Plotly Dash问题：Dropdown输入筛选全局DataFrame返回空表

问题背景 #

开发Plotly Dash多页面项目时，通过Dropdown筛选全局DataFrame（df_test）返回空表，触发IndexError，但相同逻辑在Jupyter Notebook可正常运行。

全局DataFrame加载代码 #

df_test = pd.read_parquet(PATH)

Dropdown组件及选项生成代码 #

all_customers = df_test.customer_ID.values.tolist()
customer_IDs = random.choices(all_customers, k=5)

dcc.Dropdown(id='customer-dpdn-2',
             options = [{'label': x, 'value': x} for x in customer_IDs],
             className = 'mb-4'
             )

Graph组件代码 #

dcc.Graph(id='predictions-donut', figure={}, className='rounded')

回调函数代码 #

@callback(
    Output(component_id='predictions-donut', component_property='figure'),
    Input(component_id='customer-dpdn-2', component_property='value')
)
def donut_chart(customer):
    default_prob = df_test[df_test.customer_ID==customer].probability.values[0]
    no_default_prob = 1 - default_prob
    labels = ['Default', 'No default']
    values = [default_prob, no_default_prob]
    return go.Figure(data=[go.Pie(labels=labels, values=values, hole=.3)])

报错信息 #

Traceback (most recent call last):
  File "C:\Users\***\page1.py", line 389, in donut_chart
    default_prob = df_test[df_test.customer_ID==customer].probability.values[0]
IndexError: index 0 is out of bounds for axis 0 with size 0

疑问 #

Dropdown选项提取自df_test的customer_ID列，为何用其筛选会得到空DataFrame？

问题原因及解决方案 #

可能原因 #

• 多页面全局变量不一致：Dash多页面架构下，不同页面/模块可能各自加载df_test，导致回调使用的DataFrame和生成Dropdown选项的DataFrame不是同一个实例，数据不匹配。
• Dropdown初始值为空：Dropdown未设置初始选中值时，回调接收的customer参数为None，此时筛选条件df_test.customer_ID==None返回空表。
• 数据类型不匹配：customer_ID在DataFrame中的类型与Dropdown传递的value类型不一致（比如一个是字符串、一个是整数），导致匹配失败。

解决方案 #

1. 统一全局数据加载
   将df_test放在独立模块中加载，所有页面和回调都从该模块导入，确保使用同一数据源：

   # data_loader.py
   import pandas as pd
   PATH = "你的文件路径.parquet"
   df_test = pd.read_parquet(PATH)
   

   在页面和回调文件中导入：from data_loader import df_test

2. 处理空输入情况

   • 给Dropdown设置初始选中值，避免customer为None：

     dcc.Dropdown(id='customer-dpdn-2',
                  options = [{'label': x, 'value': x} for x in customer_IDs],
                  value=customer_IDs[0] if customer_IDs else None,
                  className = 'mb-4'
                  )
     

   • 在回调中增加空值和空表判断，避免索引错误：

     def donut_chart(customer):
         if not customer:
             return go.Figure()  # 返回空图表或提示性图表
         filtered_df = df_test[df_test.customer_ID == customer]
         if filtered_df.empty:
             return go.Figure(data=[go.Pie(labels=["无匹配数据"], values=[1])])
         default_prob = filtered_df.probability.values[0]
         no_default_prob = 1 - default_prob
         return go.Figure(data=[go.Pie(labels=['Default', 'No default'], 
                                       values=[default_prob, no_default_prob], 
                                       hole=.3)])
     

3. 确保数据类型一致
   强制转换customer_ID为字符串类型，避免类型不匹配：

   all_customers = df_test.customer_ID.astype(str).values.tolist()
   customer_IDs = random.choices(all_customers, k=5)
   

内容的提问来源于stack exchange，提问作者Dušan Pavlović