دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: طراحی وب سایت ویرایش: 1 نویسندگان: Elias Dabbas سری: ISBN (شابک) : 1800568916, 9781800568914 ناشر: Packt Publishing سال نشر: 2021 تعداد صفحات: 362 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 20 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب داشبوردهای تعاملی و برنامه های داده با Plotly و Dash: از قدرت یک چارچوب وب پیشرو کاملاً کامل در پایتون استفاده کنید - بدون نیاز به جاوا اسکریپت: یادگیری ماشینی، تجزیه و تحلیل داده، پایتون، برنامه های کاربردی وب، تجسم داده ها، استقرار، یادگیری scikit، توابع پاسخ به تماس، داشبورد، نمودار، داش
در صورت تبدیل فایل کتاب Interactive Dashboards and Data Apps with Plotly and Dash: Harness the power of a fully fledged frontend web framework in Python – no JavaScript required به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب داشبوردهای تعاملی و برنامه های داده با Plotly و Dash: از قدرت یک چارچوب وب پیشرو کاملاً کامل در پایتون استفاده کنید - بدون نیاز به جاوا اسکریپت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
آموزش ساخت اپلیکیشن های تحلیلی مبتنی بر وب و موبایل پسند و داشبوردهای تعاملی با پایتون ویژگی های کلیدی • برنامه های داده و داشبورد را بدون هیچ دانشی از جاوا اسکریپت توسعه دهید • انواع مختلف دادهها مانند اعداد صحیح، شناورها و تاریخها را به نمودارهای میلهای، نمودارهای پراکنده و موارد دیگر نگاشت کنید. • ایجاد کنترل ها و عناصر بصری با ورودی و خروجی های متعدد و افزودن عملکرد به برنامه مطابق با نیاز خود توضیحات کتاب با چارچوب Dash Plotly، اکنون برای برنامه نویسان پایتون ساده تر از همیشه است که برنامه های داده کامل و داشبوردهای تعاملی ایجاد کنند. برنامههای Dash را میتوان توسط مخاطبان غیر فنی استفاده کرد، و این باعث میشود که تجزیه و تحلیل دادهها برای گروه وسیعتری از افراد قابل دسترسی باشد. این کتاب به شما کمک میکند تا عملکردهای Dash را برای تجسم دادهها به روشهای مختلف بررسی کنید و بیشترین بهره را از آن ببرید. کتاب با مروری بر اکوسیستم Dash، بستههای اصلی آن، و بستههای شخص ثالث که برای ساختار و ساخت بخشهای مختلف برنامههای شما حیاتی هستند، آغاز میشود. شما یاد خواهید گرفت که چگونه یک برنامه اصلی Dash ایجاد کنید و ویژگی های مختلف را به آن اضافه کنید. در مرحله بعد، کنترلهایی مانند کشویی، چک باکس، لغزنده، انتخابگر تاریخ و موارد دیگر را در برنامه ادغام کرده و سپس آنها را به نمودارها و سایر خروجیها پیوند میدهید. بسته به داده هایی که تجسم می کنید، انواع مختلفی از نمودارها را نیز اضافه می کنید، از جمله نمودارهای پراکنده، نمودارهای خطی، نمودارهای میله ای، هیستوگرام ها و نقشه ها، و همچنین گزینه های موجود برای سفارشی کردن آنها را بررسی می کنید. در پایان این کتاب، مهارتهایی را که برای ایجاد و استقرار یک داشبورد تعاملی، مدیریت پیچیدگیها و بازآفرینی کدها، و درک فرآیند بهبود برنامهتان نیاز دارید، توسعه خواهید داد. آنچه خواهید آموخت • نحوه اجرای یک برنامه کاملاً تعاملی و آسان برای استفاده را بیاموزید • نمودارهای خود را به فرمت های مختلف از جمله تصاویر و فایل های HTML تبدیل کنید • از Plotly Express و گرامر گرافیک برای نگاشت آسان داده ها به ویژگی های بصری مختلف استفاده کنید • انواع نمودارهای مختلف مانند نمودارهای میله ای، نمودارهای پراکندگی، هیستوگرام، نقشه ها و موارد دیگر ایجاد کنید. • با ایجاد صفحات پویا که بر اساس URL ها محتوا تولید می کنند، برنامه خود را گسترش دهید • اجرای فراخوان های جدید برای مدیریت نمودارها بر اساس URL ها و بالعکس این کتاب برای چه کسی است این کتاب Plotly Dash برای متخصصان داده و تحلیلگران داده است که می خواهند با کمک تجسم ها و داشبوردهای مختلف به درک بهتری از داده های خود دست یابند. دانش سطح پایه تا متوسط زبان برنامه نویسی پایتون به شما کمک می کند تا مفاهیم مطرح شده در این کتاب را بهتر درک کنید.
Learn how to build web-based and mobile-friendly analytic apps and interactive dashboards with Python Key Features • Develop data apps and dashboards without any knowledge of JavaScript • Map different types of data such as integers, floats, and dates to bar charts, scatter plots, and more • Create controls and visual elements with multiple inputs and outputs and add functionality to the app as per your requirements Book Description With Plotly's Dash framework, it is now easier than ever for Python programmers to develop complete data apps and interactive dashboards. Dash apps can be used by a non-technical audience, and this will make data analysis accessible to a much wider group of people. This book will help you to explore the functionalities of Dash for visualizing data in different ways and getting the most out of it. The book starts with an overview of the Dash ecosystem, its main packages, and the third-party packages crucial for structuring and building different parts of your apps. You'll learn how to create a basic Dash app and add different features to it. Next, you'll integrate controls such as dropdowns, checkboxes, sliders, date pickers, and more in the app and then link them to charts and other outputs. Depending on the data you are visualizing, you'll also add several types of charts, including scatter plots, line plots, bar charts, histograms, and maps, as well as explore the options available for customizing them. By the end of this book, you'll have developed the skills you need to create and deploy an interactive dashboard, handle complexities and code refactoring, and understand the process of improving your application. What you will learn • Find out how to run a fully interactive and easy-to-use app • Convert your charts to various formats including images and HTML files • Use Plotly Express and the grammar of graphics for easily mapping data to various visual attributes • Create different chart types, such as bar charts, scatter plots, histograms, maps, and more • Expand your app by creating dynamic pages that generate content based on URLs • Implement new callbacks to manage charts based on URLs and vice versa Who this book is for This Plotly Dash book is for data professionals and data analysts who want to gain a better understanding of their data with the help of different visualizations and dashboards. Basic to intermediate-level knowledge of the Python programming language will help you to grasp the concepts covered in this book more effectively.
Cover Copyright Contributors Table of Contents Preface Section 1: Building a Dash App Chapter 1: Overview of the Dash Ecosystem Technical requirements Setting up your environment Exploring Dash and other supporting packages The different packages that Dash contains Understanding the general structure of a Dash app Creating and running the simplest app Adding HTML and other components to the app Adding HTML components to a Dash app Learning how to structure the layout and managing themes Themes Grid system and responsiveness Prebuilt components Encoded colors Adding Dash Bootstrap components to our app Summary Chapter 2: Exploring the Structure of a Dash App Technical requirements Using Jupyter Notebooks to run Dash apps Isolating functionality for better management and debugging Creating a standalone pure Python function The id parameter of Dash components Dash inputs and outputs Determining your inputs and outputs Specifying your callback function Implementing the callback Incorporating the function into the app Properties of Dash's callback functions Summary Chapter 3: Working with Plotly's Figure Object Technical requirements Understanding the Figure object Getting to know the data attribute Getting to know the layout attribute Interactively exploring the Figure object Configuration options for the Figure object Exploring the different ways of converting figures Converting figures into HTML Converting figures into images Plotting using a real dataset Data manipulation as an essential part of the data visualization process Making the chart interactive with a callback function Adding the new functionality to our app Theming your figures Summary Chapter 4: Data Manipulation and Preparation, Paving the Way to Plotly Express Technical requirements Understanding long format (tidy) data Plotly Express example chart Main attributes of long format (tidy) data Understanding the role of data manipulation skills Exploring the data files Melting DataFrames Pivoting DataFrames Merging DataFrames Learning Plotly Express Plotly Express and Figure objects Creating a Plotly Express chart using the dataset Adding new data and columns to our dataset Summary Section 2: Adding Functionality to Your App with Real Data Chapter 5: Interactively Comparing Values with Bar Charts and Drop-Down Menus Technical requirements Plotting bar charts vertically and horizontally Creating vertical bar charts with many values Linking bar charts and dropdowns Exploring different ways of displaying multiple bar charts (stacked, grouped, overlaid, and relative) Creating the income share DataFrame Incorporating the functionality into our app Using facets to split charts into multiple sub-charts – horizontally, vertically, or wrapped Exploring additional features of dropdowns Adding placeholder text to dropdowns Modifying the app's theme Resizing components Summary Chapter 6: Exploring Variables with Scatter Plots and Filtering Subsets with Sliders Technical requirements Learning about the different ways of using scatter plots: markers, lines, and text Markers, lines, and text Creating multiple scatter traces in a single plot Mapping and setting colors with scatter plots Discrete and continuous variables Using color with continuous variables Manually creating color scales Using color with discrete variables Handling over-plotting and outlier values by managing opacity, symbols, and scales Controlling the opacity and size of markers Using logarithmic scales Introducing sliders and range sliders Customizing the marks and values of sliders Summary Chapter 7: Exploring Map Plots and Enriching Your Dashboards with Markdown Technical requirements Exploring choropleth maps Utilizing animation frames to add a new layer to your plots Using callback functions with maps Creating a Markdown component Understanding map projections Using scatter map plots Exploring Mapbox maps Exploring other map options and tools Incorporating an interactive map into our app Summary Chapter 8: Calculating Data Frequency and Building Interactive Tables Technical requirements Creating a histogram Customizing the histogram by modifying its bins and using multiple histograms Using color to further split the data Exploring other ways of displaying multiple bars in histograms Adding interactivity to histograms Creating a 2D histogram Creating a DataTable Controlling the look and feel of the table (cell width, height, text display, and more) Adding histograms and tables to the app Summary What we have covered so far Section 3: Taking Your App to the Next Level Chapter 9: Letting Your Data Speak for Itself with Machine Learning Technical requirements Understanding clustering Finding the optimal number of clusters Clustering countries by population Preparing data with scikit-learn Handling missing values Scaling data with scikit-learn Creating an interactive KMeans clustering app Summary Chapter 10: Turbo-Charge Your Apps with Advanced Callbacks Technical requirements Understanding State Understanding the difference between Input and State Creating components that control other components Allowing users to add dynamic components to the app Introducing pattern-matching callbacks Summary Chapter 11: URLs and Multi-Page Apps Technical requirements Getting to know the Location and Link components Getting to know the Link component Parsing URLs and using their components to modify parts of the app Restructuring your app to cater to multiple layouts Displaying content based on the URL Adding dynamically generated URLs to the app Incorporating the new URL interactivity into the app Summary Chapter 12: Deploying Your App Technical requirements Establishing the general development,deployment, and update workflow Creating a hosting account and virtual server Connecting to your server with SSH Running the app on the server Setting up and running the app with a WSGI Setting up and configuring the web server Managing maintenance and updates Fixing bugs and making changes Updating Python packages Maintaining your server Summary Chapter 13: Next Steps Technical requirements Expanding your data manipulation and preparation skills Exploring more data visualization techniques Exploring other Dash components Creating your own Dash component Operationalizing and visualizing machine learning models Enhancing performance and using big data tools Going large scale with Dash Enterprise Summary Why subscribe? Other Books You May Enjoy Index