描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787111754930
编辑推荐
读者定位：专业人士，日常使用数据、喜欢探索数字规律、希望数字赋能生活的人群
快速构建真正的数据驱动应用程序
用户可以使用Python Dash库创建分析仪表板程序，只需要几行代码，就可以有效、直观、漂亮地呈现数据。本书是用Dash构建仪表板的入门实战教程，读者无须具有相关经验就可以轻松上手。
本书首先介绍了构建数据可视化程序所需的PyCharm和pandas相关知识。然后通过构建四个功能仪表板程序，讲授如何制作具有专业水准的美观应用。其中，第一个仪表板是一款绘制Twitter实时数据的应用程序，第二个仪表板是一款分析全球数据集的应用程序，第三个仪表板是一款模拟股票收益的应用程序，第四个仪表板是一款可视化机器学习算法的应用程序。本书还介绍了如何通过模块化构建更大的应用程序，通过使用Dash回调实现用户交互，并通过API将数据输入可视化。
在阅读本书的过程中，读者将：
●使用Dash Bootstrap组件，创建复杂且响应迅速的应用；
●使用Plotly生成饼图、折线图、等高线图；
●使用NumPy和scikit-learn执行强大的计算，并使用pandas处理数据；
●构建可自定义、可重用的元素，如范围滑块、下拉菜单、按钮、多页标签等。
正是由于使用了Dash来构建仪表板，因此不再需要大量的后端工作。读者只需要掌握本书内容，就可以使用Python构建快速、强大、灵活的应用程序！
兼容性：Python 3.x，Dash 2.x；兼容早期版本。
内容简介
本书旨在帮助读者快速上手创建Dash应用程序，实现数据可视化。本书第一部分针对初学者，简要介绍Python、PyCharm、pandas当中与构建 Dash 应用程序相关的知识。第二部分循序渐进地讲解如何使用基于社交媒体收集的数据创建简单的Dash仪表板程序；如何使用世界银行全球数据集创建具有更复杂页面布局的仪表板应用程序，并实现与API实时交互检索数据；如何通过财富仪表板应用程序，构建和调试更复杂的Dash应用程序；以及如何使用Dash探索机器学习算法原理，并进行可视化呈现。本书不仅适用于专业人士，而且对于日常使用数据、喜欢探索数字规律、希望数字赋能生活的人群都有所裨益。
目 录
译者序
作者简介
致谢
前言
第一部分 速 成 培 训
第1章 Python回顾/
1．1列表/
1．1．1添加元素/
1．1．2删除元素/
1．1．3列表反转/
1．1．4列表排序/
1．1．5索引列表元素/
1．2切片/
1．3字典/
1．4列表解析式/
1．5面向对象编程/
1．5．1类和对象/
1．5．2相关术语/
1．6装饰器和注解/
1．7小结/
第2章 PyCharm培训/
2．1安装PyCharm/
2．2创建项目/
2．3运行Dash应用程序/
2．4在PyCharm上安装Dash/
2．5在GitHub上使用Dash/
2．6小结/
第3章 pandas速成/
3．1备忘单概览/
3．2安装pandas/
3．3在pandas中创建对象/
3．3．1Series/
3．3．2DataFrame/
3．4访问DataFrame元素/
3．4．1按列选择/
3．4．2按索引和切片选择/
3．4．3按标签选择/
3．5修改DataFrame/
3．6小结/
3．7在线资源/目录
第二部分 构建应用程序
第4章 构建首个Dash应用程序/
4．1设置项目/
4．1．1导入必要的库/
4．1．2数据管理/
4．1．3布局和样式/
4．1．4样式：美化应用/
4．2Dash组件/
4．2．1HTML组件/
4．2．2Core组件/
4．3Dash回调/
4．3．1回调装饰器/
4．3．2回调函数/
4．3．3回调图表/
4．4Plotly Express折线图/
4．5小结/
第5章 全球数据分析：布局和图形进阶/
5．1设置项目/
5．1．1导入两个新库/
5．1．2数据管理/
5．1．3Dash Bootstrap样式/
5．2Dash Core组件/
5．3Dash回调/
5．3．1数据检索回调/
5．3．2图形创建回调/
5．3．3回调图表/
5．3．4回调排序/
5．4Plotly Express等值线图/
5．5小结/
第6章 创建投资组合应用程序/
6．1资产配置/
6．2下载并运行应用程序/
6．3应用程序结构/
6．4设置项目/
6．4．1导入库/
6．4．2添加样式表/
6．4．3数据管理/
6．5布局和样式/
6．6组件/
6．6．1选项卡/
6．6．2卡片容器和滑块/
6．6．3输入容器/
6．6．4提示工具/
6．6．5数据表/
6．6．6内容表格/
6．6．7Markdown文本/
6．7使用Plotly Graph Objects创建饼图/
6．8使用Plotly Graph Objects创建折线图/
6．9Dash回调/
6．9．1交互式图表/
6．9．2使用State的回调/
6．9．3循环回调和同步组件/
6．9．4具有多个输入和多个输出的回调/
6．10小结/
第7章 探索机器学习/
7．1有助于机器学习模型直观呈现的仪表板应用程序/
7．1．1分类/
7．1．2支持向量机（SVM）/
7．2SVM Explorer应用程序/
7．2．1Python库/
7．2．2数据管理/
7．3布局和样式/
7．3．1布局/
7．3．2样式/
7．4可重用组件/
7．4．1定义卡片/
7．4．2定义格式化滑块/
7．4．3定义命名滑块/
7．4．4定义命名下拉列表/
7．4．5使用Dash图表/
7．4．6创建Plotly等高线图/
7．4．7使用Dash加载符号/
7．5Dash回调/
7．6小结/
7．7资源/
第8章 提示和技巧/
8．1Dash企业级应用程序库/
8．2Plotly社区论坛/
8．3应用程序主题浏览器/
8．4调试Dash应用程序/
8．5dash－labs/
8．6用Black格式化代码/
8．7后续资源/
附录 Python基础知识/
A．1安装和开始/
A．2数据类型/
A．2．1布尔值/
A．2．2数值/
A．2．3字符串/
A．3控制流/
A．4循环执行/
A．5其他关键字/
A．6函数/
A．6．1参数/
A．6．2默认函数参数/
A．7Python在线资源和拓展阅读/
作者简介
致谢
前言
第一部分 速 成 培 训
第1章 Python回顾/
1．1列表/
1．1．1添加元素/
1．1．2删除元素/
1．1．3列表反转/
1．1．4列表排序/
1．1．5索引列表元素/
1．2切片/
1．3字典/
1．4列表解析式/
1．5面向对象编程/
1．5．1类和对象/
1．5．2相关术语/
1．6装饰器和注解/
1．7小结/
第2章 PyCharm培训/
2．1安装PyCharm/
2．2创建项目/
2．3运行Dash应用程序/
2．4在PyCharm上安装Dash/
2．5在GitHub上使用Dash/
2．6小结/
第3章 pandas速成/
3．1备忘单概览/
3．2安装pandas/
3．3在pandas中创建对象/
3．3．1Series/
3．3．2DataFrame/
3．4访问DataFrame元素/
3．4．1按列选择/
3．4．2按索引和切片选择/
3．4．3按标签选择/
3．5修改DataFrame/
3．6小结/
3．7在线资源/目录
第二部分 构建应用程序
第4章 构建首个Dash应用程序/
4．1设置项目/
4．1．1导入必要的库/
4．1．2数据管理/
4．1．3布局和样式/
4．1．4样式：美化应用/
4．2Dash组件/
4．2．1HTML组件/
4．2．2Core组件/
4．3Dash回调/
4．3．1回调装饰器/
4．3．2回调函数/
4．3．3回调图表/
4．4Plotly Express折线图/
4．5小结/
第5章 全球数据分析：布局和图形进阶/
5．1设置项目/
5．1．1导入两个新库/
5．1．2数据管理/
5．1．3Dash Bootstrap样式/
5．2Dash Core组件/
5．3Dash回调/
5．3．1数据检索回调/
5．3．2图形创建回调/
5．3．3回调图表/
5．3．4回调排序/
5．4Plotly Express等值线图/
5．5小结/
第6章 创建投资组合应用程序/
6．1资产配置/
6．2下载并运行应用程序/
6．3应用程序结构/
6．4设置项目/
6．4．1导入库/
6．4．2添加样式表/
6．4．3数据管理/
6．5布局和样式/
6．6组件/
6．6．1选项卡/
6．6．2卡片容器和滑块/
6．6．3输入容器/
6．6．4提示工具/
6．6．5数据表/
6．6．6内容表格/
6．6．7Markdown文本/
6．7使用Plotly Graph Objects创建饼图/
6．8使用Plotly Graph Objects创建折线图/
6．9Dash回调/
6．9．1交互式图表/
6．9．2使用State的回调/
6．9．3循环回调和同步组件/
6．9．4具有多个输入和多个输出的回调/
6．10小结/
第7章 探索机器学习/
7．1有助于机器学习模型直观呈现的仪表板应用程序/
7．1．1分类/
7．1．2支持向量机（SVM）/
7．2SVM Explorer应用程序/
7．2．1Python库/
7．2．2数据管理/
7．3布局和样式/
7．3．1布局/
7．3．2样式/
7．4可重用组件/
7．4．1定义卡片/
7．4．2定义格式化滑块/
7．4．3定义命名滑块/
7．4．4定义命名下拉列表/
7．4．5使用Dash图表/
7．4．6创建Plotly等高线图/
7．4．7使用Dash加载符号/
7．5Dash回调/
7．6小结/
7．7资源/
第8章 提示和技巧/
8．1Dash企业级应用程序库/
8．2Plotly社区论坛/
8．3应用程序主题浏览器/
8．4调试Dash应用程序/
8．5dash－labs/
8．6用Black格式化代码/
8．7后续资源/
附录 Python基础知识/
A．1安装和开始/
A．2数据类型/
A．2．1布尔值/
A．2．2数值/
A．2．3字符串/
A．3控制流/
A．4循环执行/
A．5其他关键字/
A．6函数/
A．6．1参数/
A．6．2默认函数参数/
A．7Python在线资源和拓展阅读/
前 言
有人说，拥有信息就拥有权力。还有人说，数据是当今世界的黄金，拥有数据就拥有财富。但是，如果没有具体的应用场景，那么原始信息和原始数据往往毫无价值。唯有正确分析、解释和理解数据，数据才能成为有价值的资产。伴随着数据成为资产，出现了很多新兴热门职业，比如数据科学家、数据工程师、数据分析师、商业智能顾问和机器学习工程师，这些专业人士都做了同样的一件事情：使用图形和仪表板等可视化工具来解释和展示数据。
本书的目标是帮助读者创建漂亮的仪表板应用程序，只需要几行代码便能实现数据可视化。本书不仅适用于专业人士，而且对日常经常使用数据、喜欢探索数字规律、希望数字赋能生活的人群都有所裨益。
为什么要读本书
通过使用Plotly Dash框架，程序员可以轻松构建自己的仪表板。仪表板是Web应用程序，允许程序员与用户通过交互式组件动态挖掘数据，这些组件可以接收用户的输入，然后进行解释输出。交互式组件可以是滑块、文本框、按钮或下拉菜单，允许用户选择他们想要在结果图表和图形中显示的数据，如图1所示，显示的是地图和柱形图。正是这种良好的交互性，使得仪表板应用程序越来越受到大众欢迎。
如果未经培训学习就去构建Plotly Dash应用程序，那么绝非易事。本书将提供相关使用说明和简明教程，引导读者从Dash初学者开始，快速且自信地成功创建出自己的仪表板应用程序，该程序具有交互性且可视化。
本书还将帮助读者提高现代社会数据编程的技能，比如编程、数据分析以及数据可视化和数据展示。在当今信息化社会中，智能家居、工厂、电商平台、社交网络、视频托管服务和健康跟踪设备等都会产生海量数据，人们迫切需要对这些动态和不断增长的数据做出吸引眼球的数据可视化呈现。
Dash编程：用Python和Plotly构建数据可视化程序随着数据的规模和复杂性激增，人们对仪表板应用程序的需求也在不断增长，这些应用程序可以为用户提供实时的、数据驱动的实事概览。在日常生活中，人们对于基于浏览器的仪表板已经比较熟悉，比如Google Analytics、Facebook Ad Manager和Salesforce Dashboards。图1是Google Analytics仪表板应用程序的屏幕截图，可以直观地跟踪网站的实时流量。
图1Google Analytics仪表板跟踪网站使用情况
要想创建这类应用程序，需要有熟练的编码人员和大型组织，他们能够将实时数据源与动态网站相结合，创建出仪表板应用程序，进而得出具有独特价值主张的结论。
前言
图2是本书作者创建的资产配置工具屏幕截图(https://wealthdashboard．app)。
图2可视化展示资产配置应用程序
上述资产配置工具通过输入用户的财富百分比来配置股票、债券和现金，并使用历史数据可视化展示用户的资产配置回报和风险状况等关键统计数据，从而对投资回报进行建模。本书后续将介绍如何构建这个仪表板。
仪表板应用程序的潜在用途非常广泛。针对每个数据源，都可以创建一个有用的仪表板应用程序。
本书作者致力于编码和调试，并手把手指导读者构建第一个属于自己的Dash应用程序。目前，市场上关于Dash的书籍并不多见，易于理解且适合Python初学者的书籍更是寥寥无几。本书将改变这一现状！
在Dash Enterprise App Gallery网站上可以查看Dash Enterprise应用程序库中的许多示例(见图3)。该库中有些应用程序，例如AI语音识别应用程序，代码长度不超过100行！图3Dash官方应用程序库，包括许多仪表板应用程序
为什么要用Plotly Dash
既然仪表板应用程序如此出色，下面就来探讨为什么要用Plotly Dash来构建仪表板应用程序。固然有许多其他框架也可以用于创建仪表板，诸如Streamlit、Shiny、Jupyter、Tableau、Infogram等，但是，以下考虑却让Dash更胜一筹。
Dash应用程序可以单纯使用Python编写。这意味着只要熟悉Python，就能够快速上手。这也意味着可以将现有Python的数据和结果轻松地集成到Dash应用程序中。
Python非常有表现力，因此Dash代码可以相对紧凑。这意味着能够更加迅速地制作原型和迭代，对于开发时间紧张或者需求经常变化的场景意义重大。
Dash巧妙地隐藏了开发中的一些复杂元素，比如JavaScript前端和Python后端通信。因此，无须考虑许多复杂环节，比如序列化、反序列化、定义API端点、发出HTTP请求。这样可以显著减少样板代码。
Dash是由Plotly团队负责开发的。这就意味着Dash与Plotly图形库可以完美集成。由于这些交互式图表本身就是基于网络技术的，因此Plotly和Dash是制作网络应用程序的绝佳选择。
Dash是基于Flask框架开发的，因此提供了从完全托管到自托管的一系列部署选项。
尽管Dash只能与Python一起使用，但具有很强的可扩展性，允许混合使用CSS和JavaScript，还可以使用React和Dash组件生成器来编写用户自己的组件。
尽管Dash具有以上诸多优点，但没有软件可以做到完美。为了帮助读者选择最适合自己的Web可视化框架，以下列举Dash的局限性：
Dash具有良好的性能，但如果组件过多、负责应用程序过多或数据集过于庞大，就可能会导致应用程序运行速度变慢。
与其他一些无代码或低代码的方案相比，Dash的启动和运行稍显复杂，并且与其他企业软件的集成也不像其他某些框架那样紧密，例如，PowerBI与微软企业软件的集成度就非常高。
虽然Dash是用纯Python编写的，但开发者同时还需要了解HTML和CSS的基础知识。
本书的读者对象
原书作者编写本书时，充分考虑到了Dash初学者。针对很多缺乏编程经验的读者，本书从介绍基础知识入手，例如怎样安装Dash和相关库，如何设置编程环境，以及如何使用pandas之类的库。当然，本书并非Python完整课程，不可能面面俱到。比如，在第1章中仅仅介绍一些对构建Dash应用程序至关重要的Python基础知识，并指导读者获取在线资源，以便进行深入挖掘。当然，若读者已经具备一些Python背景知识，就可以更加充分地利用本书。
针对已经有一些Python编程经验的读者，如果还没有设置编程环境的经验，请从第2章开始阅读。
如果您已经了解Python并且能够设置编程环境(最好是PyCharm)，则可以直接跳到第3章，该章会介绍最重要的pandas库。
如果您对上述内容都了然于心，那就果断跳过所有介绍性章节(第1~3章)，直接从第4章开始阅读，我们将向您展示如何创建属于自己的第一个Dash应用程序。
本书的章节简介
本书分为两部分：第一部分介绍如何安装和设置编程环境，为构建Dash应用程序做准备；第二部分介绍如何构建4个越来越复杂的应用程序，并帮助读者掌握一些编程技巧。
第一部分：速成培训。
第1章，Python回顾。重温构建数据类应用程序最重要的Python基础知识，包括数据类型和结构、函数、面向对象编程。
第2章，PyCharm培训。指导读者安装PyCharm编码环境和库、创建项目，以及运行Dash应用程序。
第3章，pandas速成。为读者提供可视化概览，并简要介绍用于处理表格数据的pandas库。
第二部分：构建应用程序。
第4章，构建首个Dash应用程序。向读者展示如何使用基于社交媒体收集的数据创建自己的第一个Dash应用程序。本章主要介绍如何构建Dash中的基本组件，包括布局和样式、Dash组件、回调以及用于可视化的Plotly Express。
第5章，全球数据分析：布局和图形进阶。使用世界银行全球数据集，介绍Dash中的更多组件和样式特征。本章致力于帮助读者拓展和提高Dash技能：学习如何与API交互，以便实时检索数据，并学习使用dash－bootstrap－components来创建更复杂的布局。
第6章，创建投资组合应用程序。通过财富仪表板应用程序，更深入地探讨高级Dash组件。读者将学习如何构建和调试更大的Dash应用程序，使用更复杂的Dash和Bootstrap组件，以及使用较低级别的Plotly Graph Objects库构建图形。
第7章，探索机器学习。介绍一个可视化机器学习模型应用程序，帮助读者了解有关支持向量机的背景知识。本章展现了Dash的另一用途，即可以对算法原理进行可视化探索。读者将深入了解Dash的两个常用数字库：NumPy和scikit－learn，了解等高线图以及Dash回调的一些复杂用途。
第8章，提示和技巧。本章是对全书的总结，并为读者进一步学习提供了参考资料，包括如何调试、如何自动格式化，以及如何利用Dash开发者社区探索更多应用程序。
在线资源
本书附赠内容：https://learnplotlydash.com。
本书作者亚当的YouTube频道：https://www.youtube.com/c/CharmingData。
GitHub代码库：https://github.com/DashBookProject/Plotly－Dash。
发布者更新：https://nostarch.com/python－dash。
Python电子邮件免费资料：https://blog.finxter.com/email－academy。
本书的目标是帮助读者创建漂亮的仪表板应用程序，只需要几行代码便能实现数据可视化。本书不仅适用于专业人士，而且对日常经常使用数据、喜欢探索数字规律、希望数字赋能生活的人群都有所裨益。
为什么要读本书
通过使用Plotly Dash框架，程序员可以轻松构建自己的仪表板。仪表板是Web应用程序，允许程序员与用户通过交互式组件动态挖掘数据，这些组件可以接收用户的输入，然后进行解释输出。交互式组件可以是滑块、文本框、按钮或下拉菜单，允许用户选择他们想要在结果图表和图形中显示的数据，如图1所示，显示的是地图和柱形图。正是这种良好的交互性，使得仪表板应用程序越来越受到大众欢迎。
如果未经培训学习就去构建Plotly Dash应用程序，那么绝非易事。本书将提供相关使用说明和简明教程，引导读者从Dash初学者开始，快速且自信地成功创建出自己的仪表板应用程序，该程序具有交互性且可视化。
本书还将帮助读者提高现代社会数据编程的技能，比如编程、数据分析以及数据可视化和数据展示。在当今信息化社会中，智能家居、工厂、电商平台、社交网络、视频托管服务和健康跟踪设备等都会产生海量数据，人们迫切需要对这些动态和不断增长的数据做出吸引眼球的数据可视化呈现。
Dash编程：用Python和Plotly构建数据可视化程序随着数据的规模和复杂性激增，人们对仪表板应用程序的需求也在不断增长，这些应用程序可以为用户提供实时的、数据驱动的实事概览。在日常生活中，人们对于基于浏览器的仪表板已经比较熟悉，比如Google Analytics、Facebook Ad Manager和Salesforce Dashboards。图1是Google Analytics仪表板应用程序的屏幕截图，可以直观地跟踪网站的实时流量。
图1Google Analytics仪表板跟踪网站使用情况
要想创建这类应用程序，需要有熟练的编码人员和大型组织，他们能够将实时数据源与动态网站相结合，创建出仪表板应用程序，进而得出具有独特价值主张的结论。
前言
图2是本书作者创建的资产配置工具屏幕截图(https://wealthdashboard．app)。
图2可视化展示资产配置应用程序
上述资产配置工具通过输入用户的财富百分比来配置股票、债券和现金，并使用历史数据可视化展示用户的资产配置回报和风险状况等关键统计数据，从而对投资回报进行建模。本书后续将介绍如何构建这个仪表板。
仪表板应用程序的潜在用途非常广泛。针对每个数据源，都可以创建一个有用的仪表板应用程序。
本书作者致力于编码和调试，并手把手指导读者构建第一个属于自己的Dash应用程序。目前，市场上关于Dash的书籍并不多见，易于理解且适合Python初学者的书籍更是寥寥无几。本书将改变这一现状！
在Dash Enterprise App Gallery网站上可以查看Dash Enterprise应用程序库中的许多示例(见图3)。该库中有些应用程序，例如AI语音识别应用程序，代码长度不超过100行！图3Dash官方应用程序库，包括许多仪表板应用程序
为什么要用Plotly Dash
既然仪表板应用程序如此出色，下面就来探讨为什么要用Plotly Dash来构建仪表板应用程序。固然有许多其他框架也可以用于创建仪表板，诸如Streamlit、Shiny、Jupyter、Tableau、Infogram等，但是，以下考虑却让Dash更胜一筹。
Dash应用程序可以单纯使用Python编写。这意味着只要熟悉Python，就能够快速上手。这也意味着可以将现有Python的数据和结果轻松地集成到Dash应用程序中。
Python非常有表现力，因此Dash代码可以相对紧凑。这意味着能够更加迅速地制作原型和迭代，对于开发时间紧张或者需求经常变化的场景意义重大。
Dash巧妙地隐藏了开发中的一些复杂元素，比如JavaScript前端和Python后端通信。因此，无须考虑许多复杂环节，比如序列化、反序列化、定义API端点、发出HTTP请求。这样可以显著减少样板代码。
Dash是由Plotly团队负责开发的。这就意味着Dash与Plotly图形库可以完美集成。由于这些交互式图表本身就是基于网络技术的，因此Plotly和Dash是制作网络应用程序的绝佳选择。
Dash是基于Flask框架开发的，因此提供了从完全托管到自托管的一系列部署选项。
尽管Dash只能与Python一起使用，但具有很强的可扩展性，允许混合使用CSS和JavaScript，还可以使用React和Dash组件生成器来编写用户自己的组件。
尽管Dash具有以上诸多优点，但没有软件可以做到完美。为了帮助读者选择最适合自己的Web可视化框架，以下列举Dash的局限性：
Dash具有良好的性能，但如果组件过多、负责应用程序过多或数据集过于庞大，就可能会导致应用程序运行速度变慢。
与其他一些无代码或低代码的方案相比，Dash的启动和运行稍显复杂，并且与其他企业软件的集成也不像其他某些框架那样紧密，例如，PowerBI与微软企业软件的集成度就非常高。
虽然Dash是用纯Python编写的，但开发者同时还需要了解HTML和CSS的基础知识。
本书的读者对象
原书作者编写本书时，充分考虑到了Dash初学者。针对很多缺乏编程经验的读者，本书从介绍基础知识入手，例如怎样安装Dash和相关库，如何设置编程环境，以及如何使用pandas之类的库。当然，本书并非Python完整课程，不可能面面俱到。比如，在第1章中仅仅介绍一些对构建Dash应用程序至关重要的Python基础知识，并指导读者获取在线资源，以便进行深入挖掘。当然，若读者已经具备一些Python背景知识，就可以更加充分地利用本书。
针对已经有一些Python编程经验的读者，如果还没有设置编程环境的经验，请从第2章开始阅读。
如果您已经了解Python并且能够设置编程环境(最好是PyCharm)，则可以直接跳到第3章，该章会介绍最重要的pandas库。
如果您对上述内容都了然于心，那就果断跳过所有介绍性章节(第1~3章)，直接从第4章开始阅读，我们将向您展示如何创建属于自己的第一个Dash应用程序。
本书的章节简介
本书分为两部分：第一部分介绍如何安装和设置编程环境，为构建Dash应用程序做准备；第二部分介绍如何构建4个越来越复杂的应用程序，并帮助读者掌握一些编程技巧。
第一部分：速成培训。
第1章，Python回顾。重温构建数据类应用程序最重要的Python基础知识，包括数据类型和结构、函数、面向对象编程。
第2章，PyCharm培训。指导读者安装PyCharm编码环境和库、创建项目，以及运行Dash应用程序。
第3章，pandas速成。为读者提供可视化概览，并简要介绍用于处理表格数据的pandas库。
第二部分：构建应用程序。
第4章，构建首个Dash应用程序。向读者展示如何使用基于社交媒体收集的数据创建自己的第一个Dash应用程序。本章主要介绍如何构建Dash中的基本组件，包括布局和样式、Dash组件、回调以及用于可视化的Plotly Express。
第5章，全球数据分析：布局和图形进阶。使用世界银行全球数据集，介绍Dash中的更多组件和样式特征。本章致力于帮助读者拓展和提高Dash技能：学习如何与API交互，以便实时检索数据，并学习使用dash－bootstrap－components来创建更复杂的布局。
第6章，创建投资组合应用程序。通过财富仪表板应用程序，更深入地探讨高级Dash组件。读者将学习如何构建和调试更大的Dash应用程序，使用更复杂的Dash和Bootstrap组件，以及使用较低级别的Plotly Graph Objects库构建图形。
第7章，探索机器学习。介绍一个可视化机器学习模型应用程序，帮助读者了解有关支持向量机的背景知识。本章展现了Dash的另一用途，即可以对算法原理进行可视化探索。读者将深入了解Dash的两个常用数字库：NumPy和scikit－learn，了解等高线图以及Dash回调的一些复杂用途。
第8章，提示和技巧。本章是对全书的总结，并为读者进一步学习提供了参考资料，包括如何调试、如何自动格式化，以及如何利用Dash开发者社区探索更多应用程序。
在线资源
本书附赠内容：https://learnplotlydash.com。
本书作者亚当的YouTube频道：https://www.youtube.com/c/CharmingData。
GitHub代码库：https://github.com/DashBookProject/Plotly－Dash。
发布者更新：https://nostarch.com/python－dash。
Python电子邮件免费资料：https://blog.finxter.com/email－academy。
评论
还没有评论。