True)
圖83 自製簡易的資料庫查詢系統在學習了今天的內容之後，我們就可以創建很多以表格為主體內容的web應用，典型如資料庫查詢系統，我們以Postgresql為例，配合pandas與sqlalchemy的相關功能，來快速打造一個簡單的資料庫查詢系統。
首先將本期附件中的所有數據表利用下面的代碼導入目標資料庫中：
圖9圖10接著只需要配合Dash，短短的幾十行代碼就可以實現下面的效果：
圖11對應代碼如下：
❝app6.py
❞import dash
import dash_html_components as html
import dash_bootstrap_components as dbc
import dash_core_components as dcc
from dash.dependencies import Input, Output, State
import pandas as pd
from sqlalchemy import create_engine
postgres_url = 'postgresql://postgres:填入你的密碼@localhost:5432/Dash'
engine = create_engine(postgres_url)
app = dash.Dash(__name__)
app.layout = html.Div(
dbc.Container(
[
dbc.Row(
[
dbc.Col(dbc.Button('更新資料庫信息', id='refresh-db', style={'width': '100%'}), width=2),
dbc.Col(dcc.Dropdown(id='db-table-names', placeholder='選擇庫中數據表', style={'width': '100%'}), width=4),
dbc.Col(dbc.Button('查詢', id='query', style={'width': '100%'}), width=1)
]
),
html.Hr(),
dbc.Row(
[
dbc.Col(
id='query-result'
)
]
)
],
style={
'margin-top': '50px' # 設置頂部留白區域高度
}
)
)
@app.callback(
Output('db-table-names', 'options'),
Input('refresh-db', 'n_clicks'),
prevent_initial_call=True
)
def query_data_records(n_clicks):
# 提取目標表格並查詢其最多前500行記錄
table_names = pd.read_sql_query("select tablename from pg_tables where schemaname='public'", con=engine)
return [{'label': name, 'value': name} for name in table_names['tablename']]
@app.callback(
Output('query-result', 'children'),
Input('query', 'n_clicks'),
State('db-table-names', 'value'),
prevent_initial_call=True
)
def refresh_table_names(n_clicks, value):
if value:
query_result = pd.read_sql_query(f'select * from {value} limit 500', con=engine)
return html.Div(dbc.Table.from_dataframe(query_result, striped=True), style={'height': '600px', 'overflow': 'auto'})
else:
return dash.no_update
if __name__ == '__main__':
app.run_server(debug=True)以上就是本文的全部內容，歡迎在評論區與我進行討論~