【Python+Flask+Echarts 】可视化样题 --- 绘制各年份被淘汰的公司总数对比图形

【Python+Flask+Echarts 】可视化样题 --- 绘制各年份被淘汰的公司总数对比图形

Python+Flask+Echarts可视化

数据可视化的实现可以通过许多的方法，比如熟知的python就可以利用内置matplotlib库进行图形绘制，今天就来介绍一种Python+Flask+Echarts的联合方式进行数据可视化，下面是部分数据及截图，将会按照具体需求进行案例说明。

Flask工程基本结构

资源包主要指的就是要利用到的外部资源

一、基本步骤

利用python的pandas读取数据集按照题目要求提取有效数据，整合为新的数据集将处理好的数据集转为List创建Flask应用对象使用app.route装饰器会将URL和执行的视图函数的关系保存到app.url_map属性上。处理URL和视图函数的关系的程序就是路由，这里的视图函数就是index。编写前端页面获取数据绘图运行应用程序

例1：根据数据集绘制各年份被淘汰的公司总数对比图形，用柱状图表示 ，并给出分析结论

# 1.读取信息df = pd.read_csv("data/closed_company_utf8.csv",encoding="utf-8")print(df.head()) # 查看数据前5行print(df.columns)# 2.数据清洗# 去重#print(df.duplicated().sum()) # 0# 3.时间数据类型转换print(df['death_data'].dtype) # object

第一步首先简单的读取数据文件，有pandas读获取的是DartaFrame类型的数据，会有index、columns。对于刚读取的数据集可以进行简单的清洗处理，比如去重、补null值、查找异常值等等。还有就是要查看数据集中列的数据类型，提前转换好对于后续的处理会做好铺垫，比如数值类型、时间类型、字符串类型等等。在这里由题干得知我们需要用到年份（日期列），所以首先查看原数集对应列的数据类型，发现是object，接下来就要进行转换。

# 3.时间数据类型转换print(df['death_data'].dtype) # object# 转换时间数据df['death_data'] = pd.to_datetime(df['death_data'])print(df['death_data'].dtype) # datetime64[ns]# 提取日期信息df['year'] = df['death_data'].apply(lambda datetime:datetime.year)df['month'] = df['death_data'].apply(lambda datetime:datetime.month)print(df)

进行了日期类型的转换后，需要考虑到各年份的统计数，所以还要提取单独的年份、月份信息，可以通过计算每月的总和统计出一年的个数。

# 4.提取倒闭公司的年份并统计count_year = df[['year','month']]count = count_year.groupby(by="year").count().reset_index()count.columns = ['年份','淘汰数目']

# 5.转换结果集为list，后期传入前端count = count.values.tolist()print(count)

这里将统计出来的DataFrame形式的数据集转化为list，便于前端的获取。

#6.创建flask应用对象app = Flask(__name__)#使用app.route装饰器会将URL和执行的视图函数的关系保存到app.url_map属性上。#处理URL和视图函数的关系的程序就是路由，这里的视图函数就是index。@app.route("/") # 默认5000def index(): sheets_list = count # 说白了，其实render_template的功能是引入index.html --- 前端页面， # 同时根据后面传入的参数，对html进行修改渲染 --- 处理数据 return render_template("closed_company.html", sheets=sheets_list)if __name__ == '__main__': app.run(debug=True)

这部分便是创建Flask应用对象，通过简单的falsk框架，利用render_template将后端和前端连接，在前端利用echarts绘制图像。

完整代码：

# -*- coding: utf-8# @Time : 2020/11/25 15:24# @Author : ZYX# @File : closed_company.py# @software: PyCharmimport jsonimport pandas as pdfrom flask import Flask,render_templatefrom flask_sqlalchemy import SQLAlchemy# 1.读取信息df = pd.read_csv("data/closed_company_utf8.csv",encoding="utf-8")#print(df.head())#print(df.columns)# 2.数据清洗# 去重#print(df.duplicated().sum()) # 0# 3.时间数据类型转换print(df['death_data'].dtype) # object# 转换时间数据df['death_data'] = pd.to_datetime(df['death_data'])# 提取日期信息df['year'] = df['death_data'].apply(lambda datetime:datetime.year)df['month'] = df['death_data'].apply(lambda datetime:datetime.month)# 4.提取倒闭公司的年份数量count_year = df[['year','month']]count = count_year.groupby(by="year").count().reset_index()count.columns = ['年份','淘汰数目']# 5.转换结果集为list，后期传入前端count = count.values.tolist()print(count)# 转换数据类型 --- 可以尝试转为json到前端去访问# def to_json(df,orient='split'):# df_json = df.to_json(orient = orient, force_ascii = False)# return json.loads(df_json)# 6.创建flask应用对象app = Flask(__name__)# 使用app.route装饰器会将URL和执行的视图函数的关系保存到app.url_map属性上。# 处理URL和视图函数的关系的程序就是路由，这里的视图函数就是index。@app.route("/")def index(): sheets_list = count # 说白了，其实render_template的功能是对先引入index.html， # 同时根据后面传入的参数，对html进行修改渲染 --- 处理数据 return render_template("closed_company.html", sheets=sheets_list)if __name__ == '__main__': app.run(debug=True)

​​​​

二、纠正（数据读取细节差别）

一做：

二做：

在之前做这道题目的时候又想到先去处理一下数据，但是打印了重复的条数为0；第二次去再做的时候，发现再次去重时，出现了微妙的变化，竟然有重复记录。

数据集本身没有错，读取路径也没有错，有点小绝望。。。

But，经过仔细比对，终于发现了不同之处，如上图所示，在读取数据的时候，第二次加了个参数​​index_col​​,没错就是它！

让我们来冷静分析一波：加上index_col就将原本数据的第一列作为了行索引，数据比较去重时是将记录从原来的com_nam字段开始往后，逐行对比；如果没有设置该参数，那么情况就不一样了，在去重时按照了bianh字段开始往后，逐行对比，而bianh是累加的，怎么都不会有重复出现，所以两次的结果出现了差别。

所以，上述的案例过程没有问题，只是在读取的时候出了点小差错，后面的操作都可以照常进行，将以下部分重写即可，最终的统计结果会有细微的差别，这里我就将最后的结果图附在文章结尾。

# 读取数据data = pd.read_csv("data/closed_company_utf8.csv",index_col=0)# 简单清洗print(data.info())print(data.duplicated().sum())print(data[data.duplicated()])data.drop_duplicates(inplace=True)print(data.info())

​​​​

三、最终图

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。