本文將介紹如何在 web 框架 Flask 中使用可視化工具 pyecharts, 看完本教程你將掌握幾種動態展示可視化數據的方法，不會的話你來找我呀…
Flask 模板渲染
1. 新建一個項目flask_pyecharts
在編輯器中選擇 New Project，然后選擇 Flask，創建完之后，Pycharm 會幫我們把啟動腳本和模板文件夾都建好
2. 拷貝 pyecharts 模板
將鏈接中的以下模板
├── jupyter_lab.html
├── jupyter_notebook.html
├── macro
├── nteract.html
├── simple_chart.html
├── simple_page.html
└── table.html
全部拷貝到 tempaltes 文件夾中
https://github.com/pyecharts/pyecharts/tree/master/pyecharts/render/templates
3.渲染圖表
主要目標是將 pyecharts 生成的圖表數據在視圖函數中返回，所以我們直接在 app.py 中修改代碼，如下：
from flask import Flask
from jinja2 import Markup
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(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])
.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
.add_yaxis("商家B", [15, 25, 16, 55, 48, 8])
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副標題"))
)
return c
@app.route("/")
def index():
c = bar_base()
return Markup(c.render_embed())
if __name__ == "__main__":
app.run()直接運行，在瀏覽器中輸入地址，直接將數據顯示出來了
這是一個很簡單的靜態數據展示，別急好戲還在后頭~
Flask 前后端分離
前面講的是一個靜態數據的展示的方法，用 pyecharts 和 Flask 結合最主要是實現一種動態更新數據，增量更新數據等功能！以上面講解的內容為基礎，在 templates 文件夾中新建一個 index.html 的文件，其中主要用到了 jquery 和 pyecharts 管理的 echarts.min.js 依賴。
index.html
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>動態更新數據</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 result_json = '{{ result_json|tojson }}';
// var result = JSON.parse(result_json);
var chart = echarts.init(document.getElementById('bar'), 'gray', {renderer: 'canvas'});
$.ajax({
type: "GET",
url: "http://127.0.0.1:5000/barChart",
dataType: 'json',
data: {result: result_json},
success: function (result) {
chart.setOption(result);
}
});
}
)
</script>
</body>
</html>有 html 基礎的朋友應該知道該代碼主要是向地址 "127.0.0.1:5000/barChart" 發送請求，所以在 app.py 中我們也需要做相應的修改，添加該地址的路由函數，從而實現動態數據更新。
部分代碼如下：
@app.route("/")
def index():
data = request.args.to_dict()
return render_template("index.html", result_json=data)
@app.route("/barChart")
def get_bar_chart():
args = request.args.to_dict()
result = eval(args.get("result"))
name = result.get("name")
subtitle = result.get("subtitle")
c = bar_base(name, subtitle)
return c.dump_options_with_quotes()在 index 視圖函數中接收瀏覽器傳過來的參數，然后傳遞給 index.html。此處只是簡單示例，所以未做參數校驗。而另一個視圖函數主要是獲取參數，傳給圖表生成函數 bar_base(), 從而實現根據 url 地址傳過來的參數，動態展示圖表數據。結果如下：
這里只是簡單演示, 所以只將圖表標題作為動態傳參。此場景適用於第一次請求獲取我們想要的數據，然后將其展示出來。比如我之前寫的 NBA 球員數據可視化
就是此方法，不同球員展示對應球員數據！
定時全量更新圖表
該場景主要是前端主動向后端進行數據刷新，定時刷新的核心在於 HTML 的 setInterval 方法。那么 index.html 代碼就是下面這樣的：
<!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>
var chart = echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});
$(
function () {
fetchData(chart);
setInterval(fetchData, 2000);
}
);
function fetchData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:5000/barChart",
dataType: 'json',
success: function (result) {
chart.setOption(result);
}
});
}
</script>
</body>
</html>對應的將 app.py 中 bar_base() 作相應的修改，從而實現定時全量更新圖表
def bar_base() -> Bar:
c = (
Bar()
.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])
.add_yaxis("商家A", [random.randint(10, 100) for _ in range(6)])
.add_yaxis("商家B", [random.randint(10, 100) for _ in range(6)])
.set_global_opts(title_opts=opts.TitleOpts(title="", subtitle=""))
)
return c
@app.route("/")
def index():
return render_template("index.html")
@app.route("/barChart")
def get_bar_chart():
c = bar_base()
return c.dump_options_with_quotes()運行之后，在瀏覽器中打開，效果如下：
看到這動圖，有沒有一種…，如果我是 DJ DJ，琦你太美…
定時增量更新圖表
同樣的要對 index.html 做修改
<!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>
var chart = echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});
var old_data = [];
$(
function () {
fetchData(chart);
setInterval(getDynamicData, 2000);
}
);
function fetchData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:5000/lineChart",
dataType: "json",
success: function (result) {
chart.setOption(result);
old_data = chart.getOption().series[0].data;
}
});
}
function getDynamicData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:5000/lineDynamicData",
dataType: "json",
success: function (result) {
old_data.push([result.name, result.value]);
chart.setOption({
series: [{data: old_data}]
});
}
});
}
</script>
</body>
</html>增量更新，后端代碼也需要相應的修改
from pyecharts.charts import Line
def line_base() -> Line:
line = (
Line()
.add_xaxis(["{}".format(i) for i in range(10)])
.add_yaxis(
series_name="",
y_axis=[randrange(50, 80) for _ in range(10)],
is_smooth=True,
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="動態數據"),
xaxis_opts=opts.AxisOpts(type_="value"),
yaxis_opts=opts.AxisOpts(type_="value"),
)
)
return line
@app.route("/")
def index():
return render_template("index.html")
@app.route("/lineChart")
def get_line_chart():
c = line_base()
return c.dump_options_with_quotes()
idx = 9
@app.route("/lineDynamicData")
def update_line_data():
global idx
idx = idx + 1
return jsonify({"name": idx, "value": randrange(50, 80)})走起，來看看效果吧
