Plotly 更新破折号中的图形（打印）

我试图在仪表板上显示4个图形。 在这4个图中，我想在从1个图中选择后更新其中的3个。 有人能告诉我如何实现这一点吗？ 或

---

为我提供一些示例应用程序

您只需要在单击时更新图形，而不是在悬停时更新

import dash
import dash_core_components as dcc
import dash_html_components as html
import pandas as pd
import plotly.graph_objs as go

external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']

app = dash.Dash(__name__, external_stylesheets=external_stylesheets)

df = pd.read_csv(
    'https://gist.githubusercontent.com/chriddyp/'
    'cb5392c35661370d95f300086accea51/raw/'
    '8e0768211f6b747c0db42a9ce9a0937dafcbd8b2/'
    'indicators.csv')

available_indicators = df['Indicator Name'].unique()

app.layout = html.Div([
    html.Div([

        html.Div([
            dcc.Dropdown(
                id='crossfilter-xaxis-column',
                options=[{'label': i, 'value': i} for i in available_indicators],
                value='Fertility rate, total (births per woman)'
            ),
            dcc.RadioItems(
                id='crossfilter-xaxis-type',
                options=[{'label': i, 'value': i} for i in ['Linear', 'Log']],
                value='Linear',
                labelStyle={'display': 'inline-block'}
            )
        ],
        style={'width': '49%', 'display': 'inline-block'}),

        html.Div([
            dcc.Dropdown(
                id='crossfilter-yaxis-column',
                options=[{'label': i, 'value': i} for i in available_indicators],
                value='Life expectancy at birth, total (years)'
            ),
            dcc.RadioItems(
                id='crossfilter-yaxis-type',
                options=[{'label': i, 'value': i} for i in ['Linear', 'Log']],
                value='Linear',
                labelStyle={'display': 'inline-block'}
            )
        ], style={'width': '49%', 'float': 'right', 'display': 'inline-block'})
    ], style={
        'borderBottom': 'thin lightgrey solid',
        'backgroundColor': 'rgb(250, 250, 250)',
        'padding': '10px 5px'
    }),

    html.Div([
        dcc.Graph(
            id='crossfilter-indicator-scatter',
            clickData={'points': [{'customdata': 'Japan'}]}
        )
    ], style={'width': '49%', 'display': 'inline-block', 'padding': '0 20'}),
    html.Div([
        dcc.Graph(id='x-time-series'),
        dcc.Graph(id='y-time-series'),
    ], style={'display': 'inline-block', 'width': '49%'}),

    html.Div(dcc.Slider(
        id='crossfilter-year--slider',
        min=df['Year'].min(),
        max=df['Year'].max(),
        value=df['Year'].max(),
        marks={str(year): str(year) for year in df['Year'].unique()}
    ), style={'width': '49%', 'padding': '0px 20px 20px 20px'})
])


@app.callback(
    dash.dependencies.Output('crossfilter-indicator-scatter', 'figure'),
    [dash.dependencies.Input('crossfilter-xaxis-column', 'value'),
     dash.dependencies.Input('crossfilter-yaxis-column', 'value'),
     dash.dependencies.Input('crossfilter-xaxis-type', 'value'),
     dash.dependencies.Input('crossfilter-yaxis-type', 'value'),
     dash.dependencies.Input('crossfilter-year--slider', 'value')])
def update_graph(xaxis_column_name, yaxis_column_name,
                 xaxis_type, yaxis_type,
                 year_value):
    dff = df[df['Year'] == year_value]

    return {
        'data': [go.Scatter(
            x=dff[dff['Indicator Name'] == xaxis_column_name]['Value'],
            y=dff[dff['Indicator Name'] == yaxis_column_name]['Value'],
            text=dff[dff['Indicator Name'] == yaxis_column_name]['Country Name'],
            customdata=dff[dff['Indicator Name'] == yaxis_column_name]['Country Name'],
            mode='markers',
            marker={
                'size': 15,
                'opacity': 0.5,
                'line': {'width': 0.5, 'color': 'white'}
            }
        )],
        'layout': go.Layout(
            xaxis={
                'title': xaxis_column_name,
                'type': 'linear' if xaxis_type == 'Linear' else 'log'
            },
            yaxis={
                'title': yaxis_column_name,
                'type': 'linear' if yaxis_type == 'Linear' else 'log'
            },
            margin={'l': 40, 'b': 30, 't': 10, 'r': 0},
            height=450,
            hovermode='closest'
        )
    }


def create_time_series(dff, axis_type, title):
    return {
        'data': [go.Scatter(
            x=dff['Year'],
            y=dff['Value'],
            mode='lines+markers'
        )],
        'layout': {
            'height': 225,
            'margin': {'l': 20, 'b': 30, 'r': 10, 't': 10},
            'annotations': [{
                'x': 0, 'y': 0.85, 'xanchor': 'left', 'yanchor': 'bottom',
                'xref': 'paper', 'yref': 'paper', 'showarrow': False,
                'align': 'left', 'bgcolor': 'rgba(255, 255, 255, 0.5)',
                'text': title
            }],
            'yaxis': {'type': 'linear' if axis_type == 'Linear' else 'log'},
            'xaxis': {'showgrid': False}
        }
    }


@app.callback(
    dash.dependencies.Output('x-time-series', 'figure'),
    [dash.dependencies.Input('crossfilter-indicator-scatter', 'clickData'),
     dash.dependencies.Input('crossfilter-xaxis-column', 'value'),
     dash.dependencies.Input('crossfilter-xaxis-type', 'value')])
def update_y_timeseries(clickData, xaxis_column_name, axis_type):
    country_name = clickData['points'][0]['customdata']
    dff = df[df['Country Name'] == country_name]
    dff = dff[dff['Indicator Name'] == xaxis_column_name]
    title = '<b>{}</b><br>{}'.format(country_name, xaxis_column_name)
    return create_time_series(dff, axis_type, title)


@app.callback(
    dash.dependencies.Output('y-time-series', 'figure'),
    [dash.dependencies.Input('crossfilter-indicator-scatter', 'clickData'),
     dash.dependencies.Input('crossfilter-yaxis-column', 'value'),
     dash.dependencies.Input('crossfilter-yaxis-type', 'value')])
def update_x_timeseries(clickData, yaxis_column_name, axis_type):
    dff = df[df['Country Name'] == clickData['points'][0]['customdata']]
    dff = dff[dff['Indicator Name'] == yaxis_column_name]
    return create_time_series(dff, axis_type, yaxis_column_name)


if __name__ == '__main__':
    app.run_server(debug=True)

导入破折号
将仪表板核心组件作为dcc导入
将dash_html_组件导入为html
作为pd进口熊猫
导入plotly.graph_objs作为go
外部_样式表=['https://codepen.io/chriddyp/pen/bWLwgP.css']
app=dash.dash（名称，外部样式表=外部样式表）
df=pd.read\u csv(
'https://gist.githubusercontent.com/chriddyp/'
“cb5392c35661370d95f300086accea51/raw/”
“8E0768211F6B747C0DB42A9CE9A0937DAFCDB8B2/”
“indicators.csv”）
可用_indicators=df['Indicator Name'].unique（）
app.layout=html.Div([
html.Div([
html.Div([
dcc.下拉列表(
id='crossfilter-xaxis-column'，
选项=[{'label'：i，'value'：i}用于可用_指示器中的i]，
value='生育率，总（每名妇女的出生率）'
),
放射性元素(
id='crossfilter-xaxis-type'，
选项=[{'label'：i，'value'：i}表示['Linear'，'Log']]中的i，
value='Linear'，
labelStyle={'display'：'inline block'}
)
],
样式={'width'：'49%，'display'：'inline block'}），
html.Div([
dcc.下拉列表(
id='crossfilter-yaxis-column'，
选项=[{'label'：i，'value'：i}用于可用_指示器中的i]，
值='出生时预期寿命，总（年）'
),
放射性元素(
id='crossfilter-yaxis-type'，
选项=[{'label'：i，'value'：i}表示['Linear'，'Log']]中的i，
value='Linear'，
labelStyle={'display'：'inline block'}
)
]，style={'width'：'49%，'float'：'right'，'display'：'inline block'}）
]，风格={
“borderBottom”：“细浅灰色实体”，
“背景色”：“rgb（250250250）”，
“填充”：“10px 5px”
}),
html.Div([
图(
id='crossfilter-indicator-scatter'，
clickData={'points'：[{'customdata'：'Japan'}]}
)
]，style={'width'：'49%，'display'：'inline block'，'padding'：'020'}），
html.Div([
dcc.图（id='x-时间序列'），
dcc.图（id='y-时间序列'），
]，style={'display'：'inline block'，'width'：'49%}），
Div（dcc.Slider(
id='crossfilter-year--slider'，
min=df['Year'].min（），
max=df['Year'].max（），
值=df['Year'].max（），
marks={str（year）：df['year']中年份的str（year）。unique（）}
)，style={'width'：'49%，'padding'：'0px 20px 20px'}）
])
@app.callback(
破折号.dependencies.Output（'crossfilter-indicator-scatter'，'figure'），
[dash.dependencies.Input（'crossfilter-xaxis-column'，'value'），
dash.dependencies.Input（'crossfilter-yaxis-column'，'value'），
dash.dependencies.Input（'crossfilter-xaxis-type'，'value'），
dash.dependencies.Input（'crossfilter-yaxis-type'，'value'），
dash.dependencies.Input（'crossfilter-year--slider'，'value'））
def update_图形（xaxis_列名称、yaxis_列名称、，
xaxis_型，yaxis_型，
年份（单位价值）：
dff=df[df['Year']==年份值]
返回{
“数据”：[go.Scatter(
x=dff[dff['Indicator Name']==xaxis\u column\u Name]['Value']，
y=dff[dff['Indicator Name']==yaxis\u column\u Name]['Value']，
text=dff[dff['Indicator Name']==yaxis\u column\u Name]['Country Name']，
customdata=dff[dff['Indicator Name']==yaxis\u column\u Name]['Country Name']，
mode='markers'，
标记={
“尺寸”：15，
“不透明度”：0.5，
'line'：{'width'：0.5，'color'：'white'}
}
)],
“布局”：go.layout(
xaxis={
“标题”：xaxis\u列\u名称，
'type'：'linear'如果xaxis_type=='linear'或者'log'
},
亚克斯={
“标题”：yaxis\u列\u名称，
'type'：'linear'如果yaxis_type=='linear'或者'log'
},
边距={'l'：40，'b'：30，'t'：10，'r'：0}，
高度=450，
悬停模式
)
}
def创建时间序列（dff、轴类型、标题）：
返回{
“数据”：[go.Scatter(
x=dff[‘年’]，
y=dff[“值”]，
模式='行+标记'
)],
“布局”：{
身高：225，
'边距'：{'l'：20，'b'：30，'r'：10，'t'：10}，
“注释”：[{
'x'：0，'y'：0.85，'xanchor'：'left'，'yanchor'：'bottom'，
'xref'：'paper'，'yref'：'paper'，'showarrow'：False，
'对齐'：'左'，'bgcolor'：'rgba（255，255，255，0.5）'，
“文本”：标题
}],
'yaxis'：{'type'：'linear'如果axis_type=='linear'或者'log'}，
'xaxis'：{'showgrid'：False}
}
}
@app.callback(
dash.dependencies.Output（'x-time-series'，'figure'），
[破折号依赖项输入（'crossfilter-indicator-scatter'，'clickData'），
dash.dependencies.Input（'crossfilter-xaxis-column'，'value'），
dash.dependencies.Input（'crossfilter-xaxis-type'，'value'））
def update_y_timeseries（单击数据、X轴列名称、轴类型）：
国家/地区名称=点击数据['points'][0]['customdata']
dff=df[df['国家名称]==国家名称]
dff=dff[dff['Indicator Name']==xaxis\u column\u Name]
title='{}
{}'。格式（国家名称、xaxis列名称）
返回创建时间序列（dff、轴类型、标题）
@app.callback(
dash.dependencies.Output（'y-time-series'，'figure'），
[破折号依赖项输入（'crossfilter-indicator-scatter'，'clickData'），
破折号依赖项输入（'crossfilter-yaxis-c