怎么用Python快速開發在線數據庫更新修改工具

這篇文章主要介紹“怎么用Python快速開發在線數據庫更新修改工具”，在日常操作中，相信很多人在怎么用Python快速開發在線數據庫更新修改工具問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用Python快速開發在線數據庫更新修改工具”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

 1  簡介

這是我的系列教程「Python+Dash快速web應用開發」的第十三期，在上一期中，我們一起認識了Dash自帶的交互式表格組件dash_table，并學會了如何自定義表格中不同部分的樣式。

而今天的教程，我們將繼續深入認識dash_table的更多交互方面的功能，學習如何為渲染出的表格分頁，并添加動態內容修改等交互功能。

圖1

2 dash_table的基礎交互能力

dash_table的核心功能是賦予用戶與圖表進行快捷交互的能力，下面我們來學習其基礎常用的一些交互功能：

2.1  分頁翻頁

當我們要展示的數據行數較多時，在網頁中渲染可以選擇分頁，這在dash_table中實現起來比較方便，根據數據傳遞方式的不同，可以分為「前端分頁」與「后端分頁」：

2.1.1 前端分頁

前端分頁顧名思義，就是在我們訪問Dash應用時，表格內所有頁面的數據一次性加載完成，適合數據量不大的情況，將數據存儲壓力轉移到瀏覽器端。

通過參數page_size設置每頁要顯示的記錄行數，Dash會自動幫我們分好頁，并配上翻頁部件：

app1.py

import dash import dash_bootstrap_components as dbc import dash_table  import seaborn as sns  df = sns.load_dataset('tips') df.insert(0, '#', df.index)  app = dash.Dash(__name__)  app.layout = dbc.Container(     [         dash_table.DataTable(             id='dash-table',             data=df.to_dict('records'),             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             style_header={                 'font-family': 'Times New Romer',                 'font-weight': 'bold',                 'text-align': 'center'             },             style_data={                 'font-family': 'Times New Romer',                 'text-align': 'center'             }         )     ],     style={         'margin-top': '50px'     } )  if __name__ == '__main__':     app.run_server(debug=True)

圖2

2.1.2 后端分頁

雖然前端分頁簡單易用，但當我們的數據很大時，強行使用前端分頁會給「網絡傳輸」和「瀏覽器端」帶來不小的延遲和內存壓力，嚴重影響用戶體驗，因此Dash貼心地為我們準備了「后端分頁」方式。

這時首先我們得為DataTable設置參數page_action='custom'，這是使用后端分頁的先決條件，接下來我們需要認識一些新的參數：

page_current，int型，對應當前翻到的頁碼;

page_count，int型，對應顯示的總頁數;

我們在使用「后端分頁」時，實際上就是通過用戶當前翻到的頁碼，以及設定的page_size，來動態地在翻頁后加載對應批次的數據，并控制顯示的總頁數，參考下面這個簡單的例子：

app2.py

import dash import dash_bootstrap_components as dbc import dash_table from dash.dependencies import Input, Output  import seaborn as sns import pandas as pd from tqdm import tqdm  # 壓力測試 df = pd.concat([sns.load_dataset('tips') for _ in tqdm(range(1000))], ignore_index=True) 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                 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'                 }             )         )     ],     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')] ) def refresh_page_data(page_current, 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)

可以看到，即使我們完整的數據集被我concat到24萬行，加載應用以及網頁內翻頁時依然輕松自如毫無壓力，在實際應用中你還可以將翻頁部分改成受到LIMIT與OFFSET控制的數據庫查詢過程，使得應用運行的更加快速高效：

圖3

2.2 對單元格內容進行編輯

講完了分頁翻頁，接下來我們來學習dash_table中更加強大的功能——單元格內容編輯。

一個現代化的web應用當然不能局限于僅僅查看數據這么簡單，Dash同樣賦予了我們雙擊數據表單元格進行數據編輯的能力，首先得設置參數editable=True，即開啟表格編輯模式，接下來就可以對數據區域單元格進行任意的雙擊選中編輯。

不過Dash默認的單元格被選中的樣式忒丑了(是粉色的你敢信)，因此我們可以利用下面的參數設置方式來自定義美化：

style_data_conditional=[                 {                     # 對選中狀態下的單元格進行自定義樣式                     "if": {"state": "selected"},                     "background-color": "#b3e5fc",                     "border": "none"                 },             ]

來看一個形象的例子，我們對「前端分頁」方式渲染出的表格進行隨意的修改，并在下方對利用pandas的compare比較出的數據框之間的差異結果進行打印：

app3.py

import dash import dash_html_components as html import dash_core_components as dcc import dash_bootstrap_components as dbc import dash_table from dash.dependencies import Input, Output  import seaborn as sns import pandas as pd  df = sns.load_dataset('tips') df.insert(0, '#', df.index)  app = dash.Dash(__name__)  app.layout = dbc.Container(     [         dash_table.DataTable(             id='dash-table',             data=df.to_dict('records'),             columns=[                 {'name': column, 'id': column}                 for column in df.columns             ],             fixed_rows={'headers': True},             page_size=15,             editable=True,             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=[                 {                     # 對選中狀態下的單元格進行自定義樣式                     "if": {"state": "selected"},                     "background-color": "#b3e5fc",                     "border": "none"                 },             ]         ),         html.H4('與原表格內容比較：', style={'margin-top': '50px'}),         dcc.Markdown(             '無差別',             id='markdown',             dangerously_allow_html=True         )     ],     style={         'margin-top': '50px'     } )   @app.callback(     Output('markdown', 'children'),     Input('dash-table', 'data'),     prevent_initial_call=True ) def compare_difference(dash_table_data):     print(pd.DataFrame(dash_table_data))      return df.compare(pd.DataFrame(dash_table_data)).to_html()   if __name__ == '__main__':     app.run_server(debug=True)

可以看到，我們成功地對指定單元格元素進行了修改。

圖4

3  開發數據庫內容在線更新工具

在學習完今天的內容之后，我們就可以開發一個簡單的，可在線自由修改并同步變動到數據庫的小工具，這里我們以MySQL數據庫為例，對示例表進行修改和更新：

首先我們利用下列代碼向示例數據庫中新建表格tips：

from sqlalchemy import create_engine import seaborn as sns  df = sns.load_dataset('tips') df.insert(0, '#', df.index)  engine = create_engine('mysql+pymysql://root:mysql@localhost/DASH')  df.to_sql('tips', con=engine, if_exists='replace', index=False)

圖5

接下來我們就以創建好的tips表為例，開發一個Dash應用，進行數據的修改和更新到數據庫：

圖6

效果非常的不錯，你可以在我這個簡單示例的基礎上，拓展更多新功能，也可以采取后端分頁+條件修改的方式來應對大型數據表的修改，全部代碼如下：

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, State  from sqlalchemy import create_engine import pandas as pd  engine = create_engine('mysql+pymysql://root:mysql@localhost/DASH')  app = dash.Dash(__name__)  app.layout = dbc.Container(     [         dbc.Row(             [                 dbc.Col(dbc.Button('更新數據表', 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=[                 {                     # 對選中狀態下的單元格進行自定義樣式                     "if": {"state": "selected"},                     "background-color": "#b3e5fc",                     "border": "none"                 },             ]         ),         dbc.Button('同步變動到數據庫', id='update-tables', style={'display': 'none'}),         html.P(id='message')     ],     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'),      Output('update-tables', 'style')],     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         ], {'margin-top': '25px'}      else:         return [], [], {'display': 'none'}   @app.callback(     [Output('message', 'children'),      Output('message', 'style')],     Input('update-tables', 'n_clicks'),     [State('dash-table', 'data'),      State('table-select', 'value')] ) def update_to_database(n_clicks, data, value):      if n_clicks:          try:             pd.DataFrame(data).to_sql(value, con=engine, if_exists='replace', index=False)              return '更新成功！', {'color': 'green'}         except Exception as e:             return f'更新失敗！{e}', {'color': 'red'}      return dash.no_update  if __name__ == '__main__':     app.run_server(debug=True)

到此，關于“怎么用Python快速開發在線數據庫更新修改工具”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！