2023年1-5月汽车销量可视化分析大屏+报告

由于临近期末，所以根据汽车销量排行做个了可视化大屏作为期末大作业，数据是某车帝爬来的。

使用到的技术：Flask、pymysql、pyecharts

pyecharts官网：pyecharts - A Python Echarts Plotting Library built with love.

数据的内容是非常枯燥的，尤其单纯的通过数据表面，不能够看到其深度的意义和代表。但若是能够依赖于数据可视化方法的原理，就可以在一定程度上颠覆更加枯燥的数据内容，通过图表、图像等各种特殊的方法进行呈现，就可以让数据的分析通过这些更生动的方法变得更加通俗易懂。

  我也部署在了PythonAnywhere感兴趣的小伙伴可以看一下哟：汽车销量可视化大屏

 好！废话不多说。直接上图！ 

数据

数据库一张表的car_sales：车名、图片、排名、销量、品牌名、厂商、车型、起售价、最高价、月份

本来我想通过requests和bs4库来爬取网页的数据，但是意外发现了某车帝的现成接口，所以我们直接调用接口返回的数据就好

import requests
import pymysql
import json
import time
    
def get_conn():
    # 建立连接
    conn = pymysql.connect(host="127.0.0.1",port=3380, user="root", password="root", db="car", charset="utf8")
    # c创建游标
    cursor = conn.cursor()
    return conn, cursor


def close_conn(conn, cursor):
    if cursor:
        cursor.close()
    if conn:
        conn.close()
        
def get_data(url):
    res = json.loads(requests.get(url).text)
    return (res['data']['list'])

def insert_hotsearch(url,t,m):
    cursor = None
    conn = None
    try:
        conn,cursor = get_conn()
        print(f"{time.asctime()}开始插入数据")
        conn,cursor = get_conn()
        sql = "insert into car_sales_copy1(`series_name`, `image`, `rank`, `count`, `brand_name`, `type`, `sub_brand_name`, `min_price`, `max_price`, `month`) values(%s,%s,%s,%s,%s,%s,%s,%s,%s,%s);"
        ts = time.strftime("%Y-%m-%d %X")
        for i in get_data(url):      
            series_name = i.get('series_name')
            image = i.get('image')
            rank = i.get('rank')
            count = i.get('count')
            brand = i.get('brand_name')
            sub_brand_name = i.get('sub_brand_name')
            min_price = i.get('min_price')
            max_price = i.get('max_price')
            cursor.execute(sql,(series_name,image,rank,count,brand,t,sub_brand_name,min_price,max_price,m))
        conn.commit()
        print(f"{time.asctime()}数据插入完毕")
    except:
        traceback.print_exc()
    finally:
        close_conn(conn,cursor)
        
if __name__ == "__main__":
    # 这里大家根据自己选择想爬取的月份
    months = ['202305','202304','202303','202302','202301']
    data = {
        '轿车': {
            'start': 0,
            'end': 6,
            'car_type': ['微型车','小型车','紧凑型车','中型车','中大型车','大型车']
        },
        'SUV': {
             'start': 10,
            'end': 15,
            'car_type': ['小型SUV','紧凑型SUV','中型SUV','中大型SUV','大型SUV']
        },
        'MPV': {
             'start': 20,
            'end': 25,
            'car_type': ['小型MPV','紧凑型MPV','中型MPV','中大型MPV','大型MPV']
        }
    }
    for month in months:
        for d in data:
            item = data.get(d)
            for index,value in enumerate([i for i in range(item.get('start'),item.get('end'))]):
                url = f'https://www.dongchedi.com/motor/pc/car/rank_data?aid=1839&app_name=auto_web_pc&count=100000&month={month}&rank_data_type=11&outter_detail_type={value}&nation=0'
                print(month,d,item.get('car_type')[index])
                insert_hotsearch(url,item.get('car_type')[index],month)

我听到很多小伙伴调侃说：“在 pyecharts 中,一切皆 Options。”

不过好像确实这样的。。。

Pyecharts的配置项按模块分为全局配置、系列配置
系列配置分为整体配置和局部配置，而新配置会覆盖旧配置。

具体的我们还是参考官网，说得很详细。然后官网也有很多示例，小伙伴们感兴趣可以康康哦。

好，接下来我们来看本项目分钟使用前后端分离的方式，在Flask使用pyecharts。

通过查询数据库的数据=>生成配置信息=>返回给前端。在前端引入echarts.js，初始化图表并配置。

ok，下面我们看来个本项目中的例子吧。

后端接口        

from random import randrange

from flask import Flask, render_template

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", [randrange(0, 100) for _ in range(6)])
        .add_yaxis("商家B", [randrange(0, 100) for _ in range(6)])
        .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():
    return render_template("index.html")

# # 本项目的中国汽车销量柱状图
# @app.route('/barChina')
# def bar_china() -> Bar:
#     """
#     返回中国汽车销量柱状图的配置信息
#     :return: options
#     """
#     # 获取数据
#     xdata, ydata = utils.get_data(1)
#     newX = []
#     for x in xdata:
#         newX.append(x[0:5] + '-' + x[5:])
#     c = (
#         Bar()
#         .add_xaxis(newX)
#         .add_yaxis("", ydata, bar_width='35%')
#         .set_series_opts(
#             # 不显示标签
#             label_opts=opts.LabelOpts(is_show=False, color='rgba(255,255,255,.6)'),
#             # 设置线条颜色
#             line_style_opts=opts.LineStyleOpts(color='rgba(255,255,255,.1)'),
#             # 不显示线
#             axis_line_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(is_show=False)),
#             # 设置圆角
#             itemstyle_opts={"barBorderRadius": 5},
#         )
#         .set_global_opts(
#             # 不显示图例
#             legend_opts=opts.LegendOpts(is_show=False),
#             # 提示窗设置
#             tooltip_opts=opts.TooltipOpts(trigger='axis', axis_pointer_type='shadow'),
#             # x轴设置
#             xaxis_opts=opts.AxisOpts(
#                 type_='category',
#                 axistick_opts=opts.AxisTickOpts(
#                     is_align_with_label=True,
#                 ),
#                 # x轴标签设置
#                 axislabel_opts=opts.LabelOpts(
#                     color='rgba(255,255,255,.6)',
#                     font_size=12,
#                 ),
#                 # 轴线设置
#                 axisline_opts=opts.AxisLineOpts(
#                     is_show=False
#                 ),
#                 # 分割线
#                 splitline_opts=opts.SplitLineOpts(is_show=False)  
# 
#             ),
#             # 配置y轴
#             yaxis_opts=opts.AxisOpts(
#                 # 坐标轴类型。可选：
#                 # 'value': 数值轴，适用于连续数据。
#                 # 'category': 类目轴，适用于离散的类目数据，为该类型时必须通过 data 设置类目数据。
#                 # 'time': 时间轴，适用于连续的时序数据，与数值轴相比时间轴带有时间的格式化，在刻度计算上也有所不同，
#                 # 例如会根据跨度的范围来决定使用月，星期，日还是小时范围的刻度。
#                 # 'log' 对数轴。适用于对数数据。 
#                 type_='value',
#                 axistick_opts=opts.AxisTickOpts(is_show=False),
#                 axislabel_opts=opts.LabelOpts(
#                     color='rgba(255,255,255,.6)',
#                     font_size=12,
#                 ),
#                 splitline_opts=opts.SplitLineOpts(
#                     is_show=True,
#                     linestyle_opts=opts.LineStyleOpts(
#                         color='rgba(255,255,255,.1)'
#                     )
#                 )
#             )
#         )
# 
#     )
#     # 网格对象（用于组合图表，不过这里我用来调整图表的位置）
#     grid = Grid()
#     grid.add(c, opts.GridOpts(pos_left="8%", pos_top="10px", pos_right="0%", pos_bottom="15%"),is_control_axis_index=True)
#     # 获取全局 options，JSON 格式（JsCode 生成的函数带引号，在前后端分离传输数据时使用）
#     return grid.dump_options_with_quotes()



@app.route("/barChart")
def get_bar_chart():
    c = bar_base()
    return c.dump_options_with_quotes()


if __name__ == "__main__":
    app.run()

 前端页面

<!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>
        $(
            function () {
                var chart = echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});
                $.ajax({
                    type: "GET",
                    url: "http://127.0.0.1:5000/barChart",
                    dataType: 'json',
                    success: function (result) {
                        chart.setOption(result);
                    }
                });
            }
        )
    </script>
</body>
</html>

  好，各位小伙伴们，今天的分享就到这。

完整的源码：https://download.csdn.net/download/weixin_48625737/87931064