python做的数据图表怎么在flask中显示_利用 Flask 动态展示 Pyecharts 图表数据方法小结...

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 Flask

from jinja2 import Markup

from pyecharts import options as opts

from pyecharts.charts import Bar

app = 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 c

@app.route("/")

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

动态更新数据

(

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);

}

});

}

)

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：

Awesome-pyecharts

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);

}

});

}

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 c

@app.route("/")

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

Awesome-pyecharts

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}]

});

}

});

}

增量更新，后端代码也需要相应的修改

from pyecharts.charts import Line

def 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 line

@app.route("/")

def index():

return render_template("index.html")

@app.route("/lineChart")

def get_line_chart():

c = line_base()

return c.dump_options_with_quotes()

idx = 9

@app.route("/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网站的支持！

如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！