数据可视化-python+MySQL+FineBI-快速搭建

已于 2022-03-28 00:18:29 修改
阅读量4k 收藏 80
点赞数 11
分类专栏： # 功能测试 文章标签： bi 可视化 数据仓库 大数据 数据分析
于 2020-12-03 00:39:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30864373/article/details/110508325
版权
本文介绍了使用Python、MySQL和FineBI快速搭建数据可视化的方法。先说明了数据来源，可通过开发者工具或天行API获取疫情数据；接着阐述了用Python和MySQL进行数据处理的过程；最后介绍了FineBI的安装、启动、数据载入、组件创建和联动等数据可视化操作。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

数据可视化-python+MySQL+FineBI-快速搭建

目录

数据可视化-python+MySQL+FineBI-快速搭建

效果图

数据来源

如何查找数据

API数据分析-地方市

API数据分析-省份

数据处理-python

数据处理-目录结构

数据处理-思路分析

数据处理-公共类

数据处理-全省数据

数据处理-新闻列表数据

数据处理-全国情况数据

数据处理-地方市数据

数据处理-统一调动

数据处理-MySQL

数据处理-目录结构SQL

数据处理-全省数据SQL

数据处理-新闻列表数据SQL

数据处理-全国情况数据SQL

数据处理-地方市数据SQL

数据应用

数据可视化-安装

数据可视化-启动

数据可视化-数据载入

数据可视化-组件创建

数据可视化-组件联动

总结：

效果图

截图：

d1a370480a5c8e1edc89e9cd63a1e511.png

数据来源

如何查找数据

目前各大网站（BAT）都重点关注全国'疫情'情况,可以通过Chrome/Firefox开发者工具，去捕获查找，抓包都可以

本次的小demo我是直接使用天行API,目前免费注册，'疫情'数据API免费使用不限次数，做做练手比较方便，不用担心被封IP之类的情况发生啦。

如果不会找数据API的话，可以看看下面链接文章：

https://blog.csdn.net/msssssss/article/details/104109503

Python实战：抓肺炎'疫情'实时数据，画2019-nCoV疫 情地图

https://www.bilibili.com/read/cv4485550/

制作一个'疫情'地图（html+node）

https://mp.weixin.qq.com/s/DjBIu4851l0a_vN_aEjo7Q

如何用 Python 画出新型冠状病毒'疫情'地图？

API数据分析-地方市

天行API的数据也是来自丁香园的数据，一共有2个API分别，地方市情况、省份情况，两个数据有时候不同步，甚至有点差别，使用的时候就细心的看看哈。

详细的就不说太多了，说了没有意义，多点去发掘问题解决问题，才是体验你为何掉头发的根本原因啊！

新闻列表，各地方市情况，全国情况数据分析，下列是我认为比较需要的数据，整理了一下，仅供参考，按照自己的实际情况处理即可。

5a42fd3c0898129f544d63567cc0bf68.png

新闻列表字段

各地市情况字段

全国情况字段

id

id

id

pubDate

发布时间

createTime

createTime

pubDateStr

xxx前发布

modifyTime

modifyTime

title

tags

infectSource

summary

新闻简介

provinceId

passWay

infoSource

provinceName

imgUrl

地图

sourceUrl

provinceShortName

dailyPic

情况趋势图

provinceId

cityName

summary

provinceName

confirmedCount

确诊数

virus

createTime

suspectedCount

疑似数

remark1

感染情况

modifyTime

curedCount

治愈数

remark2

感染症状

deadCount

死亡数

generalRemark

数据来源说明

comment

备注

API数据分析-省份

省份列表数据，

e957d261efc35f9bfadda6645c88b61b.png

provinceName

provinceShortName

confirmedCount

确诊数

suspectedCount

疑似数

curedCount

治愈数

deadCount

死亡数

comment

备注

cities

各城市情况，（字典 列表 字典嵌套）

数据处理-python

人生苦短，我用python

API拿到的都是json，简单用python处理一下就好，反正就一句话，json,字典，列表，这些类型的数据直接for一下就好了，没有for不能处理的东西，只是你还没有想到for多少次而是，哪里不死就往死里弄，反正你要的数据总会来的，时间就是最好的经验了

数据处理-目录结构

0d40ba089dcbce4fcc6d18580d2ed481.png

数据处理-思路分析

虽然API都是免费的，如果每次发起请求的话，操作比较慢，占用资源，造成不必要的浪费，所以总结了一下

访问API

本地：省时，远程：消耗服务器

requests包

接收数据，写入为本地数据json

轻量级存储，够用

直接读取本都数据json

python 处理方便

对本地数据json处理

for循环就好了 、json包

处理后的数据写入MySQL

inset ,update基本sql语句、pymysql包

FineBI读取MySQL数据，生成可视化图表

数据处理-公共类

总结：

怎样方便就怎样写，常用的，多次用的，很少有改变的，固定的写法，就先推在一起吧！

只要思想不滑坡,方法总比困难多！

import json

import pymysql


class BaseFun(object):
    @staticmethod
    def conn_database(data_name):
        """
        连接数据库方法
        :param data_name: 传入-数据库名称
        :return: 连接后返回，conn
        """
        conn = pymysql.connect(
            host='localhost',
            user='root',
            password='root',
            database=data_name,
            charset='utf8')
        print("连接数据库成功", conn.cursor())
        return conn

    @staticmethod
    def city_url():
        """
        各市级疫情数据api，只有城市情况
        :return:city_url
        """
        city_url = 'http://api.tianapi.com/txapi/ncovcity/index?key=替换你自己的key'
        print('连接【各市级】疫情数据api，成功')
        return city_url

    @staticmethod
    def prov_url():
        """
        各省级疫情数据api，包含新闻，全汇总
        :return: prov_rul
        """
        prov_rul = 'http://api.tianapi.com/txapi/ncov/index?key=替换你自己的key'
        print('连接【各省级】疫情数据api，成功')
        return prov_rul

    @staticmethod
    def read_json(file_path):
        with open(file_path, 'r', encoding='utf-8') as f:
            res_data = json.load(f)
        print('读取数据成功')
        return res_data

    @staticmethod
    def write_json(file_path, data):
        with open(file_path, 'w', encoding='utf-8')as f:
            json.dump(data, f)
        print('写入数据成功')

16992a723c8a3889ed568ea9c8e8051f.png

数据处理-全省数据

总结：

开始不停的调用公共类的方法，不停的for去处理数据

比较特别就是__main__的使用，和BASE_DIR路径处理,原因是数据存放的文件夹ncov_v2\data,直接在pycharm运行没有问题，如果在黑窗口运行就会报错，读取不了数据，原因是路径问题

# 获取当前文件的上一层绝对路径
BASE_DIR = os.path.dirname(os.path.abspath(__file__))


import requests
from base.conn_base import BaseFun
from utlis import BASE_DIR

data_list = list()


class City(BaseFun):
    url = BaseFun.city_url()

    def __init__(self):
        self.res_data = requests.get(self.url)
        self.response_data = self.res_data.json()
        self.conn = BaseFun.conn_database('ncov')
        BaseFun.write_json(BASE_DIR + '/data/api_province_v2.json', self.response_data)

    def read_data(self):
        res_data = BaseFun.read_json(BASE_DIR + '/data/api_province_v2.json')
        return res_data['newslist']

    def data_4_list(self):
        for res in self.read_data():
            data_list.append([
                res.get('provinceName'),
                res.get('provinceShortName'),
                res.get('confirmedCount'),
                res.get('suspectedCount'),
                res.get('curedCount'),
                res.get('deadCount'),
                res.get('comment'),
                str(res.get('cities')),
            ])

    def update_sql(self):
        for i in range(len(data_list)):
            self.sql = "update api_province_v2 set provinceName=%s, provinceShortName=%s, confirmedCount=%s, suspectedCount=%s, curedCount=%s, deadCount=%s, comment=%s, cities=%s where provinceShortName=" + '"' + \
                       data_list[i][1] + '"'
            # 获取一个光标
            self.conn.cursor()

            # 连接并执行
            self.conn.cursor().execute(self.sql, [data_list[i][0], data_list[i][1], data_list[i][2], data_list[i][3],
                                                  data_list[i][4],
                                                  data_list[i][5], data_list[i][6], data_list[i][7]])
            # 涉及写操作注意要提交
            self.conn.commit()
        # 关闭光标对象
        self.conn.cursor().close()
        # 关闭数据库连接
        self.conn.close()


if __name__ == '__main__':
    update_data = City()
    update_data.data_4_list()
    update_data.update_sql()
    print('数据更新成功！')

27dfe524a361ea0e520c73d6d629ec2a.png

数据处理-新闻列表数据

总结：

写法和上一个差不多，思路都是一样的

唯一的就是这里，我写了一个小陷阱，哈哈哈

重点好似没有什么影响

import requests

from base.conn_base import BaseFun
from utlis import BASE_DIR, time_change

data_list = list()


class News(BaseFun):
    url = BaseFun.prov_url()

    def __init__(self):
        self.res_data = requests.get(self.url)
        self.response_data = self.res_data.json()
        self.conn = BaseFun.conn_database('ncov')
        BaseFun.write_json(BASE_DIR + '/data/api_desc.json', self.response_data)

    def read_data(self):
        res_data = BaseFun.read_json(BASE_DIR + '/data/api_desc.json')
        return res_data['newslist'][0]['news']

    def insets_sql(self):
        for res in self.read_data():
            if 'provinceName' in res.keys():
                # 更新sql语句
                sql = "INSERT INTO api_news (id, pubDate, pubDateStr, title, summary,infoSource,sourceUrl, provinceId, provinceName, createTime,modifyTime) VALUES (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s) ON DUPLICATE KEY UPDATE id = id"

                # 获取一个光标
                cursor = self.conn.cursor()

                # 连接并执行
                cursor.execute(sql, [res['id'], time_change(res['pubDate']), res['pubDateStr'], res['title'],
                                     res['summary'], res['infoSource'], res['sourceUrl'], res['provinceId'],
                                     res['provinceName'], time_change(res['createTime']),
                                     time_change(res['modifyTime'])])
            else:
                sql = "INSERT INTO api_news (id, pubDate, pubDateStr, title, summary,infoSource,sourceUrl, provinceId, createTime, modifyTime) VALUES (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s) ON DUPLICATE KEY UPDATE id = id"

                # 获取一个光标
                cursor = self.conn.cursor()
                cursor.execute(sql, [res['id'], time_change(res['pubDate']), res['pubDateStr'], res['title'],
                                     res['summary'], res['infoSource'], res['sourceUrl'], res['provinceId'],
                                     time_change(res['createTime']),
                                     time_change(res['modifyTime'])])

                # 涉及写操作注意要提交
                self.conn.commit()
                # 关闭光标对象
                cursor.close()
        # 关闭数据库连接
        self.conn.close()


if __name__ == '__main__':
    insets_data = News()
    insets_data.insets_sql()
    print('数据更新成功！')

数据处理-全国情况数据

总结：

增加一个ccTime的数字字段，存入当天的年月日，确保当日只有一条数据，desc字段的数据有更新，具体下面有说明，增加了较昨日对比的数据

from datetime import datetime

import requests

from base.conn_base import BaseFun
from utlis import BASE_DIR, time_change

data_list = list()
now = datetime.now()
formatted_date = now.strftime('%Y-%m-%d')


class Desc(BaseFun):
    url = BaseFun.prov_url()

    def __init__(self):
        self.res_data = requests.get(self.url)
        self.response_data = self.res_data.json()
        self.conn = BaseFun.conn_database('ncov')
        BaseFun.write_json(BASE_DIR + '/data/api_desc.json', self.response_data)

    def read_data(self):
        res_data = BaseFun.read_json(BASE_DIR + '/data/api_desc.json')
        return res_data['newslist'][0]['desc']

    def data_4_list(self):
        for res in self.read_data():
            data_list.append(self.read_data()[res])
        print(data_list)

    def insets_sql(self):
        sql = "INSERT INTO api_desc (createTime,modifyTime,infectSource,passWay,imgUrl,dailyPic,countConfirmedCount,countSuspectedCount,countCuredCount,countDeadCount,virus,remark1,remark2,generalRemark,ccTime) " \
              "VALUES(%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s) " \
              "ON DUPLICATE KEY UPDATE ccTime=%s,modifyTime=%s,countConfirmedCount=%s,countSuspectedCount=%s,countCuredCount=%s,countDeadCount=%s"
        # 获取一个光标
        self.conn.cursor()

        # 连接并执行
        int_val = (time_change(data_list[1]), time_change(data_list[2]), data_list[3], data_list[4],
                   data_list[5], data_list[6], data_list[10], data_list[11], data_list[12], data_list[13],
                   data_list[20], data_list[21], data_list[22],
                   data_list[26], formatted_date)
        upd_val = (formatted_date, time_change(data_list[2]), data_list[10],
                   data_list[11], data_list[12], data_list[13])
        val = (*int_val, *upd_val)
        self.conn.cursor().execute(sql, val)
        # 涉及写操作注意要提交
        self.conn.commit()
        # 关闭光标对象
        self.conn.cursor().close()
        # 关闭数据库连接
        self.conn.close()

if __name__ == '__main__':
    insets_data = Desc()
    insets_data.data_4_list()
    insets_data.insets_sql()
    print('数据更新成功！')

API的数据新增，seriousCount严重病例，和较昨日对比数据字段suspectedIncr，confirmedIncr，curedIncr，deadIncr，seriousIncr

922617bee88e506361d329d4355dada4.png

数据处理-地方市数据

总结：

地方市的数据来自，省份数据cities字段，所以一开始直接读取省份json，进行数据重新整理，并生成新的city.json,执行读写和写入数据库

from base.conn_base import BaseFun
from utlis import BASE_DIR

city_list = list()


class City(BaseFun):
    def __init__(self):
        self.conn = BaseFun.conn_database('ncov')
        self.res_data = BaseFun.read_json(BASE_DIR + '/data/api_province_v2.json')

    def data_4_list(self):
        for i in self.res_data['newslist']:
            for j in i['cities']:
                # 城市名称列表
                # print(j)
                city_list.append(j)
        print('本地数据处理成功！')

    def write_data(self):
        BaseFun.write_json(BASE_DIR + '/data/api_city.json', city_list)

    def read_data(self):
        res_datas = BaseFun.read_json(BASE_DIR + '/data/api_city.json')
        return res_datas

    def update_sql(self):
        for res in self.read_data():
            sql = "update api_city set confirmedCount=%s, suspectedCount=%s, curedCount=%s, deadCount=%s where cityName =%s"

            # 获取一个光标
            self.conn.cursor()

            # 连接并执行
            self.conn.cursor().execute(sql, [res['confirmedCount'], res['suspectedCount'], res['curedCount'],
                                             res['deadCount'],
                                             res['cityName']])

            # 涉及写操作注意要提交
            self.conn.commit()
            # 关闭光标对象
            self.conn.cursor().close()
        # 关闭数据库连接
        self.conn.close()


if __name__ == '__main__':
    update_data = City()
    update_data.data_4_list()
    update_data.write_data()
    update_data.read_data()
    update_data.update_sql()
    print('数据更新成功！')

d61fa9962108aafd4f968e1cd7d5e005.png

数据处理-统一调动

总结：

每个py文件都需要单独执行一次，才能写入数据到数据库，为了方便每个api*.py都增加一个start方法自调用，根目录增加一个start.py调动所有api接口

from api_city import City
from api_desc import Desc
from api_news import News
from api_province import Prov


class Start(object):
    def __init__(self):
        Prov().start()
        print('全省数据更新-成功')
        News().start()
        print('新闻数据更新-成功')
        Desc().start()
        print('全国数据更新-成功')
        City().start()
        print('全市数据更新-成功')
        print('--------------')
        print('全数据更新-成功')

if __name__ == '__main__':
    Start()

163494c51f2449e7abdc359f699119a0.png

数据处理-MySQL

黑窗口操作太难了，直接使用Navicat操作数据库吧！

数据处理-目录结构SQL

821453beeab33acd9ca787df923394b7.png

数据处理-全省数据SQL

总结：provinceId,provinceName需要自行添加这个来个字段的数据，否则后期数据可视化无法实现联动显示

CREATE TABLE `api_province_v2` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `provinceId` int(11) DEFAULT NULL,
  `provinceName` varchar(15) DEFAULT NULL,
  `provinceShortName` varchar(15) DEFAULT NULL,
  `confirmedCount` int(11) DEFAULT NULL,
  `suspectedCount` int(11) DEFAULT NULL,
  `curedCount` int(11) DEFAULT NULL,
  `deadCount` int(11) DEFAULT NULL,
  `comment` varchar(255) DEFAULT NULL,
  `cities` text,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=35 DEFAULT CHARSET=utf8;

f0252ee56bd9b7487a7907da124488de.png

数据处理-新闻列表数据SQL

总结：

还是上面python处理的时候那个坑，哈哈哈

CREATE TABLE `api_news` (
  `id` int(11) NOT NULL,
  `pubDate` varchar(255) DEFAULT NULL,
  `pubDateStr` varchar(255) DEFAULT NULL,
  `title` varchar(255) DEFAULT NULL,
  `summary` text,
  `infoSource` varchar(255) DEFAULT NULL,
  `sourceUrl` text,
  `provinceId` varchar(11) DEFAULT NULL,
  `provinceName` varchar(255) DEFAULT NULL,
  `createTime` varchar(255) DEFAULT NULL,
  `modifyTime` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

acc79cb8386345c1cce02083379530c8.png

数据处理-全国情况数据SQL

总结：

每天只有一条总数据，ccTime

CREATE TABLE `api_desc` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `createTime` varchar(255) DEFAULT NULL,
  `modifyTime` varchar(255) DEFAULT NULL,
  `infectSource` varchar(255) DEFAULT NULL,
  `passWay` varchar(255) DEFAULT NULL,
  `imgUrl` varchar(255) DEFAULT NULL,
  `dailyPic` varchar(255) DEFAULT '',
  `summary` varchar(255) DEFAULT NULL,
  `deleted` varchar(255) DEFAULT NULL,
  `countRemark` varchar(255) DEFAULT NULL,
  `countConfirmedCount` varchar(255) DEFAULT NULL,
  `countSuspectedCount` varchar(255) DEFAULT NULL,
  `countCuredCount` varchar(255) DEFAULT NULL,
  `countDeadCount` varchar(255) DEFAULT NULL,
  `virus` varchar(255) DEFAULT NULL,
  `remark1` varchar(255) DEFAULT NULL,
  `remark2` varchar(255) DEFAULT NULL,
  `remark3` varchar(255) DEFAULT NULL,
  `remark4` varchar(255) DEFAULT NULL,
  `remark5` varchar(255) DEFAULT NULL,
  `generalRemark` varchar(255) DEFAULT NULL,
  `ccTime` varchar(255) NOT NULL,
  PRIMARY KEY (`id`,`ccTime`),
  UNIQUE KEY `ctime` (`ccTime`)
) ENGINE=InnoDB AUTO_INCREMENT=23 DEFAULT CHARSET=utf8;

0f5134289b9845d49712df3f957f93e1.png

数据处理-地方市数据SQL

总结：

provinceId,provinceName联动字段和全省的数据关联

CREATE TABLE `api_city` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `cityName` varchar(255) DEFAULT NULL,
  `confirmedCount` varchar(255) DEFAULT NULL,
  `suspectedCount` varchar(255) DEFAULT NULL,
  `curedCount` varchar(255) DEFAULT NULL,
  `deadCount` varchar(255) DEFAULT NULL,
  `provinceId` int(11) DEFAULT NULL,
  `provinceName` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=332 DEFAULT CHARSET=utf8;

d40ce482cee64db699248915bb844474.png

数据应用

嗯嗯，过年啊，只能在家里，都快要长蘑菇了，看见哪些一张张的大数据，手有点痒，在x度看了一下数据可视化，然鹅有很多开源和免费的可视化工具，选了FineBI，就是免费、模板多可以满足目前的需求，而且简单~~

数据可视化-安装

这里不说，建议你看官方文档

数据可视化-启动

安装完直接双击FineBI启动

启动过程：

617d73f1d6bef0e4bf5c48119ab94078.png

启动完成：

a5bb8d331139a96c5f039d1b3965432e.png

数据可视化-数据载入

  1. FineBI登录成功之后，第一步创建数据

7f3a6d16d6a2633517c5f6dd0d926475.png

  1. 添加本地数据

792fba61889de0fe37309afd8f785085.png

  1. 对数据表的字段进行设置，数值，日期优先作为数据指标，该设置不影响真实数据库

修改字段：

d0499f4dba8448217749a904fad88974.png

最终字段：

2ff750c867af6ff1bed1ff92c242e27f.png

数据可视化-组件创建

  1. 数据准备好，点击右上角【创建组件】，官方文档有教程的

f4b687d2bebadfffd0e0989858cc87ad.png

  1. 将准备好数据字段拖动到对应的位置

657ac074c028147260589247edad7f18.png

数据可视化-组件联动

  1. 设置联动，如果数据来自同一个数据表会自己联动的，如果来自其他数据就需要自定处理，关联一下，类似MySQL的inner join的用法

c89cf8cd129be2a3543ef4331293db36.png

  1. 自定义联动设置（有勾选的代表已经联动）

6caba851e38ad77bf50d2ae1dddf2479.png

总结：

完！

python代码已经上传git

https://github.com/tommy-it/2019-nCov-Map.git

数据平台架构优化：提升系统性能与稳定性
AI天才研究院
02-12 518
数据平台架构优化旨在解决数据规模增长、业务需求变化、技术架构老化等问题带来的挑战，提升数据平台的性能、稳定性、可扩展性、高可用性和安全性，为企业提供更强大的数据处理和分析能力。阐述数据平台架构优化的背景、目的、范围和预期读者。介绍数据平台架构的核心概念，并使用 Mermaid 流程图展示其相互关系。详细分析提升数据平台性能和稳定性的关键策略，包括数据存储优化、数据处理优化、架构设计优化等。结合实际案例，使用代码示例演示如何进行数据平台架构优化。探讨数据平台架构优化在不同行业和业务场景下的应用。
对比PowerBI、Tableau等测评3款BI分析工具
分享Python、数据分析、人工智能前沿知识
07-30 4333
前不久，一位准备入职阿里的学弟问我，他要做电商数据分析，电商有庞杂的标签、模型、数据和业务逻辑，菜鸟应该要具备什么样的分析能力啊？我看了他的岗位职责，主要是负责经营决策支持、专题分析和数据看板搭建，对代码算法涉及很少，更适合用BI工具来构建业务-数据-洞察的闭环场景。BI工具是一类专注于数据驱动业务的分析工具，集合了模型开发、可视化、报表设计、实时分析、汇报展示等功能，部分还涉及到数仓、ETL，通俗点说就是数据“变现”的一站式服务。
从Python到FineBI——我的数据可视化升级之旅
wjx199112的博客
11-22 789
第二季度结束了，半年也过去了，又要给一向雷厉风行的领导出销售数据签单和回款的数据分析报告，眼看着还有三天，需求紧急，小编也不敢懈怠。 找信息部导了上两个季度以及去年一年的excel数据，脑子第一个想到的是怎们构建表格，同比、环比、回款率，用excel做几张表，打印完事。转身倒了一杯水，一想不对，第一季度给领导汇报的时候，给了领导一份10页的纸质报告，领导甩了一句“当我批卷子呐，不合格”怼了回来，虽...
基于Spark+Python+FineBi+爬虫的智联招聘计算机行业数据处理分析
weixin_63814557的博客
06-14 1713
Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型地2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够解决大部分的需要。结论：可以清晰的得出计算机公司规模主要集中在20到300人，计算机行业属于技术类行业，对技术性要求高，不需要太多的劳动力，需要更多的技术人员，员工月薪比较高，20到300人可以很好的满足公司日常运作，更少的员工可以节省成本。
ＭｙＳＱＬ－－Ｐｙｔｈｏｎ操作及可视化
weixin_34198583的博客
02-21 238
在ｉＰｙｔｈｏｎ中植入MySQLdb ＃＃＃操作前的准备＃＃＃＃ importMySQLdb conn=MySQLdb.connect(host="localhost",user="root",passwd="619523",db="zx_wor",charset="utf8")##利用MySQLdb建立一个连接对象ｃｏｎｎ； cur=conn.cursor()##利用连接对象得到游标...
python爬虫+mysql+flask+echarts数据可视化大屏
Y0730Y的博客
01-24 3533
可视化的期末作业
python+flask+mysql实现数据可视化
像蚂蚁一样工作，像蝴蝶一样生活
10-29 1万+
准备工作： 1、Python3 2、Echarts,下载地址：echarts 3、Flask 项目结构 创建DB 使用sqlite数据库 # -*- coding: utf-8 -*- ''' @author: liudinglong @software: pycharm @file: create_db.py @time: 2019/10/25 17:30 ''' # c...
每日分享，一个不错的数据分析实战案例【数据分析可视化】MySQL+Python
热门推荐
w0714的博客
10-03 3万+
利用SQL和pandas对11支球队在7个赛季中的25979场比赛数据，分析各球队在每个赛季的主客场得分情况以及联赛积分情况。
Tableau数据可视化与仪表盘搭建
一峰的技术博客
06-23 1247
1.完全0基础，连Excel图表制作都不熟练的小伙伴，学Tableau，Tableau出图原理遵守可视化，学习Tableau就是在学可视化，并且容易理解。看数据源，如果是CSV格式就用文本链接，如果是excel就用回excel，如果是mysql就需要装mysql驱动。6.面积和体积，面积和体积越大表示度量越大，二维平面通常用于圆形和矩形，三维空间一般用立方体或球体。1.PBI内置功能最全的，但生态内的拓展资源较少，不支持MAC。5.形状，又称标记，散点图和折线图中点的形状。
Python+人工智能基础大纲
m0_59485658的博客
11-27 1800
基础大纲
FineBI：一个简单易用的自助BI工具
12-14
过去，有关企业数据分析的重担都压在IT部门，传统BI分析更多面向的是具有IT背景的人员。但随着业务分析需求的增加，很多公司都希望为业务用户提供自助分析服务，将分析工作落实到业务人员手中。但同时，分析工具毕竟作为一个系统架设在企业数据分析平台的前端，需要适应企业的复杂业态，于是自助式BI成了不二选择。
FineBI在销售分析与业绩监控中的实际应用
FineBI是一款领先的企业级商业智能(BI)软件平台，旨在帮助企业用户快速、灵活地搭建和部署个性化的商业智能应用。FineBI提供了丰富的数据分析和报表展示功能，支持多种数据源的无缝整合，能够满足企业在各个领域的...
通过python获取finebi中的仪表板的token
euler1983的专栏
12-21 1010
第二种是通过python获取finebi的token，从而可以获取所有API的应用。（例如查看目前所有的仪表板）通过python可以构建比较复杂的web 应用，所以二者结合，可以在python的web应用中嵌入炫酷的大屏。有了该Token后，就可以解锁所有的API了。finebi（帆软）是一个BI工具，可以实现无代码的大屏展示，效果很棒。第一种是创建仪表板的公共链接。然后将该连接嵌入到web应用中进行跳转。有两种做法可以实现这个效果。
基于FineBI实现可视化报表
DBA成长之路
07-06 2940
Hadoop--基于FineBI实现可视化报表 本文主要介绍了FineBI的安装教程和基础的使用教程，后续会持续更新更多详细使用教程。
pymysql的安装及使用及使用mysql数据进行可视化（适合入门，过程详细明确，如有错误请一定指出）
小牛从头学起的博客
10-10 2165
通过pymysql对mysql数据库进行简单操作，以及从mysql中获取数据进行可视化（入门级教学）包含pymysql模块的安装。
如果FineBI恋上Python--直播电商用户流失分析
帆软商业智能技术
06-17 2193
探索BI在更深层次数据分析中的应用，涉及算法及模型的部分主要通过python来完成
FineBI连接本地Mysql数据库
qq_51741039的博客
11-09 1万+
1.启动FineBI，找到外接数据库 如果下载的时候没有外接数据库，需要先设置外接数据库(管理系统--系统管理--外接数据库) 我这里是已经配置好了，所以显示“已配置” 数据库名称设置成要连接的数据库名称，这里我已经在数据库里创建了finedb数据库 用户名和密码是数据库的用户名和密码 2. 数据连接 点击“管理系统->数据连接->数据连接管理->新建数据连接” 点击Mysql 主机改为"localhost"(默认是hostname) ,端口为 3306 ...
FineBI安装和部署（超详细的BI分析工具FineBI教程）
最新发布
SooKie_p的博客
08-05 3752
FineBI 是帆软软件有限公司推出的一款商业智能（Business Intelligence）产品。FineBI 是新一代大数据分析的 BI 工具，旨在帮助企业的业务人员充分了解和利用他们的数据。FineBI 凭借强劲的大数据引擎，用户只需简单拖拽便能制作出丰富多样的数据可视化信息，自由地对数据进行分析和探索，让数据释放出更多未知潜能。
Python爬虫+FineBI分析，2019年你想看的A股牛市都在这里了！
小小博客爱分享
11-04 2841
在过去的2018年这一年时间里，股票市场的表现可谓是令广大股民心力交瘁，股价一路走低。不少股民们也是因此对股票丧失了信心，纷纷撤出市场。 但是仍然有一部分股民们仍然坚守着信念，继续奋战在持续走低的股票市场——终于，在2019年开春之后，中国的股票市场迎来了开门红，告别了数年低迷的熊市，一度突破3000大点，2019年牛市真的要来临了吗？ 先放一张股神巴菲特镇楼，希望2019年牛市继续...
hive连接finebi中文乱码
07-27
引用\[1\]中提到了Hive中文乱码问题的解决办法。对于从CSV文件导入到Hive中出现的中文乱码问题，可以考虑修改HDFS的默认输出编码为GBK。此外，还可以在Hive中序列化的时候指定字符编码，通过设置序列化编码为GBK来解决中文乱码问题。 引用\[2\]中提到了修改Hive元数据存储在MySQL中的字符编码格式的方法。可以通过进入MySQL中创建Hive元数据库，并修改元数据库的字符编码格式为UTF-8来解决中文乱码问题。 引用\[3\]中提到了在创建Hive表时使用中文注释导致表的注释显示为问号的问题。解决方案是在Hive元数据存储的MySQL数据库中执行相应的SQL语句，修改字段注释、表注释、分区参数、索引名注释和视图的字符集为UTF-8。 综上所述，如果在Hive连接FineBI中出现中文乱码问题，可以尝试根据上述方法解决Hive中文乱码问题，从而解决连接FineBI中文乱码的问题。 #### 引用[.reference_title] - *1* [Hive 导入的中文数据出现乱码问题](https://blog.csdn.net/erinapple/article/details/81207865)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [解决Hive中文乱码问题](https://blog.csdn.net/duyenson/article/details/128023723)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [hive中文乱码解决方法](https://blog.csdn.net/weixin_45425054/article/details/114656090)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值