Dash中的callback的使用多input 6

代码说明

import plotly.express as px

mport plotly.express as px用于导入plotly.express模块并给它起一个别名px。这样在后续的代码中，你可以使用px来代替plotly.express，使代码更加简洁。

plotly.express是Plotly的一个子模块，用于快速创建交互式的、数据驱动的图表。通过使用px，你可以很方便地创建各种类型的图表，如散点图、柱状图、箱形图等。

代码：

# 导入Dash库，Dash是一个用于创建数据驱动的Web应用的Python框架。  
from dash import Dash, dcc, html, Input, Output, callback  
  
# 导入plotly.express库，这是一个用于快速创建数据可视化图表的库。  
import plotly.express as px  
  
# 导入pandas库，用于数据处理和分析。  
import pandas as pd  
  
# 从网络上读取一个CSV文件到DataFrame中。这个CSV文件包含了gapminder项目中的一些全球数据。  
df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv')  
  
# 创建一个Dash应用实例。  
app = Dash(__name__)  
  
# 定义应用的布局，包括一个Graph和一个Slider。  
app.layout = html.Div([  
    dcc.Graph(id='graph-with-slider'),  # 创建一个图形元素，其id为'graph-with-slider'。  
    dcc.Slider(  # 创建一个滑块元素。  
        df['year'].min(),  # 设置滑块的最小值为数据中'year'列的最小值。  
        df['year'].max(),  # 设置滑块的最大值为数据中'year'列的最大值。  
        step=None,  # 设置滑块的步长为无，这意味着滑块可以覆盖整个范围。  
        value=df['year'].min(),  # 设置滑块的初始值为数据中'year'列的最小值。  
        marks={str(year): str(year) for year in df['year'].unique()},  # 为滑块添加标记，标记的值为数据中'year'列的所有唯一值。  
        id='year-slider'  # 设置滑块的id为'year-slider'。  
    )  
])  
  
# 定义一个回调函数，该函数根据滑块的值更新图形。  
@callback(  # 定义一个回调函数，它接受一个输入（滑块的当前值）并产生一个输出（更新的图形）。  
    Output('graph-with-slider', 'figure'),  # 设置输出的id为'graph-with-slider'的图形的figure属性。  
    Input('year-slider', 'value'))  # 设置输入为id为'year-slider'的滑块的value属性。  
def update_figure(selected_year):  # 定义回调函数，它接受滑块的当前值作为参数。  
    filtered_df = df[df.year == selected_year]  # 根据滑块的当前值筛选数据。  
  
    # 使用plotly.express创建散点图，其中x轴是每个国家的GDP per capita，y轴是人均寿命，点的大小表示人口，颜色表示国家所在的洲。  
    fig = px.scatter(filtered_df, x="gdpPercap", y="lifeExp", size="pop", color="continent", hover_name="country", log_x=True, size_max=55)  
  
    fig.update_layout(transition_duration=500)  # 更新布局以添加过渡效果，持续时间为500毫秒。  
  
    return fig  # 返回更新的图形。  
  
# 如果这个脚本是作为主程序运行，则启动Dash应用。  
if __name__ == '__main__':    
    app.run(debug=True)  # 启动应用并启用调试模式。

在这里插入图片描述

多input

在这里插入图片描述

# 导入Dash库及其相关组件。Dash是一个用于构建分析性web应用的Python框架，
# dcc是Dash的核心组件库，html是Dash的HTML组件库。
# Input, Output, callback用于设置和处理Dash应用的交互功能。
from dash import Dash, dcc, html, Input, Output, callback
# 导入plotly.express库，并简称为px。Plotly.express是一个用于快速创建交互式图表的库。
import plotly.express as px

# 导入pandas库，并简称为pd。Pandas是一个用于数据处理和分析的Python库。
import pandas as pd

# 创建一个Dash应用实例
app = Dash(__name__)

# 从指定的URL读取数据，并使用pandas的read_csv函数将其加载为一个DataFrame。
# 这个数据集包含了各种国家指标的数据。
df = pd.read_csv('https://plotly.github.io/datasets/country_indicators.csv')

# 设置Dash应用的布局。这个布局是一个HTML的Div元素，其中包含了多个子元素。
app.layout = html.Div([
    # 第一行：包含两个下拉框和两个单选按钮的Div元素，用于选择x轴和y轴的指标以及轴的类型（线性或对数）
    html.Div([
        html.Div([
            dcc.Dropdown(  # x轴指标下拉框
                df['Indicator Name'].unique(),  # 下拉框的选项，从数据集中获取不重复的指标名称
                'Fertility rate, total (births per woman)',  # 默认选择的指标
                id='xaxis-column'  # 下拉框的id，用于在回调函数中识别这个组件
            ),
            dcc.RadioItems(  # x轴类型单选按钮
                ['Linear', 'Log'],  # 单选按钮的选项
                'Linear',  # 默认选择的选项
                id='xaxis-type',  # 单选按钮的id
                inline=True  # 单选按钮在一行内显示
            )
        ], style={'width': '48%', 'display': 'inline-block'}),  # 设置这个Div的样式，宽度为48%，行内显示

        html.Div([  # y轴的设置与x轴类似，只是id和默认选项不同
            dcc.Dropdown(
                df['Indicator Name'].unique(),
                'Life expectancy at birth, total (years)',
                id='yaxis-column'
            ),
            dcc.RadioItems(
                ['Linear', 'Log'],
                'Linear',
                id='yaxis-type',
                inline=True
            )
        ], style={'width': '48%', 'float': 'right', 'display': 'inline-block'})  # 这个Div浮动到右边，也是行内显示
    ]),

    # 用于显示图表的Graph组件，id为'indicator-graphic'，在回调函数中通过这个id来更新图表。
    dcc.Graph(id='indicator-graphic'),

    # 一个滑动条，用于选择年份。滑动条的最小值、最大值和步长分别从数据集中获取。
    dcc.Slider(
        df['Year'].min(),  # 滑动条的最小值
        df['Year'].max(),  # 滑动条的最大值
        step=None,  # 滑动条的步长，None表示自动计算一个合适的步长
        id='year--slider',  # 滑动条的id
        value=df['Year'].max(),  # 滑动条的默认值，设置为最大年份
        marks={str(year): str(year) for year in df['Year'].unique()},  # 滑动条上的标记，显示所有不重复的年份
    )
])


# 定义一个回调函数，用于更新图表。当任何一个输入组件的值改变时，这个函数都会被调用。
@callback(
    Output('indicator-graphic', 'figure'),  # 输出组件及其属性，这里是图表的figure属性。
    # 输入组件及其属性，包括x轴和y轴指标下拉框的值、x轴和y轴类型单选按钮的值、以及滑动条的值。
    Input('xaxis-column', 'value'),
    Input('yaxis-column', 'value'),
    Input('xaxis-type', 'value'),
    Input('yaxis-type', 'value'),
    Input('year--slider', 'value'))  # 注意这里每个输入组件的id与前面定义的对应组件的id相同。
def update_graph(xaxis_column_name, yaxis_column_name, xaxis_type, yaxis_type, year_value):  # 回调函数的参数与输入组件的属性对应。
    # 根据选择的年份筛选数据。这里假设数据集中有一个'Year'列，用于记录每个数据的年份。
    dff = df[df['Year'] == year_value]
    # 根据筛选后的数据创建一个散点图。x轴和y轴的数据分别根据选择的x轴和y轴指标从数据集中获取。hover_name设置了鼠标悬停在点上时显示的信息。
    fig = px.scatter(x=dff[dff['Indicator Name'] == xaxis_column_name]['Value'],
                     y=dff[dff['Indicator Name'] == yaxis_column_name]['Value'],
                     hover_name=dff[dff['Indicator Name'] == yaxis_column_name]['Country Name'])
    # 更新图表的布局设置，包括边距和悬停模式等。margin设置了图表的边距；hovermode设置了鼠标悬停在图表上时的行为，这里是显示离鼠标最近的点。
    fig.update_layout(margin={'l': 40, 'b': 40, 't': 10, 'r': 0}, hovermode='closest')
    # 更新x轴的设置，包括标题和类型等。title设置了x轴的标题；type设置了x轴的类型，根据用户的选择在'linear'和'log'之间切换。注意这里使用了Python的三元表达式来简化代码。
    fig.update_xaxes(title=xaxis_column_name, type='linear' if xaxis_type == 'Linear' else 'log')
    # 更新y轴的设置，与x轴类似。注意这里y轴的标题和类型都是根据用户的选择动态设置的。
    fig.update_yaxes(title=yaxis_column_name, type='linear' if yaxis_type == 'Linear' else 'log')
    # 返回更新后的图表对象，Dash会自动将这个对象渲染到页面上对应的Graph组件中。这样用户就可以看到最新的图表了。这里利用了Python的函数返回值来实现这种自动更新的功能。
    return fig

if __name__ == '__main__':
    app.run(debug=True)