Dash回调阻止其他回调

Question

我对Dash相对来说是个新手，我觉得我对回调理解得很好。但是，我现在的情况是，似乎需要在一个回调中调用所有回调，因为当调用该回调时，我的程序工作正常。

当我有多个回调时，它们各自都能很好地工作；这意味着如果我注释掉一个回调，回调就会按需要工作。我能够使用context.triggered获得正确的功能，但我不想在一个大规模回调中得到所有的东西，我觉得这是我理解的一个问题。我尝试过限制回调的一个输入，但这仍然不起作用。我是否将整个应用程序布局传递给回调？

如果是，如何限制在I之外传递的内容？怎么回事？

以下是一个经过调整的工作实例：

import dash
import dash_core_components as dcc
import dash_html_components as html
import pandas as pd
import dash_table
from dash.dependencies import Input, Output, State
import plotly.express as px
from dash import callback_context, no_update
import webbrowser
from flask import request
chrome_path = 'C:/Program Files (x86)/Google/Chrome/Application/chrome.exe %s'
df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/Mining-BTC-180.csv").drop('Unnamed: 0',axis=1)
selected_cols = ['Number-transactions', 'Output-volume(BTC)',
       'Market-price', 'Hash-rate', 'Cost-per-trans-USD', 'Mining-revenue-USD',
       'Transaction-fees-BTC']

class Parameter_Viewer():
    def __init__(self, df, **kwargs):

        revenue_plot = px.scatter(df, x="Date", y="Mining-revenue-USD",title='Mining-revenue-USD')
        Hash_plot = px.scatter(df, x="Date", y="Hash-rate",title='Hash-rate')
        parameter_table = dash_table.DataTable(
            id='db-table',
            columns=[{"name": i, "id": i} for i in selected_cols],
            data=df.to_dict('records'),
            #page_action="native",
            page_action='none',
            style_table={'height': '300px', 'overflowY': 'auto'},
            editable=True
        )
        app = dash.Dash()
        app.layout = html.Div(
            children=[
                #first row
                html.Div(
                    children=[
                        html.Div(children=[
                        html.H1("Parameter", className="menu-title"),
                        dcc.Dropdown(
                            id="parameter-filter",
                            options=[
                                {"label": parameter, "value": parameter} for parameter in df.columns
                            ],
                            value="Mining-revenue-USD",
                            clearable=False,
                            className="dropdown",
                        ),]),
                        html.Div(children=[
                        html.H1("Data Type", className="menu-title"),
                        dcc.Dropdown(
                            id="data-selector",
                            options=[
                                {"label": data_col, "value": data_col} for data_col in selected_cols
                            ],
                            value="Hash-rate",
                            clearable=False,
                            className="dropdown",
                        ),]),
                        html.Button("Close Viewer", id="Close_Btn")
                    ]
                ),
        html.Div(children=[
                html.H1(children="Database Analytics",),
                parameter_table]),
        html.Div(children=[
                html.Div(
                dcc.Graph(id='param-plot',figure=revenue_plot),
                style={"width":'50%', "margin": 0, 'display': 'inline-block'},className="six columns"),
                html.Div(
                dcc.Graph(id='param-plot2',figure=Hash_plot),
                style={"width":'50%', "margin": 0, 'display': 'inline-block'},className="six columns")],className="row")
        ])
        @app.callback(
            [Output("db-table", "data"), Output("param-plot", "figure"), Output("param-plot2", "figure")],
            [Input("parameter-filter", "value"),Input("data-selector", "value"),Input('db-table', 'data')])#,prevent_initial_call=True)
        def update_charts(parameter,data_type,table_data):
            changed_inputs = [x["prop_id"]for x in callback_context.triggered]
            if changed_inputs[0] == 'parameter-filter.value':
                df = pd.DataFrame.from_dict(table_data)
                ua_plot = px.scatter(df, x="Date", y=data_type)
                aa_plot = px.scatter(df, x="Date", y=parameter)
                return table_data, ua_plot, aa_plot
            elif changed_inputs[0] == 'db-table.data':
                df = pd.DataFrame.from_dict(table_data)
                ua_plot = px.scatter(df, x="Date", y=data_type)
                aa_plot = px.scatter(df, x="Date", y=parameter)
                return no_update, ua_plot, aa_plot
            else:
                return no_update,no_update,no_update
        @app.callback(Output("db-table", "data"),Input("Close_Btn", "n_clicks"),prevent_initial_call=True)
        def close_browser(n_clicks):
            print('In close callback\n')
            if n_clicks>0:
                self.shutdown()
            return no_update

        host='127.0.0.1'
        port='8050'
        url = 'http://{}:{}/'.format(host,port)
        webbrowser.get(chrome_path).open(url)
        app.run_server(debug=False)
    def shutdown(self):
            func = request.environ.get('werkzeug.server.shutdown')
            if func is None:
                raise RuntimeError('Not running with the Werkzeug Server')
            func()


Parameter_Viewer(df)```

Answer 1

更容易考虑回调的基本情况，然后再对它们进行扩展。根据我的经验，我通常构造回调的主要原因是处理由特定输入引起的特定输出。

例如。

如果输出O1是输入I1的效果，那么我将进行回调C1(I1→O1)。

如果输出O1是输入I1和I2的影响，则进行回调C1(I1，I2→O1)。

如果您碰巧有多个输出是一个输入的影响，那么您可以将这些输出组合在同一个回调中。

例如。

如果输出O1是输入I1的影响，而输出O2是输入I1的效果，那么就进行回调C1(I1→O1，O2)。

另外，请记住，Dash不允许多个回调具有相同的输出组件(例如，特定组件属性可以与一个且只有一个回调相关联)。在这种情况下，如果您的特定输出需要与另一个输出同时更新，但不一定是同一输入的影响，那么您仍然应该将输出合并到单个回调中。

例如。

如果输出O1是输入I1的影响，而输出O2必须用O1更新，那么我将创建一个回调C1(I1→O1，O2)。

我不知道为什么在注释中尝试使用State()而不是but ()，因为State()在仍然必须被读取为输入的情况下使用State()，但不一定需要触发。

所以使用上面的逻辑，例如，

如果输出O1是输入I1的效果，而不是输入(我们现在称为状态) S1的效果，但仍然需要S1，那么我将进行回调C1(I1，S1→O1)。

通常情况下，有大量的回调具有许多输入和输出，只要回调不试图一次做太多不连贯的事情(否则，当您回过头来查看代码时，您将花费大量时间来记住您相信我的话：)。

Answer 2

如果你像我一样是个初学者。你可能在寻找最有价值的信息，就我而言，在Daniel 的回答中：

Dash不允许多个回调具有相同的输出组件