Python Dash 새로 고침 페이지가 소스 데이터를 업데이트하지 않음
csv에서 데이터를 가져와 차트에 표시하는 기본 플롯 대시 앱을 작성했습니다. 그런 다음 앱 및 그래프 업데이트에서 값을 전환 할 수 있습니다.
그러나 csv에 새 데이터를 추가하면 (하루에 한 번 수행) 앱이 페이지를 새로 고칠 때 데이터를 업데이트하지 않습니다.
수정은 일반적으로 여기에app.layout 설명 된대로 함수로 정의하는 것입니다 (페이지로드시 업데이트로 스크롤 다운). 아래 코드에서 내가 한 것을 볼 수 있습니다.
내 코드는 다음과 같습니다.
import dash
import dash_core_components as dcc
import dash_html_components as html
from dash.dependencies import Input, Output
import numpy as np
import pandas as pd
external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)
path = 'https://raw.githubusercontent.com/tbuckworth/Public/master/CSVTest.csv'
df = pd.read_csv(path)
df2 = df[(df.Map==df.Map)]
def layout_function():
df = pd.read_csv(path)
df2 = df[(df.Map==df.Map)]
available_strats = np.append('ALL',pd.unique(df2.Map.sort_values()))
classes1 = pd.unique(df2["class"].sort_values())
metrics1 = pd.unique(df2.metric.sort_values())
return html.Div([
html.Div([
dcc.Dropdown(
id="Strategy",
options=[{"label":i,"value":i} for i in available_strats],
value=list(available_strats[0:1]),
multi=True
),
dcc.Dropdown(
id="Class1",
options=[{"label":i,"value":i} for i in classes1],
value=classes1[0]
),
dcc.Dropdown(
id="Metric",
options=[{"label":i,"value":i} for i in metrics1],
value=metrics1[0]
)],
style={"width":"20%","display":"block"}),
html.Hr(),
dcc.Graph(id='Risk-Report')
])
app.layout = layout_function
@app.callback(
Output("Risk-Report","figure"),
[Input("Strategy","value"),
Input("Class1","value"),
Input("Metric","value"),
])
def update_graph(selected_strat,selected_class,selected_metric):
if 'ALL' in selected_strat:
df3 = df2[(df2["class"]==selected_class)&(df2.metric==selected_metric)]
else:
df3 = df2[(df2.Map.isin(selected_strat))&(df2["class"]==selected_class)&(df2.metric==selected_metric)]
df4 = df3.pivot_table(index=["Fund","Date","metric","class"],values="value",aggfunc="sum").reset_index()
traces = []
for i in df4.Fund.unique():
df_by_fund = df4[df4["Fund"] == i]
traces.append(dict(
x=df_by_fund["Date"],
y=df_by_fund["value"],
mode="lines",
name=i
))
if selected_class=='USD':
tick_format=None
else:
tick_format='.2%'
return {
'data': traces,
'layout': dict(
xaxis={'type': 'date', 'title': 'Date'},
yaxis={'title': 'Values','tickformat':tick_format},
margin={'l': 40, 'b': 40, 't': 10, 'r': 10},
legend={'x': 0, 'y': 1},
hovermode='closest'
)
}
if __name__ == '__main__':
app.run_server(debug=True)
내가 시도한 것
- 초기 제거
df = pd.read_csv(path)전과를def layout_function():. 이로 인해 오류가 발생합니다. - 다음 코드를 사용하여 데이터를 새로 고치는 콜백 버튼 만들기 :
@app.callback(
Output('Output-1','children'),
[Input('reload_button','n_clicks')]
)
def update_data(nclicks):
if nclicks == 0:
raise PreventUpdate
else:
df = pd.read_csv(path)
df2 = df[(df.Map==df.Map)]
return('Data refreshed. Click to refresh again')
이것은 오류를 생성하지 않지만 버튼도 데이터를 새로 고치지 않습니다.
- 콜백
df내에서 정의update_graph. 이것은 실행 불가능한 무언가를 토글 할 때마다 데이터를 업데이트합니다 (실제 데이터는> 10 ^ 6 행이므로 사용자가 토글 값을 변경할 때마다 데이터를 읽고 싶지 않습니다).
요컨대, 정의 app.layout = layout_function가이 작업을 수행해야 한다고 생각 하지만 그렇지 않습니다. 내가 무엇을 놓치고 있거나 보지 못합니까?
도움을 주셔서 감사합니다.
답변
TLDR; 콜백 내에서 데이터를로드하는 것이 좋습니다. 로드 시간이 너무 긴 경우 형식 (예 : feather ) 을 변경 하거나 사전 처리를 통해 데이터 크기를 줄일 수 있습니다. 이것이 여전히 충분히 빠르지 않은 경우 다음 단계는 Redis 와 같은 서버 측 메모리 내 캐시에 데이터를 저장하는 것 입니다.
df및 df2에서 재 할당하기 때문에 layout_function이러한 변수는 Python 에서 로컬로 간주 되므로 전역 범위에서 및 변수를 수정 하지 않습니다 . 당신이 사용하는이 동작을 얻을 수 있지만 글로벌 키워드를 , 전역 변수의 사용은 대시에 권장되지 않습니다 .dfdf2
Dash의 표준 접근 방식은 콜백 (또는)에 데이터를로드하고 layout_function이를 Store객체 (또는 동등하게 hidden Div)에 저장하는 것입니다 . 구조는 다음과 같습니다.
import pandas as pd
import dash_core_components as dcc
from dash.dependencies import Output, Input
app.layout = html.Div([
...
dcc.Store(id="store"), html.Div(id="trigger")
])
@app.callback(Output('store','data'), [Input('trigger','children')], prevent_initial_call=False)
def update_data(children):
df = pd.read_csv(path)
return df.to_json()
@app.callback(Output("Risk-Report","figure"), [Input(...)], [State('store', 'data')])
def update_graph(..., data):
if data is None:
raise PreventUpdate
df = pd.read_json(data)
...
그러나이 접근 방식은 일반적으로 서버와 클라이언트간에 데이터가 전송되므로 콜백 내부의 디스크에서 데이터를 읽는 것보다 훨씬 느립니다 (피하려고하는 것처럼 보입니다).