我乐了的博客

PyEcharts 与 Flask 框架整合的前后端混合模式，其操作流程如下图所示：图 2：前后端混合模式操作流程会创建一个空白的 Flask 项目，会复制 PyEcharts 模板文件到 Flask 项目模板文件目录 templates，通过后台程序，基于 PyEcharts 模板文件，渲染可视化图表。我们依次来看。

了解了 Flask 的常用插件，我们接下来通过一个案例的方式，学习一下 Flask 的使用方法。导入模块声明对象路由设置业务逻辑处理数据逻辑处理和服务启动。具体的流程如下图所示：图 10：Flask 程序设计流程上图中，导入模块环节负责导入 Flask 应用程序需要类和函数；对象声明环节声明一个 Flask Application 应用对象；路由设置环节定义一个服务接口，接受来自客户端的数据请求；业务响应环节定义服务于客户端请求的业务逻辑处理，包括数据访问、加工处理和图表页面渲染等；数据处理环节。

实时数据监控需要监控的是核心业务指标。对于影片租赁业务而言，需要监控的核心指标就是交易数据：每天的实时的收入、交易量和库存数，共 3 个主要的业务活动。具体需要考虑的指标为：订单量、交易额和库存量。本案例中，我选择了订单量作为我们分析的指标。关于以上三个指标定义如下表所示：表 1：指标定义交易额和库存量的计算逻辑可以参考订单量生成。实时数据监控指标卡通常用于呈现业务和发现问题，因此除了核心指标的实时数值之外，通常需要结合指标的同比、环比、时间进度和任务目标完成状态等因素。

我在“04 | 图表组件：Echarts数据可视化图表基础”这一课时中简单介绍了 PyEcharts 的参数配置项和图表元素之间的映射关系：PyEcharts 图表配置项这里，我将详细介绍具体的配置项的参数设置方法。PyEcharts 配置项分全局配置项和系列配置项，其中全局配置项作用域为整个图表（与具体需要呈现的数据内容无关），可以理解为静态部分；系列配置项作用范围为基于数据动态绘制的部分。序号类名称主要功能1初始化配置项尺寸、主题样式2工具箱配置项是否显示、位置、工具项3。

Python 是一门富有表现力的开发语言，是数据科学和人工智能在学习和科研场景下的首选语言。Python 语言的主要特点包括以下几个方面。简单、易学：Python 语言的语法规则、数据类型相对简单易学，可以快速入门。开源、免费：Python 语言是一个基于 C/C++的开源的项目，可以免费使用。跨平台支持：Python 语言支持主流的操作系统：Windows、Linux、Mac、IOS、安卓等，Python 程序可以在各个平台之间实现无缝迁移。资源丰富。

Echarts 是一个开源的免费的成熟的商业级图表可视化框架，是 Apache 开源社区的顶级项目之一，也是国内使用最多和最为广泛的可视化图表框架之一。数据可视化图表框架并没有一个统一的行业标准，比较常见的有 D3、Highcharts 等，Echarts 因其图表丰富、主题多样美观大方、开源免费、文档资料健全，逐渐成为国内用户的首选，是事实上的行业标准。

数据可视化技术完整的知识结构如下图所示：本节知识结构图本节课，我将介绍主流的数据可视化分析工具、数据可视化开源框架分别有哪些，让大家对数据可视化技术资源有一个全局的认知。和。

定义指标是数据可视化分析中的第 2 个步骤。指标是说明总体综合数量特征的概念， 一个完整的指标一般由指标名称和指标数值两部分组成，它体现了事物质的规定性、量的规定性两个方面的特点。定义指标的过程是基于业务活动、抽取和提炼可度量因子的过程。业务口径，指标的业务逻辑，比如订单已定量 = 订单净已定量 + 订单已退量， 这一过程赋予了业务指标业务含义；计算逻辑，业务指标的技术口径，对应完整的 SQL 查询语句和对应的聚合逻辑；审批流程。

数据可视化分析是利用数据可视化呈现能力，进行数据分析的一种方法，通过可视化呈现的图表，发现有用的信息，得出数据结论和辅助宏观决策。在这里讲述数据分析和数据挖掘的概念与区别，只是为了帮你梳理清楚这二者之间的区别，为你建立起一个完整的数据分析世界观，从而为学习本课程的内容扫清不必要的障碍。通常情况下，我们所说的数据分析是指狭义的数据分析，它和数据挖掘合起来才是一个完整的数据分析过程，即广义的数据分析。，是训练好的数据模型和输入数据训练的结果，比如，分类标签、聚类结果、关联系数和回归结果等。