Aperçu¶
Dash est un excellent outil utilisé par beaucoup pour l'analyse et l'exploration de données, la visualisation, la modélisation, le contrôle des instruments et la création de rapports.
L'exemple suivant illustre une application Dash hautement réactive et personnalisée avec peu de code.
Exécution de votre serveur de bloc-note et accès au port
Lorsque vous exécutez un outil de votre bloc-note Jupyter qui publie un site Web sur un port,
vous ne pourrez pas simplement y accéder depuis http://localhost:5000/
car
normalement suggéré dans la sortie lors de l'exécution de l'application Web.
Pour accéder au serveur Web, vous devrez utiliser l'URL de base. Dans ton cahier exécution terminale :
Visualisation des données avec Dash¶
Dash simplifie la création d'une interface graphique interactive autour de votre code d'analyse de données. Ceci est un exemple de mise en page avec figure et curseur de Dash.
Plotly Dash¶
Publier avec des logiciels fabriqués au Canada.
Plotly Dash est une bibliothèque Python populaire qui vous permet de créer facilement des visualisations et des tableaux de bord Web interactifs. Développé par la société montréalaise Plotly, Dash a acquis la réputation d'être un outil puissant et flexible pour créer des graphiques de science des données personnalisés. Avec Dash, vous pouvez tout créer, des simples graphiques linéaires aux tableaux de bord complexes de plusieurs pages avec des widgets et des commandes interactifs. Parce qu'il repose sur des technologies open source telles que Flask, React et Plotly.js, Dash est hautement personnalisable et peut être facilement intégré à d'autres outils et workflows de science des données. Que vous soyez data scientist, analyste ou développeur, Dash peut vous aider à créer des visualisations attrayantes et informatives qui donnent vie à vos données.
Commencer¶
Ouvrez une fenêtre de terminal dans votre bloc-note Jupyter et exécutez les commandes suivantes :
# installations requises si elles ne sont pas déjà installées
pip3 install dash==1.16.3
pip3 install pandas
Créez un fichier appelé app.py avec le contenu suivant :
# app.py
#!/usr/bin/env python3
import dash
import dash_core_components as dcc
import dash_html_components as html
from dash.dependencies import Input, Output
import plotly.express as px
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv')
external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)
app.layout = html.Div([
dcc.Graph(id='graph-with-slider'),
dcc.Slider(
id='year-slider',
min=df['year'].min(),
max=df['year'].max(),
value=df['year'].min(),
marks={str(year): str(year) for year in df['year'].unique()},
step=None
)
])
@app.callback(
Output('graph-with-slider', 'figure'),
[Input('year-slider', 'value')])
def update_figure(selected_year):
filtered_df = df[df.year == selected_year]
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)
return fig
if __name__ == '__main__':
app.run_server(debug=True)