用 Python 制作酷炫的可视化大屏，特简单！

在数据时代，我们每个人既是数据的生产者，也是数据的使用者，然而初次获取和存储的原始数据杂乱无章、信息冗余、价值较低。

要想数据达到生动有趣、让人一目了然、豁然开朗的效果，就需要借助数据可视化。

以前给大家介绍过使用Streamlit库制作大屏，今天给大家带来一个新方法。

通过Python的Dash库，来制作一个酷炫的可视化大屏！

先来看一下整体效果，好像还不错哦。

主要使用Python的Dash库、Plotly库、Requests库。

其中Requests爬取数据，Plotly制作可视化图表，Dash搭建可视化页面。

原始数据是小F的博客数据，数据存储在MySqL数据库中。

如此看来，和Streamlit库的搭建流程，所差不多。

关于Dash库，网上的资料不是很多，基本上只能看官方文档和案例，下面小F简单介绍一下。

Dash是一个用于构建Web应用程序的高效Python框架，特别适合使用Python进行数据分析的人。

Dash是建立在Flask，Plotly.js和React.js之上，非常适合在纯Python中，使用高度自定义的用户界面，构建数据可视化应用程序。

相关文档

说明：https://dash.plotly.com/introduction

案例：https://dash.gallery/Portal/

源码：https://github.com/plotly/dash-sample-apps/

具体的大家可以去看文档学习，多动手练习。

下面就给大家讲解下如何通过Dash搭建可视化大屏～

01. 数据

使用的数据是博客数据，主要是下方两处红框的信息。

通过爬虫代码爬取下来，存储在MySQL数据库中。

其中MySQL的安装，大家可以自行百度，都挺简单的。

安装好后，进行启用，以及创建数据库。

1. # 启动MySQL, 输入密码
2. mysql -u root -p
3. # 创建名为my_database的数据库
4. create database my_database;

其它相关的操作命令如下所示。

1. # 显示MySQL中所有的数据库
2. show databases;
3. # 选择my_database数据库
4. use my_database;
5. # 显示my_database数据库中所有的表
6. show tables;
7. # 删除表
8. drop table info;
9. drop table `2021-12-26`;
10. # 显示表中的内容, 执行SQL查询语句
11. select * from info;
12. select * from `2021-12-26`;

搞定上面的步骤后，就可以运行爬虫代码。

数据爬取代码如下。这里使用到了pymysql这个库，需要pip安装下。

1. import requests
2. import re
3. from bs4 import BeautifulSoup
4. import time
5. import random
6. import pandas as pd
7. from sqlalchemy import create_engine
8. import datetime as dt
9. def get_info():
10. """获取大屏第一列信息数据"""
11. headers = {
12. 'User-Agent': 'Mozilla/5.0 (MSIE 10.0; Windows NT 6.1; Trident/5.0)',
13. 'referer': 'https: // passport.csdn.net / login',
14. }
15. # 我的博客地址
16. url = 'https://blog.csdn.net/river_star1/article/details/121463591'
17. try:
18. resp = requests.get(url, headersheaders=headers)
19. now = dt.datetime.now().strftime("%Y-%m-%d %X")
20. soup = BeautifulSoup(resp.text, 'lxml')
21. author_name = soup.find('div', class_='user-info d-flex flex-column profile-intro-name-box').find('a').get_text(strip=True)
22. head_img = soup.find('div', class_='avatar-box d-flex justify-content-center flex-column').find('a').find('img')['src']
23. row1_nums = soup.find_all('div', class_='data-info d-flex item-tiling')[0].find_all('span', class_='count')
24. row2_nums = soup.find_all('div', class_='data-info d-flex item-tiling')[1].find_all('span', class_='count')
25. level_mes = soup.find_all('div', class_='data-info d-flex item-tiling')[0].find_all('dl')[-1]['title'].split(',')[0]
26. rank = soup.find('div', class_='data-info d-flex item-tiling').find_all('dl')[-1]['title']
27. info = {
28. 'date': now,#时间
29. 'head_img': head_img,#头像
30. 'author_name': author_name,#用户名
31. 'article_num': str(row1_nums[0].get_text()),#文章数
32. 'fans_num': str(row2_nums[1].get_text()),#粉丝数
33. 'like_num': str(row2_nums[2].get_text()),#喜欢数
34. 'comment_num': str(row2_nums[3].get_text()),#评论数
35. 'level': level_mes,#等级
36. 'visit_num': str(row1_nums[3].get_text()),#访问数
37. 'score': str(row2_nums[0].get_text()),#积分
38. 'rank': str(row1_nums[2].get_text()),#排名
39. }
40. df_info = pd.DataFrame([info.values()], columns=info.keys())
41. return df_info
42. except Exception as e:
43. print(e)
44. return get_info()
45. def get_type(title):
46. """设置文章类型(依据文章名称)"""
47. the_type = '其他'
48. article_types = ['项目', '数据可视化', '代码', '图表', 'Python', '可视化', '数据', '面试', '视频', '动态', '下载']
49. for article_type in article_types:
50. if article_type in title:
51. the_type = article_type
52. break
53. return the_type
54. def get_blog():
55. """获取大屏第二、三列信息数据"""
56. headers = {
57. 'User-Agent': 'Mozilla/5.0 (MSIE 10.0; Windows NT 6.1; Trident/5.0)',
58. 'referer': 'https: // passport.csdn.net / login',
59. }
60. base_url = 'https://blog.csdn.net/river_star1/article/list/'
61. resp = requests.get(base_url+"1", headersheaders=headers, timeout=3)
62. max_page = int(re.findall(r'var listTotal = (\d+);', resp.text)[0])//40+1
63. df = pd.DataFrame(columns=['url', 'title', 'date', 'read_num', 'comment_num', 'type'])
64. count = 0
65. for i in range(1, max_page+1):
66. url = base_url + str(i)
67. resp = requests.get(url, headersheaders=headers)
68. soup = BeautifulSoup(resp.text, 'lxml')
69. articles = soup.find("div", class_='article-list').find_all('div', class_='article-item-box csdn-tracking-statistics')
70. for article in articles[1:]:
71. a_url = article.find('h4').find('a')['href']
72. title = article.find('h4').find('a').get_text(strip=True)[2:]
73. issuing_time = article.find('span', class_="date").get_text(strip=True)
74. num_list = article.find_all('span', class_="read-num")
75. read_num = num_list[0].get_text(strip=True)
76. if len(num_list) > 1:
77. comment_num = num_list[1].get_text(strip=True)
78. else:
79. comment_num = 0
80. the_type = get_type(title)
81. df.loc[count] = [a_url, title, issuing_time, int(read_num), int(comment_num), the_type]
82. count += 1
83. time.sleep(random.choice([1, 1.1, 1.3]))
84. return df
85. if __name__ == '__main__':
86. # 今天的时间
87. today = dt.datetime.today().strftime("%Y-%m-%d")
88. # 连接mysql数据库
89. engine = create_engine('mysql+pymysql://root:123456@localhost/my_database?charset=utf8')
90. # 获取大屏第一列信息数据, 并写入my_database数据库的info表中, 如若表已存在, 删除覆盖
91. df_info = get_info()
92. print(df_info)
93. df_info.to_sql("info", con=engine, if_exists='replace', index=False)
94. # 获取大屏第二、三列信息数据, 并写入my_database数据库的日期表中, 如若表已存在, 删除覆盖
95. df_article = get_blog()
96. print(df_article)
97. df_article.to_sql(today, con=engine, if_exists='replace', index=True)

运行成功后，就可以去数据库查询信息了。

info表，包含日期、头图、博客名、文章数、粉丝数、点赞数、评论数、等级数、访问数、积分数、排名数。

日期表，包含文章地址、标题、日期、阅读数、评论数、类型。

其中爬虫代码可设置定时运行，info表为60秒，日期表为60分钟。

尽量不要太频繁，容易被封IP，或者选择使用代理池。

这样便可以做到数据实时更新。

既然数据已经有了，下面就可以来编写页面了。

02. 大屏搭建

导入相关的Python库，同样可以通过pip进行安装。

1. from spider_py import get_info, get_blog
2. from dash import dcc
3. import dash
4. from dash import html
5. import pandas as pd
6. import plotly.graph_objs as go
7. from dash.dependencies import Input, Output
8. import datetime as dt
9. from sqlalchemy import create_engine
10. from flask_caching import Cache
11. import numpy as np

设置一些基本的配置参数，如数据库连接、网页样式、Dash实例、图表颜色。

1. # 今天的时间
2. today = dt.datetime.today().strftime("%Y-%m-%d")
3. # 连接数据库
4. engine = create_engine('mysql+pymysql://root:123456@localhost/my_database?charset=utf8
5. # 导入css样式
6. external_css = [
7. "https://stackpath.bootstrapcdn.com/bootstrap/4.1.3/css/bootstrap.min.css",
8. "https://cdnjs.cloudflare.com/ajax/libs/skeleton/2.0.4/skeleton.min.css"
9. ]
10. # 创建一个实例
11. app = dash.Dash(__name__, external_stylesheets=external_css)
12. server = app.server
13. # 可以选择使用缓存, 减少频繁的数据请求
14. # cache = Cache(app.server, config={
15. # 'CACHE_TYPE': 'filesystem',
16. # 'CACHE_DIR': 'cache-directory'
17. # })
18. # 读取info表的数据
19. info = pd.read_sql('info', con=engine)
20. # 图表颜色
21. color_scale = ['#2c0772', '#3d208e', '#8D7DFF', '#CDCCFF', '#C7FFFB', '#ff2c6d', '#564b43', '#161d33']

这里将缓存代码注释掉了，如有频繁的页面刷新请求，就可以选择使用。

1. def indicator(text, id_value):
2. """第一列的文字及数字信息显示"""
3. return html.Div([
4. html.P(text, className="twelve columns indicator_text"),
5. html.P(id=id_value, className="indicator_value"),
6. ], className="col indicator")
7. def get_news_table(data):
8. """获取文章列表, 根据阅读排序"""
9. df = data.copy()
10. df.sort_values('read_num', inplace=True, ascending=False)
11. titles = df['title'].tolist()
12. urls = df['url'].tolist()
13. return html.Table([html.Tbody([
14. html.Tr([
15. html.Td(
16. html.A(titles[i], href=urls[i], target="_blank",))
17. ], style={'height': '30px', 'fontSize': '16'})for i in range(min(len(df), 100))
18. ])], style={"height": "90%", "width": "98%"})
19. # @cache.memoize(timeout=3590), 可选择设置缓存, 我没使用
20. def get_df():
21. """获取当日最新的文章数据"""
22. df = pd.read_sql(today, con=engine)
23. df['date_day'] = df['date'].apply(lambda x: x.split(' ')[0]).astype('datetime64[ns]')
24. df['date_month'] = df['date'].apply(lambda x: x[:7].split('-')[0] + "年" + x[:7].split('-')[-1] + "月")
25. df['weekday'] = df['date_day'].dt.weekday
26. df['year'] = df['date_day'].dt.year
27. df['month'] = df['date_day'].dt.month
28. df['week'] = df['date_day'].dt.isocalendar().week
29. return df
30. # 导航栏的图片及标题
31. head = html.Div([
32. html.Div(html.Img(src='./assets/img.jpg', height="100%"), style={"float": "left", "height": "90%", "margin-top": "5px", "border-radius": "50%", "overflow": "hidden"}),
33. html.Span("{}博客的Dashboard".format(info['author_name'][0]), className='app-title'),
34. ], className="row header")
35. # 第一列的文字及数字信息
36. columns = info.columns[3:]
37. col_name = ['文章数', '关注数', '喜欢数', '评论数', '等级', '访问数', '积分', '排名']
38. row1 = html.Div([
39. indicator(col_name[i], col) for i, col in enumerate(columns)
40. ], className='row')
41. # 第二列
42. row2 = html.Div([
43. html.Div([
44. html.P("每月文章写作情况"),
45. dcc.Graph(id="bar", style={"height": "90%", "width": "98%"}, config=dict(displayModeBar=False),)
46. ], className="col-4 chart_div",),
47. html.Div([
48. html.P("各类型文章占比情况"),
49. dcc.Graph(id="pie", style={"height": "90%", "width": "98%"}, config=dict(displayModeBar=False),)
50. ], className="col-4 chart_div"),
51. html.Div([
52. html.P("各类型文章阅读情况"),
53. dcc.Graph(id="mix", style={"height": "90%", "width": "98%"}, config=dict(displayModeBar=False),)
54. ], className="col-4 chart_div",)
55. ], className='row')
56. # 年数统计, 我的是2019 2020 2021
57. years = get_df()['year'].unique()
58. select_list = ['每月文章', '类型占比', '类型阅读量', '每日情况']
59. # 两个可交互的下拉选项
60. dropDowm1 = html.Div([
61. html.Div([
62. dcc.Dropdown(id='dropdown1',
63. options=[{'label': '{}年'.format(year), 'value': year} for year in years],
64. value=years[1], style={'width': '40%'})
65. ], className='col-6', style={'padding': '2px', 'margin': '0px 5px 0px'}),
66. html.Div([
67. dcc.Dropdown(id='dropdown2',
68. options=[{'label': select_list[i], 'value': item} for i, item in enumerate(['bar', 'pie', 'mix', 'heatmap'])],
69. value='heatmap', style={'width': '40%'})
70. ], className='col-6', style={'padding': '2px', 'margin': '0px 5px 0px'})
71. ], className='row')
72. # 第三列
73. row3 = html.Div([
74. html.Div([
75. html.P("每日写作情况"),
76. dcc.Graph(id="heatmap", style={"height": "90%", "width": "98%"}, config=dict(displayModeBar=False),)
77. ], className="col-6 chart_div",),
78. html.Div([
79. html.P("文章列表"),
80. html.Div(get_news_table(get_df()), id='click-data'),
81. ], className="col-6 chart_div", style={"overflowY": "scroll"})
82. ], className='row')
83. # 总体情况
84. app.layout = html.Div([
85. # 定时器
86. dcc.Interval(id="stream", interval=1000*60, n_intervals=0),
87. dcc.Interval(id="river", interval=1000*60*60, n_intervals=0),
88. html.Div(id="load_info", style={"display": "none"},),
89. html.Div(id="load_click_data", style={"display": "none"},),
90. head,
91. html.Div([
92. row1,
93. row2,
94. dropDowm1,
95. row3,
96. ], style={'margin': '0% 30px'}),
97. ])

上面的代码，就是网页的布局，效果如下。

网页可以划分为三列。第一列为info表中的数据展示，第二、三列为博客文章的数据展示。

相关的数据需要通过回调函数进行更新，这样才能做到实时刷新。

各个数值及图表的回调函数代码如下所示。

1. # 回调函数, 60秒刷新info数据, 即第一列的数值实时刷新
2. @app.callback(Output('load_info', 'children'), [Input("stream", "n_intervals")])
3. def load_info(n):
4. try:
5. df = pd.read_sql('info', con=engine)
6. return df.to_json()
7. except:
8. pass
9. # 回调函数, 60分钟刷新今日数据, 即第二、三列的数值实时刷新(爬取文章数据, 并写入数据库中)
10. @app.callback(Output('load_click_data', 'children'), [Input("river", "n_intervals")])
11. def cwarl_data(n):
12. if n != 0:
13. df_article = get_blog()
14. df_article.to_sql(today, con=engine, if_exists='replace', index=True)
15. # 回调函数, 第一个柱状图
16. @app.callback(Output('bar', 'figure'), [Input("river", "n_intervals")])
17. def get_bar(n):
18. df = get_df()
19. df_date_month = pd.DataFrame(df['date_month'].value_counts(sort=False))
20. df_date_month.sort_index(inplace=True)
21. trace = go.Bar(
22. x=df_date_month.index,
23. y=df_date_month['date_month'],
24. text=df_date_month['date_month'],
25. textposition='auto',
26. marker=dict(color='#33ffe6')
27. )
28. layout = go.Layout(
29. margin=dict(l=40, r=40, t=10, b=50),
30. yaxis=dict(gridcolor='#e2e2e2'),
31. paper_bgcolor='rgba(0,0,0,0)',
32. plot_bgcolor='rgba(0,0,0,0)',
33. )
34. return go.Figure(data=[trace], layoutlayout=layout)
35. # 回调函数, 中间的饼图
36. @app.callback(Output('pie', 'figure'), [Input("river", "n_intervals")])
37. def get_pie(n):
38. df = get_df()
39. df_types = pd.DataFrame(df['type'].value_counts(sort=False))
40. trace = go.Pie(
41. labels=df_types.index,
42. values=df_types['type'],
43. marker=dict(colors=color_scale[:len(df_types.index)])
44. )
45. layout = go.Layout(
46. margin=dict(l=50, r=50, t=50, b=50),
47. paper_bgcolor='rgba(0,0,0,0)',
48. plot_bgcolor='rgba(0,0,0,0)',
49. )
50. return go.Figure(data=[trace], layoutlayout=layout)
51. # 回调函数, 左下角热力图
52. @app.callback(Output('heatmap', 'figure'),
53. [Input("dropdown1", "value"), Input('river', 'n_intervals')])
54. def get_heatmap(value, n):
55. df = get_df()
56. grouped_by_year = df.groupby('year')
57. data = grouped_by_year.get_group(value)
58. cross = pd.crosstab(data['weekday'], data['week'])
59. cross.sort_index(inplace=True)
60. trace = go.Heatmap(
61. x=['第{}周'.format(i) for i in cross.columns],
62. y=["星期{}".format(i+1) if i != 6 else "星期日" for i in cross.index],
63. z=cross.values,
64. colorscale="Blues",
65. reversescale=False,
66. xgap=4,
67. ygap=5,
68. showscale=False
69. )
70. layout = go.Layout(
71. margin=dict(l=50, r=40, t=30, b=50),
72. )
73. return go.Figure(data=[trace], layoutlayout=layout)
74. # 回调函数, 第二个柱状图(柱状图+折线图)
75. @app.callback(Output('mix', 'figure'), [Input("river", "n_intervals")])
76. def get_mix(n):
77. df = get_df()
78. df_type_visit_sum = pd.DataFrame(df['read_num'].groupby(df['type']).sum())
79. df['read_num'] = df['read_num'].astype('float')
80. df_type_visit_mean = pd.DataFrame(df['read_num'].groupby(df['type']).agg('mean').round(2))
81. trace1 = go.Bar(
82. x=df_type_visit_sum.index,
83. y=df_type_visit_sum['read_num'],
84. name='总阅读',
85. marker=dict(color='#ffc97b'),
86. yaxis='y',
87. )
88. trace2 = go.Scatter(
89. x=df_type_visit_mean.index,
90. y=df_type_visit_mean['read_num'],
91. name='平均阅读',
92. yaxis='y2',
93. line=dict(color='#161D33')
94. )
95. layout = go.Layout(
96. margin=dict(l=60, r=60, t=30, b=50),
97. showlegend=False,
98. yaxis=dict(
99. side='left',
100. title='阅读总数',
101. gridcolor='#e2e2e2'
102. ),
103. yaxis2=dict(
104. showgrid=False, # 网格
105. title='阅读平均',
106. anchor='x',
107. overlaying='y',
108. side='right'
109. ),
110. paper_bgcolor='rgba(0,0,0,0)',
111. plot_bgcolor='rgba(0,0,0,0)',
112. )
113. return go.Figure(data=[trace1, trace2], layoutlayout=layout)
114. # 点击事件, 选择两个下拉选项, 点击对应区域的图表, 文章列表会刷新
115. @app.callback(Output('click-data', 'children'),
116. [Input('pie', 'clickData'),
117. Input('bar', 'clickData'),
118. Input('mix', 'clickData'),
119. Input('heatmap', 'clickData'),
120. Input('dropdown1', 'value'),
121. Input('dropdown2', 'value'),
122. ])
123. def display_click_data(pie, bar, mix, heatmap, d_value, fig_type):
124. try:
125. df = get_df()
126. if fig_type == 'pie':
127. type_value = pie['points'][0]['label']
128. # date_month_value = clickdata['points'][0]['x']
129. data = df[df['type'] == type_value]
130. elif fig_type == 'bar':
131. date_month_value = bar['points'][0]['x']
132. data = df[df['date_month'] == date_month_value]
133. elif fig_type == 'mix':
134. type_value = mix['points'][0]['x']
135. data = df[df['type'] == type_value]
136. else:
137. z = heatmap['points'][0]['z']
138. if z == 0:
139. return None
140. else:
141. week = heatmap['points'][0]['x'][1:-1]
142. weekday = heatmap['points'][0]['y'][-1]
143. if weekday == '日':
144. weekday = 7
145. year = d_value
146. data = df[(df['weekday'] == int(weekday)-1) & (df['week'] == int(week)) & (df['year'] == year)]
147. return get_news_table(data)
148. except:
149. return None
150. # 第一列的数值
151. def update_info(col):
152. def get_data(json, n):
153. df = pd.read_json(json)
154. return df[col][0]
155. return get_data
156. for col in columns:
157. app.callback(Output(col, "children"),
158. [Input('load_info', 'children'), Input("stream", "n_intervals")]
159. )(update_info(col))

图表的数据和样式全在这里设置，两个下拉栏的数据交互也在这里完成。

需要注意右侧下拉栏的类型，需和你所要点击图表类型一致，这样文章列表才会更新。

每日情况对应热力图，类型阅读量对应第二列第三个图表，类型占比对应饼图，每月文章对应第一个柱状图的点击事件。

最后启动程序代码。

1. if __name__ == '__main__':
2. # debug模式, 端口7777
3. app.run_server(debug=True, threaded=True, port=7777)
4. # 正常模式, 网页右下角的调试按钮将不会出现
5. # app.run_server(port=7777)

这样就能在本地看到可视化大屏页面，浏览器打开如下地址。

http://127.0.0.1:7777

对于网页的布局、背景颜色等，主要通过CSS进行设置。

这一部分可能是大家所要花费时间去理解的。

1. body{
2. margin:0;
3. padding: 0;
4. background-color: #161D33;
5. font-family: 'Open Sans', sans-serif;
6. color: #506784;
7. -webkit-user-select: none; /* Chrome all / Safari all */
8. -moz-user-select: none; /* Firefox all */
9. -ms-user-select: none; /* IE 10+ */
10. user-select: none; /* Likely future */
11. }
12. .modal {
13. display: block; /*Hidden by default */
14. position: fixed; /* Stay in place */
15. z-index: 1000; /* Sit on top */
16. left: 0;
17. top: 0;
18. width: 100%; /* Full width */
19. height: 100%; /* Full height */
20. overflow: auto; /* Enable scroll if needed */
21. background-color: rgb(0,0,0); /* Fallback color */
22. background-color: rgba(0,0,0,0.4); /* Black w/ opacity */
23. }
24. .modal-content {
25. background-color: white;
26. margin: 5% auto; /* 15% from the top and centered */
27. padding: 20px;
28. width: 30%; /* Could be more or less, depending on screen size */
29. color:#506784;
30. }
31. ._dash-undo-redo {
32. display: none;
33. }
34. .app-title{
35. color:white;
36. font-size:3rem;
37. letter-spacing:-.1rem;
38. padding:10px;
39. vertical-align:middle
40. }
41. .header{
42. margin:0px;
43. background-color:#161D33;
44. height:70px;
45. color:white;
46. padding-right:2%;
47. padding-left:2%
48. }
49. .indicator{
50. border-radius: 5px;
51. background-color: #f9f9f9;
52. margin: 10px;
53. padding: 15px;
54. position: relative;
55. box-shadow: 2px 2px 2px lightgrey;
56. }
57. .indicator_text{
58. text-align: center;
59. float: left;
60. font-size: 17px;
61. }
62. .indicator_value{
63. text-align:center;
64. color: #2a3f5f;
65. font-size: 35px;
66. }
67. .add{
68. height: 34px;
69. background: #119DFF;
70. border: 1px solid #119DFF;
71. color: white;
72. }
73. .chart_div{
74. background-color: #f9f9f9;
75. border-radius: 5px;
76. height: 390px;
77. margin:5px;
78. padding: 15px;
79. position: relative;
80. box-shadow: 2px 2px 2px lightgrey;
81. }
82. .col-4 {
83. flex: 0 0 32.65%;
84. max-width: 33%;
85. }
86. .col-6 {
87. flex: 0 0 49.3%;
88. max-width: 50%;
89. }
90. .chart_div p{
91. color: #2a3f5f;
92. font-size: 15px;
93. text-align: center;
94. }
95. td{
96. text-align: left;
97. padding: 0px;
98. }
99. table{
100. border: 1px;
101. font-size:1.3rem;
102. width:100%;
103. font-family:Ubuntu;
104. }
105. .tabs_div{
106. margin:0px;
107. height:30px;
108. font-size:13px;
109. margin-top:1px
110. }
111. tr:nth-child(even) {
112. background-color: #d6e4ea;
113. -webkit-print-color-adjust: exact;
114. }

如今低代码平台的出现，或许以后再也不用去写烦人的HTML、CSS等。拖拖拽拽，即可轻松完成一个大屏的制作。

好了，今天的分享到此结束，大家可以自行去动手练习。

原文地址:https://mp.weixin.qq.com/s/356LnlUh4F3wPpT2kIIRPg