当前位置: 首页 > news >正文

pythond大屏可视化

今天我就来给大家介绍一款非常便利的可视化工具–big_screen,直接传入数据即可,有了它,小白也能做数据大屏。
相比与Plotly、Matplotlib、Pyecharts等可视化库,或者一些商用软件Tableau、FineBI等等,这款工具的优点在于操作更加简单、展现效果也很强大

下面给大家详细介绍一下使用方法

1.安装

该工具是基于flask实现的,所以需要安装flask,直接在命令行输入以下命令即可:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask

一般都能正常安装

2.运行代码

这里所说的代码是工具自带的,后面会详细介绍

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-odHG5wHU-1666073879235)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/ab28ca99e1ee47a99bfe011a9f237302~tplv-k3u1fbpfcp-zoom-1.image)]

在命令行用cd切换至代码所在的目录

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HVvG5dz4-1666073879244)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/5232df9d1085468b8b4446c11ca54f88~tplv-k3u1fbpfcp-zoom-1.image)]

输入以下命令运行代码:

python app.py

3.打开可视化屏

大数据可视化展板通用模板 http://127.0.0.1:5000/
4600 万企业数据大屏可视化 http://127.0.0.1:5000/corp
(2022-10) 厦门 10 万招聘数据大屏可视化 http://127.0.0.1:5000/job

上面的模板都是工具自带的模板,直接用浏览器打开地址就可显示

以通用模板为例,在浏览器网址栏输入:http://127.0.0.1:5000/

在这里插入图片描述

是不是超级简单

但仅仅是这样肯定是不够的,我们想要的是制作自己所需的可视化大屏,要导入自己的数据

不用怕,下面我来教大家如何修改数据

app.py是工具的主程序,内容如下:

from flask import Flask, render_template
from data import SourceData
from data_corp import CorpData
from data_job import JobData
app = Flask(__name__)
@app.route('/')
def index():
    data = SourceData()
    return render_template('index.html', form=data, title=data.title)
@app.route('/corp')
def corp():
    data = CorpData()
    return render_template('index.html', form=data, title=data.title)
@app.route('/job')
def job():
    data = JobData()
    return render_template('index.html', form=data, title=data.title)
if __name__ == "__main__":
    app.run(host='127.0.0.1', debug=False)

app.run表示监听’127.0.0.1’地址

接着,index、corp、job三个函数都是相同的套路,用render_template模块对’index.html’可视化模板进行渲染,这个模板也是工具自带的,在templates文件夹下:
通过导入不同的数据,可以对模板进行不同的渲染,big_screen提供3种数据模板,分别是SourceData、CorpData和Jobdata

①通用数据模板–SourceData

`class SourceDataDemo:

def __init__(self):
    self.title = '大数据可视化展板通用模板'
    self.counter = {'name': '2018年总收入情况', 'value': 12581189}
    self.counter2 = {'name': '2018年总支出情况', 'value': 3912410}
    self.echart1_data = {
        'title': '行业分布',
        'data': [
            {"name": "商超门店", "value": 47},
            {"name": "教育培训", "value": 52},
            {"name": "房地产", "value": 90},
            {"name": "生活服务", "value": 84},
            {"name": "汽车销售", "value": 99},
            {"name": "旅游酒店", "value": 37},
            {"name": "五金建材", "value": 2},
        ]
    }         

②全国企业大数据模板–CorpData‘

` from data import SourceDataDemo

class CorpData(SourceDataDemo):

def __init__(self):
    super().__init__()
    self.title = '全国企业大数据'
    self.counter = {'name': '企业总数量(全国)', 'value': 46897675}
    self.counter2 = {'name': '企业总数量(一线城市)', 'value': 6805564}
    self.echart1_data = {
        'title': '行业分布',
        'data': [
            {
                "name": "批发零售业",
                "value": 16881396
            },
            {
                "name": "制造行业",
                "value": 6780200
            },  `

③厦门招聘大数据–Jobdata

`from data import SourceDataDemo

class JobData(SourceDataDemo):

def __init__(self):
    super().__init__()
    self.title = '厦门招聘大数据'
    self.counter = {'name': '招聘人数', 'value': 270665}
    self.counter2 = {'name': '招聘企业数', 'value': 11059}
    self.echart1_data = {
        'title': '最缺人的行业',
        'data': [
            {"name": "IT互联网", "value": 40215},
            {"name": "电子技术", "value": 17112},
            {"name": "建筑与工程", "value": 17022},
            {"name": "贸易进出口", "value": 16863},
            {"name": "机械重工", "value": 15705},
            {"name": "教育培训", "value": 11718},
        ]
    }`

总的来说,big_screen使用很方便,但也有一定的局限性,不过急需的时候应个急也是没问题的。

相关文章:

  • 【SpringCloud】Ribbon负载均衡
  • 基于unbantu的nginx的配置
  • adb基本命令
  • Long long类型比较大小
  • llama-index 结合chatglm3-6B 利用RAG 基于文档智能问答
  • 骗子查询系统源码
  • 【C++进阶】哈希(万字详解)—— 学习篇(上)
  • 亿道丨三防平板丨手持平板丨加固平板丨助力地震救援
  • 安全防御-第六次
  • 计算机网络(1)----物理层
  • 【多线程】volatile 关键字、wait 和 notify方法详解
  • STM32自学☞输入捕获测频率和占空比案例
  • 知识图谱-生物信息学-医学论文(Chip-2022)-BCKG-基于临床指南的中国乳腺癌知识图谱的构建与应用
  • 力扣 每日一题 902. 最大为 N 的数字组合【难度:困难,rating: 1989】(数学 / 数位dp)
  • 奇迹mu服务器安全和优化设置
  • OC 基础 导航栏UITabBarController的使用(源码)
  • 人脸识别项目FFmpeg+OpenCV+虹软SDK
  • ITRS 与 GCRS 之间的坐标转换
  • 【图像重建】基于matlab SIDER算法图像压缩重建【含Matlab源码 2170期】
  • 多线程同步-条件变量
  • JS(第八课)循环语句中常用到的案例
  • 2022软考高项十大领域知识整理(四)-人力资源管理、干系人管理、采购管理
  • 深度学习基础之BatchNorm和LayerNorm
  • 【Spring】面向切面编程详解(AOP)
  • 力扣(LeetCode)75. 颜色分类(C语言)
  • LeetCode算法题整理(200题左右)
  • flowable-ui绘图常见错误
  • 前端最新基础知识
  • 【2022年玄武云科技AI算法岗秋招面试记录】
  • ROBOGUIDE软件:FANUC机器人电弧跟踪功能介绍与示教编程操作
  • 5 个 TypeScript 库来改进你的代码
  • 高校教学管理信息系统/教学管理系统