在生成表头和每行内容时应用列表推导，使得我们的代码更加简洁 。
文章插图
2.2.2 利用from_dataframe()快速渲染表格
上述的列表推导方式虽说已经简洁了很多，但dash_bootstrap_components还提供了Table.from_dataframe()方法，可以直接传入pandas数据框来快速制作简易的静态表格 。
它的样式相关参数与dbc.Table()一致，缺点是自定义表格内部元素样式的自由度没有前面列表推导高：
?
app5.py
?
import dashimport dash_html_components as htmlimport dash_bootstrap_components as dbcimport pandas as pdimport numpy as npfake_df = pd.DataFrame(np.random.rand(1000).reshape(200, 5))fake_df.rename(lambda s: f'字段{s}', axis=1, inplace=True) # 批量格式化列名app = dash.Dash(__name__)app.layout = html.Div( dbc.Container( # 一行代码渲染静态表格 dbc.Table.from_dataframe(fake_df, striped=True), style={ 'margin-top': '50px' # 设置顶部留白区域高度 } ))if __name__ == '__main__': app.run_server(debug=True)
文章插图
3 自制简易的数据库查询系统在学习了今天的内容之后，我们就可以创建很多以表格为主体内容的web应用，典型如数据库查询系统，我们以Postgresql为例，配合pandas与sqlalchemy的相关功能，来快速打造一个简单的数据库查询系统 。
首先将本期附件中的所有数据表利用下面的代码导入目标数据库中：
文章插图
文章插图
接着只需要配合Dash，短短的几十行代码就可以实现下面的效果：
文章插图
对应代码如下：
?
app6.py
?
import dashimport dash_html_components as htmlimport dash_bootstrap_components as dbcimport dash_core_components as dccfrom dash.dependencies import Input, Output, Stateimport pandas as pdfrom sqlalchemy import create_enginepostgres_url = 'postgresql://postgres:填入你的密码@localhost:5432/Dash'engine = create_engine(postgres_url)app = dash.Dash(__name__)app.layout = html.Div( dbc.Container( [ dbc.Row( [ dbc.Col(dbc.Button('更新数据库信息', id='refresh-db', style={'width': '100%'}), width=2), dbc.Col(dcc.Dropdown(id='db-table-names', placeholder='选择库中数据表', style={'width': '100%'}), width=4), dbc.Col(dbc.Button('查询', id='query', style={'width': '100%'}), width=1) ] ), html.Hr(), dbc.Row( [ dbc.Col( id='query-result' ) ] ) ], style={ 'margin-top': '50px' # 设置顶部留白区域高度 } ))@app.callback( Output('db-table-names', 'options'), Input('refresh-db', 'n_clicks'), prevent_initial_call=True)def query_data_records(n_clicks): # 提取目标表格并查询其最多前500行记录 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_updateif __name__ == '__main__': app.run_server(debug=True)
推荐阅读
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
- JavaScript代码整洁之道——好代码和坏代码
- 让Android更安全 谷歌推荐开发者使用Rust编写系统代码
- C++调用python解释器
- 软件测试工具monkeyrunner基于python脚本开发
- python基础——数据结构栈的详解
- Python高能小技巧：用海象操作符减少重复代码
- python打包exe 小工具
- Pandas最详细教程来了
- 实例Python并发编程
- 如何使用 Python 来自动交易加密货币
