1:数据源

Hollywood Movie Dataset: 好莱坞2006-2011数据集 

实验目的: 实现 统计2006-2011的数据综合统计情况,进行数据可视化

gitee地址: https://gitee.com/dgwcode/an_example_of_py_learning/tree/master/MovieViwer

1.数据例子:

Film ,Major Studio,Budget
,Warner Bros,
,Warner Bros.,
: to Yuma,Lionsgate,
Days of Night,Independent,
Across the Universe,Independent,
Alien vs. Predator -- Requiem,Fox,
Alvin and the Chipmunks,Fox,
American Gangster,Universal,
Bee Movie,Paramount,
Beowulf,Paramount,
Blades of Glory,Paramount,

2: 环境

pycharm新建Flask项目

3 数据处理:

Film ,Major Studio,Budget 为数据的三个标题 截断这三个数据就行

import pandas as pd
from threading import Timer
import math # coding=utf-8
def getTotalData():
data1 = pd.read_csv('static/1.csv');
data2 = pd.read_csv('static/2.csv');
data3 = pd.read_csv('static/3.csv');
data4 = pd.read_csv('static/4.csv');
data5 = pd.read_csv('static/5.csv');
datadic1 = [];
datadic2 = [];
datadic3 = [];
datadic4 = [];
datadic5 = [];
# 处理数据.csv
for x, y in zip(data1['Major Studio'], data1['Budget']):
datadic1.append((x, y))
for x, y in zip(data2['Major Studio'], data2['Budget']):
datadic2.append((x, y))
for x, y in zip(data3['Lead Studio'], data3['Budget']):
datadic3.append((x, y))
for x, y in zip(data4['Lead Studio'], data4['Budget']):
datadic4.append((x, y))
for x, y in zip(data5['Lead Studio'], data5['Budget']):
datadic5.append((x, y))
totaldata = [];
totaldata.append(datadic1);
totaldata.append(datadic2);
totaldata.append(datadic3);
totaldata.append(datadic4);
totaldata.append(datadic5);
return totaldata; indexx = 0;
curindex = 0;
end = 5;
returnData = dict(); # 定时处理数据
def dataPre():
global indexx, end, curindex, flag, returnData;
totalData = getTotalData(); # list[map]
# x = len(totalData[0]) + totalData[1].len() + totalData[2].len() + totalData[3].len() + totalData[4].len();
data = totalData[indexx];
# init
# print(curindex, end, indexx)
# print(len(data))
for k, v in data[curindex:end]:
if v == "nan" or math.isnan(v):# 截断 k v中 nan
continue;
if returnData.get(k, -1) == -1:
print(k, v);
returnData[k] = v;
else:
returnData[k] = returnData[k] + v;
print(len(returnData))
if end < len(data) - 20:
curindex = end;
end = end + 20;
if end >= len(data) - 20:
indexx += 1;
curindex = 0;
end = 20;
t = Timer(2, dataPre)
t.start()
print(returnData.keys(), end='\n')
return returnData; if __name__ == "__main__":
dataPre();


4:实际程序入口

from flask import Flask, render_template
from pyecharts.charts import Bar
from pyecharts import options as opts
import math
import dealdata
from threading import Timer
from pyecharts.globals import ThemeType app = Flask(__name__, static_folder="templates") @app.route('/')
def hello_world():
dataPre();# 数据入口
return render_template("index.html") # 定义全局索引
indexx = 0;
curindex = 0;
end = 5;
returnData = dict(); # 定时处理数据
def dataPre():
global indexx, end, curindex, flag, returnData;
totalData = dealdata.getTotalData(); # list[map]
# x = len(totalData[0]) + totalData[1].len() + totalData[2].len() + totalData[3].len() + totalData[4].len();
data = totalData[indexx];
#print(totalData)
# init
# print(curindex, end, indexx)
# print(len(data))
for k, v in data[curindex:end]:
if v == "nan" or math.isnan(v): # 截断 k v中 nan
continue;
if returnData.get(k, -1) == -1:
returnData[k] = v;
else:
returnData[k] = returnData[k] + v;
print(len(returnData)) # 反应长度关系
if end < len(data) - 15: # 参数为截断的项数 与前端时间要对应
curindex = end;
end = end + 15;
if end >= len(data) - 15:
indexx += 1;
curindex = 0;
end = 15;
t = Timer(1, dataPre)
t.start()
#print(returnData, end='\n') def bar_reversal_axis() -> Bar:
global returnData;
#print(sorted(returnData.items(), key=lambda x: x[1]))
sorted(returnData.items(), key=lambda x: x[1],reverse=False)
#print(returnData.keys())
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(list(returnData.keys()))
.add_yaxis("电影公司名称:",list(returnData.values()),color="#BF3EFF")
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right",color="#BF3EFF",
font_size=12))
.set_global_opts(title_opts=opts.TitleOpts(title="2007-2011好莱坞电影最受欢迎公司",
pos_left='60%',subtitle="当前"+str(2006+indexx)+"年")) )
return c; @app.route("/barChart")
def index():
c = bar_reversal_axis();
return c.dump_options_with_quotes(); if __name__ == '__main__':
app.run();

5: 前端

<html>
<head>
<meta charset="UTF-8">
<title>Awesome-pyecharts</title>
<script src="https://cdn.bootcss.com/jquery/3.0.0/jquery.min.js"></script>
<script type="text/javascript" src="https://assets.pyecharts.org/assets/echarts.min.js"></script>
<style>
div{
padding-left: 100px;
}
</style> </head>
<body>
<div id="bar" style="width:1024px; height:1024px;"></div>
<script>
var chart = echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});
$(
function () {
fetchData(chart);
setInterval(fetchData, 500);
}
);
function fetchData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:5000/barChart",
dataType: 'json',
success: function (result) {
chart.setOption(result);
}
});
}
</script>
</body>
</html>
 

6: 扩展资料

https://github.com/pyecharts/pyecharts/tree/master/pyecharts/render/templates

{% import 'macro' as macro %}
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>{{ chart.page_title }}</title>
{{ macro.render_chart_dependencies(chart) }}
</head>
<body>
<div id="{{ chart.chart_id }}" style="width:{{ chart.width }}; height:{{ chart.height }};"></div>
<script>
var canvas_{{ chart.chart_id }} = document.createElement('canvas');
var mapChart_{{ chart.chart_id }} = echarts.init(
canvas_{{ chart.chart_id }}, '{{ chart.theme }}', {width: 4096, height: 2048, renderer: '{{ chart.renderer }}'});
{% for js in chart.js_functions.items %}
{{ js }}
{% endfor %}
var mapOption_{{ chart.chart_id }} = {{ chart.json_contents }};
mapChart_{{ chart.chart_id }}.setOption(mapOption_{{ chart.chart_id }});
var chart_{{ chart.chart_id }} = echarts.init(
document.getElementById('{{ chart.chart_id }}'), '{{ chart.theme }}', {renderer: '{{ chart.renderer }}'});
var options_{{ chart.chart_id }} = {
"globe": {
"show": true,
"baseTexture": mapChart_{{ chart.chart_id }},
shading: 'lambert',
light: {
ambient: {
intensity: 0.6
},
main: {
intensity: 0.2
}
}
}};
chart_{{ chart.chart_id }}.setOption(options_{{ chart.chart_id }});
</script>
</body>
</html>


Flsk&pyecharts 动态数据可视化的更多相关文章

  1. 爬取疫情数据,以django+pyecharts实现数据可视化web网页

    在家呆着也是呆着,不如做点什么消磨时间呗~ 试试用django+pyecharts实现疫情数据可视化web页面 这里要爬疫情数据 来自丁香园.搜狗及百度的疫情实时动态展示页 先看看劳动成果: 导航栏: ...

  2. 利用pyecharts将数据可视化

    可视化展示在数据分析领域中是一个至关重要的点,好的可视化展示对我们的结果分析有更好的支持作用. 一.问题 在数据分析的时代里面我们需要将数据的可视化展现出来,更加方便用户的观察.如下图 有些时候我们需 ...

  3. Python+Docker+Flask+pyecharts实现数据可视化

    1.数据加工pyecharts图实现: 数据源:本地CSV文件 ps:由于是跟生产环境做交互,生产环境指标由HSQL加工,使用存储过程挂后台定时运行,后使用python实现导出及定时分发,本地pyth ...

  4. Python数据分析实战:使用pyecharts进行数据可视化

    前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者:刘早起 开始使用 基本套路就是先创建一个你需要的空图层,然后使用.s ...

  5. Django + pyecharts 实现数据可视化

    1 创建django项目 :Visualization and  APP :Demo >>django-admin startproject Visualization >>p ...

  6. 爬虫综合大作业——网易云音乐爬虫 & 数据可视化分析

    作业要求来自于https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/3075 爬虫综合大作业 选择一个热点或者你感兴趣的主题. 选择爬取的对象 ...

  7. 4款开源免费的数据可视化JavaScript库

    概述:交互式数据可视化在很大程度上取决于JavaScript库的任务能力.在这篇文章中,我们将看看四个JavaScript库:D3,InfoVis,Processing.js,和Recline.js. ...

  8. 小白学 Python 数据分析(15):数据可视化概述

    人生苦短,我用 Python 前文传送门: 小白学 Python 数据分析(1):数据分析基础 小白学 Python 数据分析(2):Pandas (一)概述 小白学 Python 数据分析(3):P ...

  9. Python3:pyecharts数据可视化插件

    Python3:pyecharts数据可视化插件 一.简介 pyecharts 是一个用于生成 Echarts 图表的类库. Echarts 是百度开源的一个数据可视化 JS 库.主要用于数据可视化. ...

随机推荐

  1. Spring Boot2 系列教程(十六)定时任务的两种实现方式

    在 Spring + SpringMVC 环境中,一般来说,要实现定时任务,我们有两中方案,一种是使用 Spring 自带的定时任务处理器 @Scheduled 注解,另一种就是使用第三方框架 Qua ...

  2. static self 区别与总结

    <?php /** * static self 区别与总结 * 总结: * 1.在 PHP 里,在没有继承时候,你用self::class 和 static::class是一样的,都是获取当前类 ...

  3. Spring Boot项目中如何定制拦截器

    本文首发于个人网站:Spring Boot项目中如何定制拦截器 Servlet 过滤器属于Servlet API,和Spring关系不大.除了使用过滤器包装web请求,Spring MVC还提供Han ...

  4. sql查询入门

    SQL语言是一门相对来说简单易学却又功能强大的语言,它能让你快速上手并很快就能写出比较复杂的查询语句.但是对于大多数开发者来说,使用SQL语句查询数据库的时候,如果没有一个抽象的过程和一个合理的步骤, ...

  5. 玩转ArduinoJson库 V5版本

    1.前言     一直以来,博主的事例代码中都一直使用到JSON数据格式.而很多初学者一直对JSON格式有很大疑惑,所以博主特意分出一篇博文来重点讲解Arduino平台下的JSON库--Arduino ...

  6. Spring(五)Spring缓存机制与Redis的结合

    一.Redis和数据库的结合 使用Redis可以优化性能,但是存在Redis的数据和数据库同步的问题. 例如,T1时刻以将 key1 保存数据到 Redis,T2时刻刷新进入数据库,但是T3时刻发生了 ...

  7. SpringBoot系列之@Value和@ConfigurationProperties

    继上一篇博客SpringBoot系列之YAML配置用法之后,再写一篇@Value.@ConfigurationProperties的对比博客 这两个主键都是可以获取配置文件属性的,不过是有比较大的区别 ...

  8. 设计模式C++描述----20.迭代器(Iterator)模式

    一. 举例说明 我们知道,在 STL 里提供 Iterator 来遍历 Vector 或者 List 数据结构. Iterator 模式也正是用来解决对一个聚合对象的遍历问题,将对聚合的遍历封装到一个 ...

  9. java里的单例实现

    枚举实现单例 线程安全,调用效率高,不能延时加载,可以天然的防止反射和反序列化调用 public enum SingletonFactory { //枚举元素本身就是单例 INSTANCE; //添加 ...

  10. mui iOS云打包修改权限提示语

    打包提交appstore如果用到了如下权限需要修改提示语,详细描述使用这个权限的原因,如不修改提示语appstore审核可能会被拒绝 设置方法如下: 使用视图方式打开manifest.json文件, ...