之前, 我曾与大家探讨过众多工具的使用, 但在数据可视化这一领域进行详细阐述的情况则极为罕见, 这主要是由于缺乏灵感的缘故,不过今天小编在搜索相关内容的过程中, 偶然发现了令人感兴趣的一款工具, 其表现堪称精彩绝伦, 该工具的应用场景与本期的讲解主题高度契合, 想必大家此刻心中必定充满好奇, 想要知晓这究竟是哪款神奇的产品吧?现直接给大家揭晓答案, 它就是应用于数据可视化领域的dash工具, 请问广大小伙伴们此前是否对此有所了解? 如果你之前没有听到过相关内容的, 现在就邀请你一起来进行观看和阅读动作的展开过程吧。这个行为可以被理解为对自身知识库体系积累工作的参与和支持。Dash它是用于构建具有数据分析功能的应用程序的总体设计方案, 在使用这一方案的过程中, 操作者无需去关注过于底层的直接实现细节。该整体技术方案是依托于语言、React框架以及Flask组件共同构建而成的。Dash你可以直接把你的数据分析程序代码拿出来, 然后再去搭一个看起来非常帅气、风格很酷的网络页面应用程序。如上所述, 这个应用是靠着仅仅 43 行代码就能搭建好的, 具体操作是通过加载一些数据, 然后再借助 Dash 工具来进行可视化展示。代码演示import dashfrom dash.dependencies import Input, Outputimport dash_core_components as dccimport dash_html_components as htmlfrom pandas_datareader import data as webfrom datetime import datetime as dtapp dash.Dash(Hello World)app.layout html.Div([dcc.Dropdown(idmy-dropdown,options[{label: Coke, value: COKE},{label: Tesla, value: TSLA},{label: Apple, value: AAPL}],valueCOKE),dcc.Graph(idmy-graph)], style{width: 500})app.callback(Output(my-graph, figure), [Input(my-dropdown, value)])def update_graph(selected_dropdown_value):df web.DataReader(selected_dropdown_value,google,dt(2017, 1, 1),dt.now())return {data: [{x: df.index,y: df.Close}],layout: {margin: {l: 40, r: 0, t: 20, b: 30}}}app.css.append_css({external_url: https://codepen.io/chriddyp/pen/bWLwgP.css})if __name__ __main__:app.run_server()其最终的呈现效果是。上面仅仅向大家展示了很少的一部分的代码内容, 但是实际上却给大家带来演示出了非常详细的信息内容, 由此可见出这个工具是非常容易进行使用的, 大家可以结合着自己现在所正在使用着的各种不同工具来进行对比查看一下, 然后自行选择适合的使用方式哈。