黄钢的博客

以下是一个使用fastapi上传视频的接口，记录一下工程化后端程序的业务逻辑重点是代码如何抽离。

近期需要大量处理数据，pandas比excel效率高太多，记录一下pandas的常用高阶用法。

后端开发语言中，我钟情于node，高效的异步处理真是让我眼前一亮，同时，简单易懂的语法也让我非常倾心但是但是，因为考虑要写一个深度学习算法的后端接口，所以不得不选用python作为后端进行开发，并不是我不喜欢Python，相反，Python作为我的第一语言，我同样非常喜欢，只不过我更喜欢用它来做数据分析关于Python的后端框架，在Django和fastapi中，我最终选择了fastapi。

兜兜转转，发现自己还得用Python写后端，无语。。。

关键代码就是定义了一个geo_formatter方法，在添加数据的时候，将提示框的数据显示改为该方法，可以看看显示效果。可以看到，提示框里面不再有经纬度数据了，只剩一个数值（懂的都懂）记录一下代码，免得老是找不到。

pandas基础

根据词频、背景图绘制词云图记录一下绘制词云图的过程首先说明一下，绘制词云图完整的过程应如下：获取一段文本，也就是要根据这个文本来绘制词云图制作停用词词典，简单来说，停用词就是分词的规则，例如，可以根据一些副词来断开文本进行分词根据分词的结果统计词频，也就是高频词设置词云图背景绘制词云图我现在跳过分词的过程，直接通过词频来绘制词云图直接上代码import numpy as npfrom wordcloud import WordCloudfrom PIL import Image