python做出的炫酷的可视化,python做大屏数据可视化

用python+django+pyecharts制作数据可视化大屏 1,view.py def pie(request): # r = redis.StrictRedis(host='127.0.0.1', port=6379, decode_responses=True) # piexs=r.hgetall(name='computer_total_redis') # if r.hlen(name="computer_total_redis"): # piex = [[key, int(value)] for key,va... 阅读详情

大家好,给大家分享一下python做一个动态可视化交互大屏库的软件,很多人还不知道这一点。下面详细解释一下。现在让我们来看看!

目录

数据连接 - python Redis

效果展示

一、 确定需求方案

1、确定产品上线部署的屏幕分辨率

2、部署方式 

二、整体架构设计

三、编码实现 (基于篇幅及可读性考虑,此处展示部分关键代码)

1、前端html代码 - 页面整体布局 

2、前端JS代码 - Echarts地图组件

3、Echarts 自动高亮 - 地图组件

4、后端python实现的httpserver代码

5、Redis 数据源及代码

1、数据连接代码

2、数据查询代码

四、上线运行效果

五、启动命令

六、源码下载

更多精彩案例


写在前面,最近收到了很多小伙伴们的建议,大屏的数据源是否可以展示更丰富的种类,比如Excel,数据库等,那就更加贴近小伙伴们的实际工作场景,可以很快在工作中应用,所以应小伙伴需求,就诞生了这篇 【 基于 Echarts + Python 动态实时大屏范例 - Redis数据源】。另外说明下,很多实际展示场景下需要自动播放效果,本案例也展示了Events和DispatchAction触发的饼图和地图高亮效果,非常实用python基础知识重点。

之前小伙伴们建议我出一些视频课程来学习Echarts,这样可以更快上手,所以我就追星赶月的录制了《Echart-0基础入门》系列课程(共14节课) ,希望小伙伴们多多支持。

话不多说,开始分享干货,欢迎讨论!QQ微信同号: 6550523

数据连接 - python Redis

Redis(Remote Dictionary Server ),即远程字典服务,是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库,并提供多种语言的API。Value 支持 string(字符串),list(列表),set(集合),zset(有序集合),hash(哈希类型)等类型。

Redis 官网: Redis

ptyhon Redis教程: Python redis 使用介绍 | 菜鸟教程

效果展示

 

一、 确定需求方案

1、确定产品上线部署的屏幕分辨率

根据电脑分辨率屏幕自适应显示,F11全屏查看;

2、部署方式 

B/S方式:支持Windows、Linux、Mac等各种主流操作系统;支持主流浏览器Chrome,Microsoft Edge,360等;服务器采用python语言编写,配置下python依赖即可。

二、整体架构设计

  1. 前端Echarts开源库:使用WebStorm编辑器;
  2. 后端 http服务器:基于 Python 实现,使用Pycharm或VSCode编辑器;
  3. 数据传输格式:JSON;
  4. 数据源类型:Redis DataBase。实际开发需求中,支持定制HTTP API接口方式或其它各种类型数据库,如PostgreSQL、MySQL、Oracle、Microsoft SQL Server、SQLite、Excel表格等。
  5. 数据更新方式:本案例为了展示数据,采用http get拉取方式。实际开发需求中,采用后端数据实时更新,实时推送到前端展示;

三、编码实现 (基于篇幅及可读性考虑,此处展示部分关键代码)

1、前端html代码 - 页面整体布局 


<body style="background-color: #01030c">

      <div class="container_fluid">
            <div class="row_fluid" id="vue_app">
                  <div style="padding:0 0" class="col-xs-12 col-md-12">
                        <dv-decoration-1 style="height:4%;">
                        </dv-decoration-1>

                        <h3 id="container_h"></h3>

                  </div>

                  <div style="padding:0 0" class="col-xs-12 col-md-3">

                        <dv-border-box-13 style="height:29%;padding:0 0" class="col-xs-12 col-md-12">
                              <div style="height:100%;padding:5% 5% 5% 5%;" id="container_0"></div>
                        </dv-border-box-13>

                        <div style="padding:0 0" class="col-xs-12 col-md-12">
                              <dv-border-box-13 style="height:29%;padding:0 0" class="col-xs-12 col-md-12">
                                    <div style="height:100%;padding:5% 5% 5% 5%;" id="container_1"></div>
                              </dv-border-box-13>
                        </div>

                        <div style="padding:0 0" class="col-xs-12 col-md-12">
                              <dv-border-box-13 style="height:29%;padding:0 0" class="col-xs-12 col-md-12">
                                    <div style="height:100%;padding:5% 5% 5% 5%;" id="container_2"></div>
                              </dv-border-box-13>
                        </div>
                  </div>

                  <div style="padding:0 0" class="col-xs-12 col-md-6">

                        <dv-border-box-13 style="height:87%;padding:0 0" class="col-xs-12 col-md-12">
                              <div style="height:100%;padding: 2% 2% 2% 2%" id="container_3"></div>
                        </dv-border-box-13>
                  </div>

                  <div style="padding:0 0" class="col-xs-12 col-md-3">
                        <dv-border-box-13 style="height:29%;padding:0 0" class="col-xs-12 col-md-12">
                              <div style="height:100%;padding:5% 5% 5% 5%;" id="container_4"></div>
                        </dv-border-box-13>

                        <div style="padding:0 0" class="col-xs-12 col-md-12">
                              <dv-border-box-13 style="height:29%;padding:0 0" class="col-xs-12 col-md-12">
                                    <div style="height:100%;padding:5% 5% 5% 5%;" id="container_5"></div>
                              </dv-border-box-13>
                        </div>

                        <div style="padding:0 0" class="col-xs-12 col-md-12">
                              <dv-border-box-13 style="height:29%;padding:0 0" class="col-xs-12 col-md-12">
                                    <div style="height:100%;padding:5% 5% 5% 5%;" id="container_6"></div>
                              </dv-border-box-13>
                        </div>
                  </div>

            </div>
      </div>
</body>

2、前端JS代码 - Echarts地图组件

document.write("< language=java src=util/china.js></>");
var myChart;
var data = [];
var mapOption;
var barOption;
var currentOption;

function initEchartMap(idContainer) {
  myChart = echarts.init(document.getElementById(idContainer), window.gTheme);
  mapOption = {
    tooltip: {
      trigger: "item",
      formatter: function (params) {
        value = 0;
        if (!window.isNaN(params.value)) {
          value = params.value;
        }
        return params.name + " : " + value;
      },
    },

    visualMap: {
      realtime: true,
      calculable: true,
      seriesIndex: 0,
    },

    geo: [
      {
        map: "china",
        roam: true,
        layoutCenter: ["50%", "55%"],
        layoutSize: "120%",
        selectedMode: "single",
        zoom: 0.9
      },
    ],
    series: [
      {
        name: "地图",
        type: "map",
        coordinateSystem: "geo",
        geoIndex: 0,
        data: [],
      }
    ],
  };

  barOption = {
    grid: {
      left: "10%",
      top: "20%",
      right: "5%",
      bottom: "5%",
      containLabel: true,
    },
    xAxis: {
      type: "value",
      axisLabel: {
        textStyle: {
          color: "rgba(255,255,255,.7)",
          fontSize: 12,
        },
      },
      axisLine: {
        lineStyle: {
          color: "rgba(255,255,255,.2)",
        },
      },
      splitLine: {
        lineStyle: {
          color: "rgba(255,255,255,.1)",
        },
      },
    },
    yAxis: {
      type: "category",
      axisLabel: {
        rotate: 30,
        textStyle: {
          color: "rgba(255,255,255,.7)",
          fontSize: 12,
        },
      },
      axisLine: {
        lineStyle: {
          color: "rgba(255,255,255,.2)",
        },
      },
      splitLine: {
        lineStyle: {
          color: "rgba(255,255,255,.1)",
        },
      },
      data: data.map(function (item) {
        return item.name;
      }),
    },
    dataZoom: [
      {
        type: "slider",
        yAxisIndex: 0,
        left: "2%",
        start: 50,
        end: 100,
      },
    ],
    animationDurationUpdate: 1000,
    series: [
      {
        type: "bar",
        id: "population",
        data: data.map(function (item) {
          return item.value;
        }),
        universalTransition: true,
      },
    ],
  };
  currentOption = mapOption;
  myChart.setOption(mapOption);

  setInterval(function () {
    currentOption = currentOption === mapOption ? barOption : mapOption;
    myChart.setOption(currentOption, true);
  }, 3000);

  window.addEventListener("resize", function () {
    myChart.resize();
  });
}

function asyncDataMap(filename) {
  $.getJSON(filename).done(function (res) {
    data = res.sort(function (a, b) {
      return a.value - b.value;
    });

    barOption.series[0].data = data.map(function (item) {
      return item.value;
    });
    barOption.yAxis.data = data.map(function (item) {
      return item.name;
    });
  
    mapOption.series[0].data = res;

    currentOption = currentOption === mapOption ?  mapOption : barOption;
    myChart.setOption(currentOption, true);
  }); //end $.getJSON
}

3、Echarts 自动高亮 - 地图组件

本例中的饼图和地图都加了自动高亮效果,再做展示的时候这个功能 非常有用。

setInterval(function () {
    var myChart = echarts.init(document.getElementById(container));
    var dataLen = 0;
    try {
      dataLen = myChart.getOption().dataset[0]["source"].length;
    } catch {
      dataLen = myChart.getOption().series[0]["data"].length;
    }

    // 取消之前高亮的图形
    myChart.dispatchAction({
      type: "downplay",
      seriesIndex: 0,
      dataIndex: currentIndex,
    });

    currentIndex = (currentIndex + 1) % dataLen;
    // 高亮当前图形
    myChart.dispatchAction({
      type: "highlight",
      seriesIndex: 0,
      dataIndex: currentIndex,
    });
    // 显示 tooltip
    myChart.dispatchAction({
      type: "showTip",
      seriesIndex: 0,
      dataIndex: currentIndex,
    });
  }, 1000);

4、后端python实现的httpserver代码


def HttpServer():
    try:
        server = HTTPServer((ip, port), MyRequestHandler)
        listen = "http://%s:%d" % (ip, port)
        print("服务器监听地址: ", listen)
        server.serve_forever()
    except ValueError as e:
        print("Exception", e)
        server.socket.close()


if __name__ == "__main__":
    HttpServer()

5、Redis 数据源及代码

1、数据连接代码
# 创建 redis 连接池
pool = redis.ConnectionPool(
    host='192.168.1.27', port=6379, decode_responses=True)
2、数据查询代码
def get_kv(name, is_zip=False):
    r = redis.Redis(connection_pool=pool)
    # hkeys得到name所有的keys, hvals得到name所有的value
    keys, values_str = r.hkeys(name), r.hvals(name)
    # 将字符串转为int,否则echarts pie_sex渲染错误
    values = [int(item) for item in values_str]
    if is_zip:
        return list(zip(keys, values))
    else:
        return keys, values

四、上线运行效果

五、启动命令

<!-- 启动server命令 -->
python httpserver.py 

<!-- 浏览器中输入网址查看大屏(端口为 httpserver.py 中的 port 参数定义) -->
http://localhost:88xx 

<!-- 更多资料参考我的博客主页  -->
https://yydatav.blog.youkuaiyun.com/

<!-- 更多案例参考 -->
https://blog.youkuaiyun.com/lildkdkdkjf/article/details/120705616

六、源码下载

23【源码】数据可视化:基于Echarts+Python动态实时大屏范例-Redis数据源.zip-企业管理文档类资源-优快云下载

注:源码包括python的httpserver + Redis数据源码 + eCharts

本次分享结束,欢迎讨论!QQ微信同号: 6550523

更多精彩案例

YYDatav的数据可视化《精彩案例汇总》_YYDataV的博客-优快云博客

Python制作可视化大屏(东京奥运会) 目录 文章目录 前言 一、数据爬取 二、数据预处理 三、Pyecharts可视化 3.1 2020东京奥运会各国金牌分布图 3.2 2020东京奥运会奖牌榜详情 3.3 2020东京奥运会中国各项目获奖详情 四、数据大屏布局 总结 前言 本文基于requests库爬取的奥运会相关数据,利用pandas库对数据进行处理之后,最后介绍了如何利用pyecharts库制作可视化大屏。 一、数据爬取 import requests import pandas a... 阅读详情

相关推荐

Python:制作天气数据可视化大屏

from bs4 import BeautifulSoup from pyecharts import options as opts from pyecharts.charts import Line, Liquid, Pie, Page,Radar, Geo, Scatter3D, WordCloud, EffectScatter, Tree import random from pyecharts.globals import SymbolType def tab1(name, color): .

m0_57076676的博客 3041

用python制作可视化大屏

本文章是用网站的示例图用python汇总后用html在网页中实现数据可视化,最后达到数据大屏的效果

yang3366的博客 9317

【数据可视化-70】奶茶店销量数据可视化:打造炫酷黑金风格的可视化大屏

通过上述代码,我们成功地将奶茶店的销售数据转化为一个炫酷的黑金风格的可视化大屏。每个图表都以其独特的方式揭示了数据中的洞察,帮助我们更好地理解奶茶店的销售情况。希望这篇文章对你有所帮助,如果你有任何问题或建议,欢迎在评论区留言。

qq_38614074的博客 1393

干货分享:10个行业可视化大屏模板(附 Python 源码)

大家好,数据大屏是一种用于展示和分析数据的可视化工具,通常用于监控、分析和报告数据。大屏可以帮助组织更好地理解和管理其数据,支持数据驱动决策,提高业务效率和决策的质量。本文的大屏基于Python开发,它有广泛生态系统和丰富的库使其成为一个强大的工具,用于开发各种类型的数据大屏应用。今天我来分享10个行业可视化大屏的作品分享,希望大家能从作品中寻找到灵感 ,创造更新的可视化大屏应用。

Python数据挖掘 5476

AtmelStudio 7 ASF库学习笔记一:新建工程、配置时钟、下载程序和查看官方例程

由于需要学习一下atmel的atsaml 系列,使用AtmelStudio 7开发,之前主要用STM32,现在看到Atmel的库函数,其实是有些类相似的。 ASF3的库对应ST的标准库。ASF4对应ST的HAL库,Ateml Start对应STM32CubeMX。但在这里还是用ASF3来开发,因为Ateml Start还不支持我的这个芯片,而且和STM32的HAL库类似,ASF4为了好移植都是底...

yxy244的博客 8661

《R语言实战》第八章之回归分析图形

回归分析图形 回归分析分为简单回归与复杂回归 1 : 简单线性回归即:模型中只包含一个因变量和一个自变量,有时候也会包含多项式, 这个图形描述了身高与体重的线性关系,这也是一个多项式图形 2:当我们的预测变量(自变量)不止一个时,就属于多元线性回归,而且多元线性回归中也可以包含多项式以及交互项 (1)在进行多远回归分析之前可以先描述变量之间的相关关系 上图为一个散点图矩阵,描述了五个变量之间的相关关系,我们可以通过非主对角线的散点图来查看两个变量之间的关系。 多元线性回归简单地就是OLS回归,通过lm和

Strawberry_Ya的博客 1836

最新Python数据分析 之 制作酷炫的可视化大屏,特简单

既然数据已经有了,下面就可以来编写页面了。导入相关的Python库,同样可以通过pip进行安装。设置一些基本的配置参数,如数据库连接、网页样式、Dash实例、图表颜色。

2301_82243558的博客 2983

Java后端实战:钉钉互动卡片消息从配置到生产级对接

在企业级消息推送场景中,机器人通知已从简单的文本向富交互演进。其核心原理在于通过可交互的卡片模板,将传统单向通知升级为双向、有状态的微型应用界面,实现了用户无需跳转即可完成操作的技术价值。这广泛应用于审批、任务确认、数据填报等需要即时反馈的业务流程。本文聚焦于钉钉平台,深入剖析其互动卡片消息机制,并基于Java后端,系统讲解如何实现包括安全验签、异步回调与卡片动态更新在内的生产级对接方案,涵盖配置管理、服务降级等工程实践关键点,助力构建稳定高效的企业消息交互服务。

weixin_30617737的博客 439

【python可视化大屏】使用python实现可拖拽数据可视化大屏

简简单单使用python实现可拖拽的评论数据可视化大屏……

陶陶name 5662

【理解机器学习算法】之岭回归Ridge - L2 Rgularization

本人就职海外从事人工智能领域开发设计。 希望花时间总结下流行的机器学习算法,希望大家一起学习,欢迎指正!

Hyman Qiu 2319

量子阱技术解析:从基础原理到前沿应用

本文深入解析量子阱技术,从微观“能量游泳池”的基础原理出发,阐释了其通过限制电子实现能级量子化,从而精确调控发光波长的核心机制。文章详细探讨了量子阱在半导体激光器和LED中的革命性应用,如实现低阈值电流与高亮度显示,并展望了其在能带工程及量子级联激光器等前沿领域的发展与挑战。

weixin_29267307的博客 283

python数据可视化:基于pyecharts的BI数据大屏

1 项目背景 作为公司负责搜索和推荐的部门,很多业务数据都需要进行可视化展示:一方面是方便团队成员进行监控和分析,另一方面也是为了和业务部门共享分析成果,让数据产生更多的价值。虽然公司已经准备部署Tableau,但我们经过讨论后认为团队自己开发的大屏可以更灵活、也可以和Tableau形成互补。在寻找解决方案的时候,我们首先明确了以下几条标准,并且最终选定了pyecharts。 图表丰富,提供仪表...

SUL 4万+

AutoModelForCausalLM 加载失败:flash_attn 缺失的三种解决方案

本文针对使用AutoModelForCausalLM加载大语言模型时因缺失flash_attn依赖而报错的问题,提供了三种实用解决方案。最推荐通过修改模型配置文件或代码动态指定注意力实现为“eager”模式来绕过检查,也介绍了临时修改库源码的应急方法,并解释了flash_attn的作用及正确安装指南。

html8的博客 270

Python数据可视化大屏最全教程(全)

阅读本文大约需要3分钟 主要内容:数据分析。 适用人群:Python初学者,数据分析师,或有志从事数据分析工作的人员。 准备软件:Anaconda(Spyder:代码编译)、Navicat Premium 12(数据库)。 从事IT项目管理这么多年,基本上已经遗弃编程技能,但从2019年开始接触Python,深深地迷上了这门语言,像硬件集成、数据分析,我都会用python来写。晓风想通过本文,让初学者们学会以下内容: 1、Pyecharts图表; 2、连接数据库; 3、大屏看板-监控中

ofter数据科学 1万+

matlab从无到有系列(九):Simulink基础仿真详解(全网最全,从入门到放弃)

🔗 运行环境:Matlab 🚩 作者:左手の明天 🥇 精选专栏:《python》 🔥 推荐专栏:《算法研究》 📚 选自专栏:《数学建模》 🧿 优秀专栏:《Matlab神经网络案例分析》 目前持续更新的专栏: 🥇 专栏:Matlab GUI编程技巧 🔥 专栏:Matlab从无到有系列 📚 专栏:《数学建模》 💗 大家好,我是左手の明天!💗 📆 最近更新:2022 年 4 月 2 日,左手の明天的第215 篇原创博客 🌟🌟往期必看🌟🌟 matlab从无到有系列(二):矩阵运算基础...

左手の明天的博客 9万+

YOLO模型在STM32微控制器上的部署:1.98M参数如何塞进嵌入式设备?

<think>我们根据内容生成不超过150字的摘要。内容主要是关于YOLO模型在STM32微控制器上的部署,包括STM32N6 NPU、模型量化、工具链、开源方案和架构设计。摘要需要简洁概括主要点。 字数限制:≤150字。需要包含关键信息:STM32N6运行YOLO,困难,方案(NPU、INT8量化、工具链),性能(34 FPS 9.4mJ)。结尾可能提到开源和生态。 写中文摘要。注意不超过150字。</think>本文探讨YOLO模型在STM32微控制器上的部署。集成NPU的STM32N6搭配轻量化YOL

2601_95807009的博客 258

【11】数据可视化:基于 Echarts + Python 实现的动态实时大屏 - 销售指标大屏

近年来,数据可视化大屏的出现,掀起一番又一番的浪潮,众多企业主纷纷想要打造属于自己的 “酷炫吊炸天” 的霸道总裁大屏驾驶舱。今天为大家分享的是 【 销售指标 - 数据可视化大屏解决方案】。 话不多说,开始分享干货,欢迎讨论!QQ微信同号: 6550523 ❤️效果展示❤️ 1、首先看动态效果图 2、再看实时分片数据图 3、丰富的主题样式 一、确定需求方案 1、确定产品上线部署的屏幕LED分辨率 1280px*768px,F11全屏后占满整屏无滚动条;其它分辨率屏幕...

记录项目交付的日常 7237

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

全文3000字,Pyecharts制作可视化大屏全流程! (附代码分享)

就在上一篇的文章当中干货分享 | 用Pyecharts绘制20钟不同风格的炫酷交互式图表,建议收藏有粉丝提到说是不是可以写一篇用Pyecharts模块做可视化大屏的相关教程,小编立马就答应...

weixin_43373042的博客 1万+

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

太炫酷了,Python 这款工具制作数据面板大屏非常棒

在Python当中用于绘制图表的模块,相信大家用的最多的便是matplotlib和seabron,除此之外还有一些用于动态交互的例如Plotly模块和Pyecharts模块。 今天我为大家来推荐两个用于制作可视化大屏的库,分别叫做hvPlot以及Panel,非常不错,喜欢记得收藏、关注、点赞。 【注】完整代码、数据、技术交流,文末获取 用pandas以及hvPlot结合生成具有交互性的图表 用Panel模块生成小的组件,配合图表进行使用 制作一个数据可视化大屏来更好地呈现数据 pandas+

Python学习与数据挖掘 2748

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

智慧数据驱动:基于smardaten构建多维数据可视化大屏

前段时间有位粉丝找到我问数据可视化大屏怎么做,我说我之前的博文里介绍过基于Flask和Echarts搭建的大屏,你可以去看看。结果他来了句“没学过任何编程代码怎么办?”,好家伙,一下给我整懵了,于是为了解决这个问题,照顾零基础的粉丝,我花了几天时间找了个不需要代码就可以做可视化大屏的方法,这篇文章就讲手把手教会你搭建数据可视化大屏(无需代码)。数据可视化大屏是一种将数据以图表、图形、动画等形式展示在大屏幕上的技术。

m0_64336780的博客 2万+
上一篇: python登录网页账号密码,python网站登录爆破登录
下一篇: python3ide安卓版官网下载,python3下载手机安卓版
普通网友
博客等级 码龄22年 1万+粉丝 3156原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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