分享一个火遍全网的 Python 框架，爆赞！

最新推荐文章于 2023-01-16 17:57:27 发布

AI科技大本营

最新推荐文章于 2023-01-16 17:57:27 发布

阅读量272

点赞数

文章标签：可视化 python 数据可视化 html5 深度学习

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg4NDQwNTI0OQ==&mid=2247560092&idx=1&sn=aa6ee28caf965170e0800be44023370b&chksm=cfbb0ef2f8cc87e454aa1e21164ef4c30c7f5b9f9cfdb50f30e3483f30a8c56eefbb35e95bef&scene=126&&sessionid=0

版权

作者 | 俊欣

来源 | 关于数据分析与可视化

最近Python圈子当中出来一个非常火爆的框架PyScript，该框架可以在浏览器中运行Python程序，只需要在HTML程序中添加一些Python代码即可实现。该项目出来之后便引起了轰动，马上蹿升到了Github趋势榜榜首，短短20天已经有10K+的star了。既然如此，小编今天就带大家来看看该框架是如何使用的。

HelloWorld

我们先来看一下简单的例子，代码如下

<html>
  <head>
    <link rel="stylesheet" href="https://pyscript.net/alpha/pyscript.css" />
    <script defer src="https://pyscript.net/alpha/pyscript.js"></script>
  </head>
  <body> <py-script> print('Hello, World!') </py-script> </body>
</html>

其中Python代码被包裹在了py-script标签里面，然后我们在浏览器中查看出来的结果，如下所示

要不来画个图

下面这一个例子当中，我们尝试将matplotlib绘制图表的代码放置到HTML代码当中去，以实现绘制出一张直方图的操作。首先是matplotlib代码部分：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
## 随机生成满足正态分布的随机数据
rv = np.random.standard_normal(1000)

fig, ax = plt.subplots()
ax.hist(rv, bins=30)

output

然后我们将上面的代码放置到HTML代码当中去，代码如下：

<html>
<head>
    <link rel="stylesheet" href="https://pyscript.net/alpha/pyscript.css"/>
    <script defer src="https://pyscript.net/alpha/pyscript.js"></script>
    <py-env>
        - numpy
        - matplotlib
    </py-env>
</head>

<body>
<h1>Plotting a histogram of Standard Normal distribution</h1>
<div id="plot"></div>
<py-script output="plot">
    import matplotlib.pyplot as plt
    import numpy as np
    np.random.seed(42)
    rv = np.random.standard_normal(1000)
    fig, ax = plt.subplots()
    ax.hist(rv, bins=30)
    fig
</py-script>
</body>
</html>

output

由于我们后面需要用到numpy和matplotlib两个库，因此我们通过py-env标签来引进它们。

再画个折线图

我们在上面的基础之上，再来绘制一张折线图，首先我们再创建一个div标签，里面的id是lineplot，代码如下：

<div id="lineplot"></div>

同样地在py-script标签中放置绘制折线图的代码，output对应div标签中的id值

<py-script output="lineplot">
.........
</py-script>

绘制折线图的代码如下：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()

year1 = [2016, 2017, 2018, 2019, 2020]
population1 = [30, 46, 45, 55, 48]
year2 = [2016, 2017, 2018, 2019, 2020]
population2 = [43, 48, 44, 75, 45]

plt.plot(year1, population1, marker='o', linestyle='--', color='g', label='Countr_1')
plt.plot(year2, population2, marker='d', linestyle='-', color='r', label='Country_2')

plt.xlabel('Year')
plt.ylabel('Population (M)')
plt.title('Year vs Population')
plt.legend(loc='lower right')
fig

output