怎么用Python快速开发在线数据库更新修改工具

这篇文章主要介绍“怎么用Python快速开发在线数据库更新修改工具”，在日常操作中，相信很多人在怎么用Python快速开发在线数据库更新修改工具问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用Python快速开发在线数据库更新修改工具”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

成都网络公司-成都网站建设公司成都创新互联公司10多年经验成就非凡，专业从事成都做网站、网站建设，成都网页设计，成都网页制作，软文推广，一元广告等。10多年来已成功提供全面的成都网站建设方案，打造行业特色的成都网站建设案例，建站热线：18982081108，我们期待您的来电！

 1  简介

这是我的系列教程「Python+Dash快速web应用开发」的第十三期，在上一期中，我们一起认识了Dash自带的交互式表格组件dash_table，并学会了如何自定义表格中不同部分的样式。

而今天的教程，我们将继续深入认识dash_table的更多交互方面的功能，学习如何为渲染出的表格分页，并添加动态内容修改等交互功能。

图1

2 dash_table的基础交互能力

dash_table的核心功能是赋予用户与图表进行快捷交互的能力，下面我们来学习其基础常用的一些交互功能：

2.1  分页翻页

当我们要展示的数据行数较多时，在网页中渲染可以选择分页，这在dash_table中实现起来比较方便，根据数据传递方式的不同，可以分为「前端分页」与「后端分页」：

2.1.1 前端分页

前端分页顾名思义，就是在我们访问Dash应用时，表格内所有页面的数据一次性加载完成，适合数据量不大的情况，将数据存储压力转移到浏览器端。

通过参数page_size设置每页要显示的记录行数，Dash会自动帮我们分好页，并配上翻页部件：

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,  # 设置单页显示15行记录行数             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)

图2

2.1.2 后端分页

虽然前端分页简单易用，但当我们的数据很大时，强行使用前端分页会给「网络传输」和「浏览器端」带来不小的延迟和内存压力，严重影响用户体验，因此Dash贴心地为我们准备了「后端分页」方式。

这时首先我们得为DataTable设置参数page_action='custom'，这是使用后端分页的先决条件，接下来我们需要认识一些新的参数：

page_current，int型，对应当前翻到的页码;

page_count，int型，对应显示的总页数;

我们在使用「后端分页」时，实际上就是通过用户当前翻到的页码，以及设定的page_size，来动态地在翻页后加载对应批次的数据，并控制显示的总页数，参考下面这个简单的例子：

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  # 压力测试 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,  # 设置单页显示15行记录行数                 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，即使我们完整的数据集被我concat到24万行，加载应用以及网页内翻页时依然轻松自如毫无压力，在实际应用中你还可以将翻页部分改成受到LIMIT与OFFSET控制的数据库查询过程，使得应用运行的更加快速高效：

图3

2.2 对单元格内容进行编辑

讲完了分页翻页，接下来我们来学习dash_table中更加强大的功能——单元格内容编辑。

一个现代化的web应用当然不能局限于仅仅查看数据这么简单，Dash同样赋予了我们双击数据表单元格进行数据编辑的能力，首先得设置参数editable=True，即开启表格编辑模式，接下来就可以对数据区域单元格进行任意的双击选中编辑。

不过Dash默认的单元格被选中的样式忒丑了(是粉色的你敢信)，因此我们可以利用下面的参数设置方式来自定义美化：

style_data_conditional=[                 {                     # 对选中状态下的单元格进行自定义样式                     "if": {"state": "selected"},                     "background-color": "#b3e5fc",                     "border": "none"                 },             ]

来看一个形象的例子，我们对「前端分页」方式渲染出的表格进行随意的修改，并在下方对利用pandas的compare比较出的数据框之间的差异结果进行打印：

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=[                 {                     # 对选中状态下的单元格进行自定义样式                     "if": {"state": "selected"},                     "background-color": "#b3e5fc",                     "border": "none"                 },             ]         ),         html.H4('与原表格内容比较：', style={'margin-top': '50px'}),         dcc.Markdown(             '无差别',             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，我们成功地对指定单元格元素进行了修改。

图4

3  开发数据库内容在线更新工具

在学习完今天的内容之后，我们就可以开发一个简单的，可在线自由修改并同步变动到数据库的小工具，这里我们以MySQL数据库为例，对示例表进行修改和更新：

首先我们利用下列代码向示例数据库中新建表格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)

图5

接下来我们就以创建好的tips表为例，开发一个Dash应用，进行数据的修改和更新到数据库：

图6

效果非常的不错，你可以在我这个简单示例的基础上，拓展更多新功能，也可以采取后端分页+条件修改的方式来应对大型数据表的修改，全部代码如下：

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('更新数据表', 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=[                 {                     # 对选中状态下的单元格进行自定义样式                     "if": {"state": "selected"},                     "background-color": "#b3e5fc",                     "border": "none"                 },             ]         ),         dbc.Button('同步变动到数据库', 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'更新失败！{e}', {'color': 'red'}      return dash.no_update  if __name__ == '__main__':     app.run_server(debug=True)

到此，关于“怎么用Python快速开发在线数据库更新修改工具”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！