[译]使用Python和Dash 创建一个仪表盘(上)

介绍

在数据科学和分析的领域,数据能力的释放不仅是通过提取见解的方式, 同时也要能通过有效的方式来传达见解.这就是数据可视化发挥见解的地方.

数据可视化是信息和数据的可视化呈现. 它使用可视化元素,如图表、图形、地图,使其更容易看懂原始数据中的模式、趋势及异常值.对于数据科学家和分析师来说,数据可视化是一个必不可少的工具,它有助于更快、更准确地理解数据,支持用数据讲故事.并帮助做出数据驱动的决策.

在这篇文章中, 你将学会用Python和Dash框架创建一个仪表盘来可视化Netflix的内容分布和分类.

什么是Dash?

Dash是一个开源的低代码框架,由 Plotly 开发, 用来在纯Python中创建分析型的网络应用.传统上为了实现这个目的, 可能需要使用JavaScript和HTML,要求你在后端(Python)和前端(JavaScript和HTML)有所专长.

然而,Dash 弥补了这一差距.使数据科学家和分析师只用Python就可以建立互动的、美观的仪表盘.这方面的低代码开发使Dash成为创建分析性仪表盘的合适选择,特别是对于那些主要使用Python的人.

数据集分析

现在你已经熟悉了Dash, 让我们开始我们的实践项目吧.你将使用Kaggle上Netflix电影和电视节目数据集,由 Shivam Bansal创建.

这个数据集包含截止至2021年Netflix提供的电影和电视节目详细信息,比如内容类型,标题,导演,演员,制作国家.发行年份,评级,持续时间等等.

即使该数据集创建于2021年，它仍然是发展数据可视化技能和了解媒体娱乐趋势的宝贵资源。

使用这个数据集，你的目标是创建一个仪表盘，使以下几点可视化：

内容的地理分布：一张地图，展示了多年来不同国家的内容生产情况的变化。
内容分类：这种可视化方法将Netflix的内容分为电视节目和电影，以查看哪些类型的内容最突出。

设置项目工作区

让我们开始为项目创建一个名为netflix-dashboard的目录，然后通过以下命令初始化并激活一个Python虚拟环境：

mkdir netflix-dashboard && cd netflix-dashboard

python3 -m venv netflix-venv && source netflix-venv/bin/activate

接下来，你需要安装一些外部软件包。你将使用pandas进行数据处理，dash用于创建仪表盘，plotly用于创建图表，dash-bootstrap-components用于为仪表盘添加一些样式：

pip3 install pandas dash plotly dash-bootstrap-components

清理数据集

通过Netflix的数据集，你会发现导演、演员和国家这几列的数值缺失。为了方便分析，将date_added列的字符串值转换为日期时间也很方便。

为了清理数据集，你可以创建一个新的文件clean_netflix_dataset.py，代码如下，然后运行它：

import pandas as pd

# Load the dataset

df = pd.read_csv("netflix_titles.csv")

df['director'].fillna("No director", inplace=True)

df['cast'].fillna("No cast", inplace=True)

df['country'].fillna("No country", inplace=True)

# Drop missing and duplicate values

df.dropna(inplace=True)

df.drop_duplicates(inplace=True)

df['date_added'] = pd.to_datetime(df['date_added'].str.strip())

# Save the cleaned dataset

df.to_csv('netflix_titles_cleaned.csv', index=False)

开始使用Dash

随着工作区的建立和数据集的清理，你已经准备好开始制作你的仪表盘了。创建一个新文件app.py，代码如下：

from dash import Dash, dash_table, html

# Initialize a Dash app

app = Dash(__name__)

# Define the app layout

app.layout = html.Div([

    html.H1("Netflix Movies and TV Shows Dashboard"),

    html.Hr(),

])

# Start the dash app in local development mode

if __name__ == "__main__":

    app.run_server(debug=True)

让我们来分析一下app.py中的代码：

app = Dash(__name__)：这一行初始化了一个新的Dash应用程序。可以把它看作是你的应用程序的基础。
app.layout = html.Div(...)： app.layout属性让你写类似HTML的代码来设计你的应用程序的用户界面。上面的布局使用html.H1(...)标题元素作为仪表盘的标题，并在标题下面使用水平规则html.Hr()元素。
app.run(debug=True)：这一行启动一个开发服务器，在本地开发模式下为你的Dash应用提供服务。Dash使用Flask，一个轻量级的Web服务器框架，将你的应用程序提供给Web浏览器。

在运行app.py之后，你会在终端看到一条信息，表明你的Dash应用程序正在运行，并且可以访问http://127.0.0.1:8050/。在你的网络浏览器中打开这个URL来查看它：

结果看起来很普通，对吗？不要担心! 本节旨在展示最基本的Dash应用结构和组件。你很快就会添加更多的功能和组件，使之成为一个很酷的仪表板.

引入Dash Bootstrap组件

下一步是为你的仪表盘的布局编写代码，并为它添加一些样式. 为此，你可以使用Dash Bootstrap Components（DBC），这是一个为Dash提供Bootstrap组件的库，使你能够开发具有响应式布局的风格的应用程序。

仪表板将采用标签布局，这为在同一空间内组织不同类型的信息提供了一种紧凑的方式。每个标签将对应于一个独特的可视化。

让我们继续修改app.py的内容以纳入DBC：

from dash import Dash, dcc, html

import dash_bootstrap_components as dbc

# Initialize a Dash app

app = Dash(__name__, external_stylesheets=[dbc.themes.BOOTSTRAP])

# Define the app layout

app.layout = dbc.Container([

    dcc.Store(id='store'),

    html.H1("Netflix Movies and TV Shows Dashboard"),

    html.Hr(),

    dbc.Tabs([

        dbc.Tab(label='Geographical content distribution', tab_id='tab1'),

        dbc.Tab(label='Content classification', tab_id='tab2')

    ],

        id="tabs",

        active_tab='tab2'

    ),

    html.Div(id="tab-content", className='p-4')

])

# Start the dash app in local development mode

if __name__ == "__main__":

    app.run_server(debug=True)

在这个修改后的布局中，你会看到新的组件：

dbc.Container：使用dbc.Container作为顶层组件，将整个仪表盘布局包裹在一个响应式的、灵活的容器中。

dcc.Store：这个Dash Core组件允许你在客户端（用户的浏览器上）存储数据，通过将数据保存在本地来提高应用程序的性能。

dbc.Tabs和dbc.Tab：每个dbc.Tab代表一个单独的标签，它将包含不同的可视化内容。标签属性是出现在标签本身上的内容，而tab_id则用于识别标签。dbc.Tabs的active_tab属性用于指定Dash应用程序启动时的活动标签。

现在运行app.py。现在产生的仪表板将有一个Bootstrap风格的布局，有两个空标签：

添加回调和可视化

当使用Dash时，互动性是通过回调函数实现的。回调函数是一个当输入属性发生变化时被自动调用的函数。它被命名为 "回调"，因为每当应用程序中发生变化时，Dash就会 "回调 "这个函数。

在这个仪表盘中，你将使用回调来渲染所选标签中的相关可视化内容，每个可视化内容都将存储在自己的Python文件中，在一个新的组件目录下，以便更好地组织和模块化项目结构。