利用 Flask 动态展示 Pyecharts 图表数据方法小结

Python  /  管理员 发布于 5年前   416

本文将介绍如何在 web 框架 Flask 中使用可视化工具 pyecharts, 看完本教程你将掌握几种动态展示可视化数据的方法，不会的话你来找我呀...

Flask 模板渲染

1. 新建一个项目 flask-echarts

在编辑器中选择 New Project，然后选择 Flask，创建完之后，Pycharm 会帮我们把启动脚本和模板文件夹都建好

2. 拷贝 pyecharts 模板

将链接中的以下模板 ├── jupyter_lab.html ├── jupyter_notebook.html ├── macro ├── nteract.html ├── simple_chart.html ├── simple_page.html └── table.html 全部拷贝到 tempaltes 文件夹中 github.com/pyecharts/p…

3.渲染图表

主要目标是将 pyecharts 生成的图表数据在视图函数中返回，所以我们直接在 app.py 中修改代码，如下：

from flask import Flaskfrom jinja2 import Markupfrom pyecharts import options as optsfrom pyecharts.charts import Barapp = Flask(__name__, static_folder="templates")def bar_base() -> Bar:  c = (    Bar()      .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])      .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])      .add_yaxis("商家B", [15, 25, 16, 55, 48, 8])      .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题"))  )  return [email protected]("/")def index():  c = bar_base()  return Markup(c.render_embed())if __name__ == "__main__":  app.run()

直接运行，在浏览器中输入地址，直接将数据显示出来了

 

这是一个很简单的静态数据展示，别急好戏还在后头~

Flask 前后端分离

前面讲的是一个静态数据的展示的方法，用 pyecharts 和 Flask 结合最主要是实现一种动态更新数据，增量更新数据等功能！以上面讲解的内容为基础，在 templates 文件夹中新建一个 index.html 的文件，其中主要用到了 jquery 和 pyecharts 管理的 echarts.min.js 依赖。

index.html

<!DOCTYPE html><html><head>  <meta charset="UTF-8">  <title>动态更新数据</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></head><body>  <div id="bar" style="width:1000px; height:600px;"></div>  <script>   (    function () {      var result_json = '{{ result_json|tojson }}';      // var result = JSON.parse(result_json);      var chart = echarts.init(document.getElementById('bar'), 'gray', {renderer: 'canvas'});      $.ajax({        type: "GET",        url: "http://127.0.0.1:5000/barChart",        dataType: 'json',        data: {result: result_json},        success: function (result) {          chart.setOption(result);        }      });    }  )  </script></body></html>

有 html 基础的朋友应该知道该代码主要是向地址 "127.0.0.1:5000/barChart" 发送请求，所以在 app.py 中我们也需要做相应的修改，添加该地址的路由函数，从而实现动态数据更新。 部分代码如下：

@app.route("/")def index():  data = request.args.to_dict()  return render_template("index.html", result_json=data)@app.route("/barChart")def get_bar_chart():  args = request.args.to_dict()  result = eval(args.get("result"))  name = result.get("name")  subtitle = result.get("subtitle")  c = bar_base(name, subtitle)  return c.dump_options_with_quotes()

在 index 视图函数中接收浏览器传过来的参数，然后传递给 index.html。此处只是简单示例，所以未做参数校验。而另一个视图函数主要是获取参数，传给图表生成函数 bar_base(), 从而实现根据 url 地址传过来的参数，动态展示图表数据。结果如下：

 

这里只是简单演示, 所以只将图表标题作为动态传参。此场景适用于第一次请求获取我们想要的数据，然后将其展示出来。比如我之前写的 NBA 球员数据可视化  mp.weixin.qq.com/s/WWCNf46Ch…

就是此方法，不同球员展示对应球员数据！

定时全量更新图表

该场景主要是前端主动向后端进行数据刷新，定时刷新的核心在于 HTML 的 setInterval 方法。那么 index.html 代码就是下面这样的：

<!DOCTYPE html><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></head><body>  <div id="bar" style="width:1000px; height:600px;"></div>  <script>    var chart = echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});    $(      function () {        fetchData(chart);        setInterval(fetchData, 2000);      }    );    function fetchData() {      $.ajax({        type: "GET",        url: "http://127.0.0.1:5000/barChart",        dataType: 'json',        success: function (result) {          chart.setOption(result);        }      });    }  </script></body></html>

对应的将 app.py 中 bar_base() 作相应的修改，从而实现定时全量更新图表

def bar_base() -> Bar:  c = (    Bar()      .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])      .add_yaxis("商家A", [random.randint(10, 100) for _ in range(6)])      .add_yaxis("商家B", [random.randint(10, 100) for _ in range(6)])      .set_global_opts(title_opts=opts.TitleOpts(title="", subtitle=""))  )  return [email protected]("/")def index():  return render_template("index.html")@app.route("/barChart")def get_bar_chart():  c = bar_base()  return c.dump_options_with_quotes()

运行之后，在浏览器中打开，效果如下：

 

看到这动图，有没有一种...，如果我是 DJ DJ，琦你太美...

定时增量更新图表

同样的要对 index.html 做修改

<!DOCTYPE html><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></head><body>  <div id="bar" style="width:1000px; height:600px;"></div>  <script>    var chart = echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});    var old_data = [];    $(      function () {        fetchData(chart);        setInterval(getDynamicData, 2000);      }    );    function fetchData() {      $.ajax({        type: "GET",        url: "http://127.0.0.1:5000/lineChart",        dataType: "json",        success: function (result) {          chart.setOption(result);          old_data = chart.getOption().series[0].data;        }      });    }    function getDynamicData() {      $.ajax({        type: "GET",        url: "http://127.0.0.1:5000/lineDynamicData",        dataType: "json",        success: function (result) {          old_data.push([result.name, result.value]);          chart.setOption({series: [{data: old_data}]          });        }      });    }  </script></body></html>

增量更新，后端代码也需要相应的修改

from pyecharts.charts import Linedef line_base() -> Line:  line = (    Line()    .add_xaxis(["{}".format(i) for i in range(10)])    .add_yaxis(      series_name="",      y_axis=[randrange(50, 80) for _ in range(10)],      is_smooth=True,      label_opts=opts.LabelOpts(is_show=False),    )    .set_global_opts(      title_opts=opts.TitleOpts(title="动态数据"),      xaxis_opts=opts.AxisOpts(type_="value"),      yaxis_opts=opts.AxisOpts(type_="value"),    )  )  return [email protected]("/")def index():  return render_template("index.html")@app.route("/lineChart")def get_line_chart():  c = line_base()  return c.dump_options_with_quotes()idx = [email protected]("/lineDynamicData")def update_line_data():  global idx  idx = idx + 1  return jsonify({"name": idx, "value": randrange(50, 80)})

走起，来看看效果吧

 

总结

以上所述是小编给大家介绍的利用 Flask 动态展示 Pyecharts 图表数据方法小结,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！


  • 上一条：
    tesserocr与pytesseract模块的使用方法解析
    下一条：
    使用PyInstaller将Pygame库编写的小游戏程序打包为exe文件及出现问题解决方法

    • 昵称：

    邮箱：

    0条评论 (评论内容有缓存机制,请悉知!)
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客