如何用Python輕松開發(fā)數(shù)據(jù)庫取數(shù)下載工具

本篇文章給大家分享的是有關如何用Python輕松開發(fā)數(shù)據(jù)庫取數(shù)下載工具，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

 1  簡介

這是我的系列教程「Python+Dash快速web應用開發(fā)」的第十四期，在前兩期中，我們針對dash_table的自定義樣式、前后端分頁、單元格內容編輯等特點展開了介紹。

而在dash_table中還有很多高級特性，可以極大程度上豐富DataTable()所渲染網(wǎng)頁表格的交互能力，我們就來一起學習其中比較實用的一些特性。

圖1

2 dash_table的更多實用功能

2.1  更多表格交互特性

上一期文章最后我們學習了通過設置參數(shù)editable=True，使得渲染出的表格可以通過鼠標雙擊進行編輯，而dash_table除此之外，還有更多實用的交互能力：

2.1.1 按列排序

• 普通單列排序

在DataTable()中，我們只需要設置參數(shù)sort_action='native'，即可開啟列排序功能，此時每一列列名單元格內都會出現(xiàn)部件供我們點擊切換排序方式：

app1.py

import dash import dash_table import dash_bootstrap_components as dbc  import seaborn as sns  df = sns.load_dataset('iris')  app = dash.Dash(__name__)  app.layout = dbc.Container(     [         dash_table.DataTable(             data=df.to_dict('records'),             columns=[                 {'name': column, 'id': column}                 for column in df.columns             ],             style_table={                 'height': '500px',                 'overflow-y': 'auto'             },             sort_action='native'         )     ],     style={         'margin-top': '50px'     } )  if __name__ == '__main__':     app.run_server(debug=True)

圖2

• 基于后端排序的多列排序

在DataTable()中設置sort_action='native'時，對應的是「按列排序」的前端模式，也即是數(shù)據(jù)一次性灌注到瀏覽器的前提下進行排序，這種方式不僅不適合大型數(shù)據(jù)集，而且只支持「單列排序」。

而當數(shù)據(jù)渲染方式為后端模式時，我們通過設置參數(shù)sort_action='custom'以及sort_mode='multi'，配合在回調中獲取屬性sort_by中記錄的參與排序的列名及升序降序方式，就可以實現(xiàn)多列排序。

我們在上一期的app2.py的基礎上修改得到下面的例子：

app2.py

import dash import dash_bootstrap_components as dbc import dash_table from dash.dependencies import Input, Output  import seaborn as sns  df = sns.load_dataset('iris') df.insert(0, '#', df.index)  app = dash.Dash(__name__)  app.layout = dbc.Container(     [         dbc.Spinner(             dash_table.DataTable(                 id='dash-table',                 columns=[                     {'name': column, 'id': column}                     for column in df.columns                 ],                 page_size=15,  # 設置單頁顯示15行記錄行數(shù)                 page_action='custom',                 page_current=0,                 style_header={                     'font-family': 'Times New Romer',                     'font-weight': 'bold',                     'text-align': 'center'                 },                 style_data={                     'font-family': 'Times New Romer',                     'text-align': 'center'                 },                 sort_action='custom',                 sort_mode='multi'             )         )     ],     style={         'margin-top': '50px'     } )   @app.callback(     [Output('dash-table', 'data'),      Output('dash-table', 'page_count')],     [Input('dash-table', 'page_current'),      Input('dash-table', 'page_size'),      Input('dash-table', 'sort_by')] ) def refresh_page_data(page_current, page_size, sort_by):      if sort_by:         return (             df             .sort_values(                 [col['column_id'] for col in sort_by],                 ascending=[                     col['direction'] == 'asc'                     for col in sort_by                 ]             )             .iloc[page_current * page_size:(page_current + 1) * page_size]             .to_dict('records'),             1 + df.shape[0] // page_size         )      return (         df.iloc[page_current * page_size:(page_current + 1) * page_size].to_dict('records'),         1 + df.shape[0] // page_size     )   if __name__ == '__main__':     app.run_server(debug=True)

圖3

2.1.2 按列條件篩選

除了基于指定字段進行排序之外，dash_table還支持列的條件篩選，設置filter_action="native"，就可以開啟基礎的按列條件篩選功能，此時每一列表頭下都會多出供用戶輸入篩選條件的單元格：

app3.py

import dash import dash_table import dash_bootstrap_components as dbc  import seaborn as sns  df = sns.load_dataset('iris')  app = dash.Dash(__name__)  app.layout = dbc.Container(     [         dash_table.DataTable(             data=df.to_dict('records'),             columns=[                 {'name': column, 'id': column}                 for column in df.columns             ],             # 自定義條件篩選單元格樣式             style_filter={                 'font-family': 'Times New Romer',                 'background-color': '#e3f2fd'             },             style_table={                 'height': '500px',                 'overflow-y': 'auto'             },             style_header={                 'font-family': 'Times New Romer',                 'font-weight': 'bold',                 'text-align': 'center'             },             style_data={                 'font-family': 'Times New Romer',                 'text-align': 'center'             },             filter_action="native"         )     ],     style={         'margin-top': '50px'     } )  if __name__ == '__main__':     app.run_server(debug=True)

圖4

而dash_table中自帶的條件篩選語法很豐富，有條件的朋友可以前往https://dash.plotly.com/datatable/filtering了解更多。

而dash_table同樣可以實現(xiàn)后端篩選，和前面的后端排序類似，主要利用filter_query屬性的回調變化在后臺基于pandas等框架進行數(shù)據(jù)篩選，比較簡單，這里就不再贅述。

2.2  自帶的數(shù)據(jù)表格下載功能

dash_table還自帶了將當前所渲染的表格內容直接下載為csv或xlsx格式文件的簡易功能，通過參數(shù)export_format設置導出的文件格式，但自帶的下載按鈕樣式比較丑，如果你對此有比較高的要求，還是建議結合之前的「上傳下載篇」自己設計相關功能：

圖5

2.3 凍結首行

通過設置參數(shù)fixed_rows={'headers': True}，我們可以實現(xiàn)下滑查看表格的過程中，始終保持表頭被凍結：

圖6

3  開發(fā)一個在線取數(shù)工具

在學習完今天的內容之后，我們來結合之前「上傳下載篇」中提到的下載功能，來制作一個簡單的對指定數(shù)據(jù)庫中的數(shù)據(jù)表進行快速條件篩選并下載的工具，其中DataTable的derived_virtual_data屬性記錄了經(jīng)過排序、條件篩選等操作后當前顯示的表格數(shù)據(jù)：

圖7

app4.py

import dash import dash_bootstrap_components as dbc import dash_core_components as dcc import dash_html_components as html import dash_table from dash.dependencies import Input, Output  from flask import send_from_directory  import os import uuid from sqlalchemy import create_engine import pandas as pd  try:     os.mkdir("downloads") except FileExistsError:     pass  engine = create_engine('mysql+pymysql://root:mysql@localhost/DASH')  app = dash.Dash(__name__)   @app.server.route('/download/<file>') def download(file):     return send_from_directory('downloads', file)   app.layout = dbc.Container(     [         dbc.Row(             [                 dbc.Col(dbc.Button('更新數(shù)據(jù)表', id='refresh-tables', style={'width': '100%'}), width=2),                 dbc.Col(dcc.Dropdown(id='table-select', style={'width': '100%'}), width=2)             ]         ),         html.Hr(),         dash_table.DataTable(             id='dash-table',             editable=True,             page_size=15,             style_header={                 'font-family': 'Times New Romer',                 'font-weight': 'bold',                 'text-align': 'center'             },             style_data={                 'font-family': 'Times New Romer',                 'text-align': 'center'             },             style_data_conditional=[                 {                     # 對選中狀態(tài)下的單元格進行自定義樣式                     "if": {"state": "selected"},                     "background-color": "#b3e5fc",                     "border": "none"                 },             ],             filter_action="native"         ),         html.Br(),         html.A(id='download-url', target="_blank")     ],     style={         'margin-top': '50px'     } )   @app.callback(     Output('table-select', 'options'),     Input('refresh-tables', 'n_clicks') ) def refresh_tables(n_clicks):     if n_clicks:         return [             {                 'label': table,                 'value': table             }             for table in pd.read_sql_query('SHOW TABLES', con=engine)['Tables_in_dash']         ]      return dash.no_update   @app.callback(     [Output('dash-table', 'data'),      Output('dash-table', 'columns')],     Input('table-select', 'value') ) def render_dash_table(value):     if value:         df = pd.read_sql_table(value, con=engine)          return df.to_dict('records'), [             {'name': column, 'id': column}             for column in df.columns         ]      else:         return [], []   @app.callback(     [Output("download-url", "href"),      Output("download-url", "children")],     [Input("dash-table", "derived_virtual_data"),      Input("dash-table", "filter_query")],     prevent_initial_call=True ) def download_table(derived_virtual_data, filter_query):     if derived_virtual_data:         print(derived_virtual_data)          filename = f"output_{uuid.uuid1()}.xlsx"          pd.DataFrame(derived_virtual_data).to_excel("downloads/" + filename, index=False)          return "/download/" + filename, "下載當前狀態(tài)表格"      return "", ""   if __name__ == '__main__':     app.run_server(debug=True)

以上就是如何用Python輕松開發(fā)數(shù)據(jù)庫取數(shù)下載工具，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業(yè)資訊頻道。