Plotly Dash Multiple Yaxis 堆叠在面板中

Question

我正在尝试使用 Plotly/Dash 开发交互式仪表板。主要功能有：

• (1)是呈现多个图表，
• (2) 具有相同的 xaxis（时间序列），
• (3) 可以使用回调交互调整基础数据和特定跟踪/行。

功能（3）没问题，不是问题，所以我不会在我的描述中进一步包含。但是，（1）和（2）我无法上班。

总结到目前为止我为 (1) 和 (2) 所做的工作：
我。创建跟踪应在哪个图表中的跟踪（即 trace_01 & yaxis='y'、trace_02 & yaxis='y2' 等）；
二。指定 yaxis、yaxis2、yaxis3 等。
三。按照标准生成 dash 应用程序的其余部分（即 go.Figure(data=data, layout=layout)、dash.Dash() 等）。

问题是我无法在具有相同 x 轴的两个（或更多）图表（即 y 轴）上获得一组以上的轨迹。我无法让它工作。

核心问题代码：

# Set Traces/Data
t0101 = go.Scatter(x=df_fx.date, y=df_fx['close'],mode='lines',name='close',yaxis='y')
t0201 = go.Scatter(x=df_fx.date, y=df_fx['adx'],mode='lines',name='adx',yaxis='y2')
data = [t0101,t0201]

# Specify Layout
layout= go.Layout(
    xaxis= dict(side= 'bottom', anchor= 'y2'),
    yaxis= dict(side= 'right'),
    yaxis2= dict(side='left'),)

# Call Figure
fig = go.Figure(data=data, layout=layout)

# Create App
app = dash.Dash()
app.layout = html.Div([dcc.Graph(id='chart', figure=fig)])

此代码生成以下输出： output from code

我真正想要实现的是仪表板输出，例如： required output

重要的是，解决方案可以支持功能 (3)，例如更改基础数据（所有图表/y 轴使用相同的数据），或在图表上的各种跟踪之间切换。

注意，功能 (3) 的代码已从上述代码中排除。主要问题是我无法让功能（1）和（2）工作。

我已经广泛搜索了所有文档和所有堆栈问题。其中大多数是指多个 yaxis，但使用 overlay='y'，我不想要这个解决方案。

如果这个问题已经得到解答或记录在其他地方，我深表歉意，但我无法找到为什么我的实现不会输出所需的多轴图表。

非常感谢任何建议、技巧、错误。这真的是我在这个问题上花费了太多时间/夜晚之后的最后手段。

Appendix 1: Input data sample
附录二：Link to data (csv)
附录3：Link to data (xlsx)
附录4：完整代码：

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

### Input Data_____________________________________________

# Extract
p_fx = 'AUD_NZD'
p_dir = "C:/Users/Gebruiker/Gen_Inds_"
p_file = p_dir + p_fx + ".csv"
df_0 = pd.read_csv(p_file,skiprows=1)
df_1 = pd.DataFrame(df_0.loc[df_0['AUD_NZD']=='AUD_NZD',['AUD_NZD','datetime','open','high','low','close','sma','sma.1','hma','hma.1','kama','kama.1','adx','aroonup', 'aroondown']])

# Prepare
df_1 = df_1.rename(columns={'AUD_NZD': "Pair",
                           "sma":"sma_s","sma.1":"sma_f",
                           "hma":"hma_s","hma.1":"hma_f",
                           "kama":"kama_s","kama.1":"kama_f",
                           })
df_1['datetime'] = df_1['datetime'].str.rstrip('.999989')
df_2 = df_1.astype({'datetime':'datetime64[ns]'})
df_2['date'] = pd.to_datetime(df_2['datetime'].dt.date, format='%Y-%m-%d')

# Input data
df_fx = pd.DataFrame(df_2[['date','Pair','open','high','low','close','sma_s','sma_f','hma_s','hma_f','kama_s','kama_f','adx','aroonup', 'aroondown']])
print(df_fx.Pair.value_counts())

### Figure_____________________________________________
# Data
t0101 = go.Scatter(x=df_fx.date, y=df_fx['close'],mode='lines',name='close',yaxis='y')
t0201 = go.Scatter(x=df_fx.date, y=df_fx['adx'],mode='lines',name='adx',yaxis='y2')
data = [t0101,t0201]

# Layout
layout= go.Layout(
    xaxis= dict(side= 'bottom', anchor= 'y2'),
    yaxis= dict(side= 'right'),
    yaxis2= dict(side='left'),
)

# Figure
fig = go.Figure(data=data, layout=layout)

### App_____________________________________________
app = dash.Dash()
app.layout = html.Div([
    dcc.Graph(id='chart', figure=fig)
])

### End_____________________________________________
if __name__ == '__main__':
    app.run_server()

附录 4：部分解决方案（需求 #3 在回调中实现的堆叠图表）

    # add the relevant sub-charts / traces to the fig. 
    fig = psp.make_subplots(rows=2, cols=1)
    fig.append_trace(go.Scatter(x=df_fx.date, y=df_fx.close ,mode='lines',name='close'), 
                     row=1, col=1)
    fig.append_trace(go.Scatter(x=df_fx.date, y=df_fx.sma_s ,mode='lines',name='sma_s'), 
                     row=1, col=1)    
    fig.append_trace(go.Scatter(x=df_fx.date, y=df_fx.adx ,mode='lines',name='adx'),
                     row=2, col=1)

    fig.update_layout(height=600, title_text="Close and ADX")

附录 5：Solution output

Answer 1

您需要使用的功能是子图。这是您的数字（随机生成的数据 - 在您将 CSV 文件添加到问题之前创建）。

# some fake data (use your CSV instead)
dates = pd.date_range(start = "2020-01-01", end = "2020-06-01", freq="1D")
close = np.random.uniform(90, 110, len(dates))
adx = np.random.uniform(190, 210, len(dates))

# important part - use sub-plots. 
fig = make_subplots(rows=2, cols=1)

# add the relevant sub-charts / traces to the fig. 
fig.append_trace(go.Scatter(x=dates, y=close ,mode='lines',name='close'), 
                 row=1, col=1)
fig.append_trace(go.Scatter(x=dates, y=adx ,mode='lines',name='adx'),
                 row=2, col=1)

fig.update_layout(height=600, title_text="Close and ADX")

结果是：