概述
使用 Python 进行数据分析是非常方便的，笔者在工作中需要对数据进行分析时发现了一套 Pandas + Plotly + Dash 的数据可视化方案，非常简洁实用。
Pandas 是一个非常方便的数据分析工具，可以使用 plotly 将 Pandas 的数据进行可视化，Dash 可以直接使用 Python 开发 Web 页面，并且也支持 plotly 图表展示，这样就可以使用纯 Python 代码来开发数据分析的可视化页面。
使用示例
pandas snippets
pandas 进行数据的加载和处理，这里列举了几个代码片段，都是笔者在开发中常用的几个方法。
# 数据保存到本地文件，去除index，可以使用压缩。
pandas.to_csv(df, index=False, compression='gzip')
# to_csv 的时候不设置 index=False 的话，加载的数据会多一列 index
pandas.read_csv(df, compression='gzip')
# 使用 merge 来进行 join 操作
# how 可配置 left、right
# left_on 配置的是左表的字段
# right_on 配置的是右表的字段
pandas.merge(df_a, df_b, how='left', left_on='a_col', right_on='b_col')
# 根据 a 列聚合求和count，并且根据count的和从大到小排序，取 top 10
result = df.groupby(['a'])['count'].sum()
result.sort_values(asceeding=False, inplace=True)
result.head(10).reset_index()
plotly express
jupyter notebook 是数据分析的常用工具，配合上 plotly express 可以方便画图，可以对 pandas dataframe 进行可视化，并且其图是支持交互的。
# in jupyter notebook
import plotly.express as px
df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species")
fig.show()
详细参考官方文档
Dash Web
这里有大量可以参考的文章，可以去找一些示例代码来使用。
页面每次打开都刷新 layout 的方法，app.layout 可以设置为一个方法，这样就可以每次加载页面的时候进行更新。当你需要每次更新一些变量的时候就会很有用，例如更新每天的日期。
app = Dash()
def layout():
return ...
app.layout = get_layout
注意 Dash 新旧版本的 module 已经发生变化，python2 只支持旧版本，下面是一段参考代码。
import six
import sys
if six.PY2:
from dash import Dash, dash_table
from dash.dash_table import FormatTemplate
from dash.dependencies import Output, Input, State
import dash_html_components as html
import dash_core_components as dcc
elif six.PY3:
from dash import Dash, Output, Input, State, html, dcc, dash_table
from dash.dash_table import FormatTemplate
else:
print("failed to import dash library", file=sys.stderr)
sys.exit(-1)
