devbox
知新_RL
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

flask + Pandas + echarts 使用饼状图等将二手房数据进行分析+可视化_数据分析可视化及flask

作者：知新_RL | 2024-02-29 09:47:31

赞

踩

数据分析可视化及flask

目录

一、实战场景

二、知识点

python 基础语法

python 文件读写

pandas 数据处理

flask web 框架

echarts 图表

bootstrap

jinja 模版

三、菜鸟实战

初始化 Flask 框架，设置路由

各行政区房屋数量柱状图分析

区域二手房房源朝向分布情况

二手房单价最高Top10 图

echarts 渲染房屋数量柱状图

运行结果

运行截图

数据示例

一、实战场景

flask + Pandas + echarts 使用饼状图等将二手房数据进行分析+可视化

二、知识点

python 基础语法

python 文件读写

pandas 数据处理

flask web 框架

echarts 图表

bootstrap

jinja 模版

三、菜鸟实战

初始化 Flask 框架，设置路由

  1. '''
  2. Description: 分页读取并显示 csv 文件数据
  3. '''
  4. from math import ceil
  5. import csv
  6. import json
  7.  
  8. from flask import Flask, render_template, request, redirect, jsonify
  9. from spiders.file_manager import FileManager
  10.  
  11. # 初始化框架
  12. web = Flask(__name__)
  13.  
  14.  
  15. @web.route('/')
  16. def index():
  17.     # 首页
  18.     return redirect('/list')
  19.  
  20.  
  21. @web.route('/table/<int:page_num>')
  22. def table(page_num):
  23.     # 分页读取并显示 csv 文件数据
  24.     file_manager = FileManager()
  25.     file = file_manager.get_data_file_path("tao365_detail.csv")
  26.  
  27.     # 若不指定limits默认为 5
  28.     limits = request.args.get('limits', 5, type=int)
  29.  
  30.     def show_csv(reader, page=page_num, limits=limits):
  31.         # 内部函数，根据limits和所在页数生成数据
  32.         df = []
  33.         for row in reader:
  34.             if page_num * limits >= (reader.line_num - 1) > (page_num - 1) * limits:
  35.                 df.append(row)
  36.  
  37.         return df
  38.  
  39.     with open(file, 'r+', encoding='utf-8') as f:
  40.         # 计算页面数
  41.         row_length = len(f.readlines()) - 1
  42.         pages = int(ceil(row_length / limits))
  43.  
  44.     with open(file, 'r+', encoding='utf-8') as f:
  45.         # 计算数据
  46.         reader = csv.reader(f)
  47.         next(reader)
  48.         df = show_csv(reader, page_num, limits)
  49.  
  50.     # 加载模版和模版数据
  51.     return render_template('table.html', df=df, pages=pages, page_num=page_num, limits=limits)
  52.  
  53.  
  54. @web.route('/table_detail')
  55. def table_detail():
  56.     # 二手房详情
  57.     row = request.args.get('row').split(',')
  58.     return render_template('table_detail.html', row=row)
  59.  
  60. @web.route('/list')
  61. def list_house():
  62.     # 二手房列表
  63.     return render_template('list.html')
  64.  
  65. @web.route('/chart1')
  66. def chart1():
  67.     # 柱状图
  68.     return render_template('chart1.html')
  69.  
  70. @web.route('/chart2')
  71. def chart2():
  72.     # 横向柱状图
  73.     return render_template('chart2.html')
  74.  
  75. @web.route('/chartBie')
  76. def chartBie():
  77.     # 饼图
  78.     return render_template('chartBie.html')
  79.  
  80. @web.route('/chart_data')
  81. def chart_data():
  82.     # 获取图标数据
  83.  
  84.     # 图标类型
  85.     type = request.args.get("type")
  86.  
  87.     # 二手房数据
  88.     file_name = 'chart00' + type+'.json'
  89.     file_manager = FileManager()
  90.     file = file_manager.get_data_file_path(file_name)
  91.     # file = os.path.join(config.DATA_DIR,'chart00'+ type+'.json' )
  92.     with open(file, encoding='utf8') as fp:
  93.         data_list = json.load(fp)
  94.  
  95.     return jsonify(data_list)
  96.  
  97.  
  98. # 启动 flask web 框架
  99. web.run(debug=True)

各行政区房屋数量柱状图分析

  1. def chart002(self):
  2.     # 柱状图 - 展示各行政区房屋数量
  3.  
  4.     # 读取清洗后的数据文件
  5.     result_df = self.read_clean_result_file()
  6.  
  7.     # 从字典对象导入数据
  8.     df = pd.DataFrame(result_df)
  9.  
  10.     # 将数据根据地址分组
  11.     g = df.groupby('地址')
  12.  
  13.     # 统计分组后的数量
  14.     df_region = g.count()['小区']
  15.  
  16.     # 获取分组后的地址数据
  17.     address = df_region.index.tolist()
  18.  
  19.     # 获取分组后的数量
  20.     count = df_region.values.tolist()
  21.  
  22.     # 定义表格顶部title
  23.     title = "各行政区房屋数量"
  24.  
  25.     # 定义表格顶部说明
  26.     text = self.top_text
  27.  
  28.     # 定义图表title
  29.     chart_title = '各行政区房屋数量'
  30.  
  31.     # 图表横坐标
  32.     chart_x = '所在地区'
  33.  
  34.     # 图表纵坐标
  35.     chart_y = '房源数量/套'
  36.  
  37.     # 图表单位
  38.     unit = '套'
  39.  
  40.     # 图表类型
  41.     types = 'bar'
  42.  
  43.     # 组装图表json数据
  44.     data_json = {
  45.         'data1': address,
  46.         'data2': count,
  47.         'title': title,
  48.         'text': text,
  49.         'chartTitle': chart_title,
  50.         'chartX': chart_x,
  51.         'chartY': chart_y,
  52.         'unit': unit,
  53.         'type': types
  54.     }
  55.  
  56.     #  将json数据写入文件
  57.     with open('../data/chart002.json', 'w', encoding='utf-8') as write_f:  # 打开本地文件
  58.  
  59.         json.dump(data_json, write_f, indent=4, ensure_ascii=False)  # python对象转换成json对象

区域二手房房源朝向分布情况

  1. def chart005(self):
  2.     # 柱状图 - 南京各区域二手房房源朝向
  3.     
  4.     # 读取清洗后的数据文件
  5.     result_df = self.read_clean_result_file()
  6.  
  7.     # 从字典对象导入数据
  8.     df = pd.DataFrame(result_df)
  9.  
  10.     # 将数据根据房屋朝向分组
  11.     g = df.groupby('房屋朝向')
  12.  
  13.     # 统计分组后的数量
  14.     df_region = g.count()['小区']
  15.  
  16.     # 获取分组后的房屋朝向分组数据
  17.     address = df_region.index.tolist()
  18.  
  19.     # 获取分组后的房屋朝向数量
  20.     count = df_region.values.tolist()
  21.  
  22.     # 定义表格顶部title
  23.     title = "区域二手房房源朝向分布情况"
  24.  
  25.     # 定义表格顶部说明
  26.     text = self.top_text
  27.  
  28.     # 定义图表说明
  29.     chart_title = '各区域二手房房源朝向分布情况'
  30.  
  31.     # 定义图表横坐标
  32.     chart_x = ''
  33.  
  34.     # 定义图表纵坐标
  35.     chart_y = '建筑面积（㎡）'
  36.  
  37.     # 定义单位
  38.     unit = ''
  39.  
  40.     # 定义图表类型
  41.     types = 'bar'
  42.  
  43.     # 组装图表json数据
  44.     data_json = {
  45.         'data1': address,
  46.         'data2': count,
  47.         'title': title,
  48.         'text': text,
  49.         'chartTitle': chart_title,
  50.         'chartX': chart_x,
  51.         'chartY': chart_y,
  52.         'unit': unit,
  53.         'type': types
  54.     }
  55.  
  56.     #  将json数据写入文件
  57.     with open('../data/chart005.json', 'w', encoding='utf-8') as write_f:  # 打开本地文件
  58.  
  59.         json.dump(data_json, write_f, indent=4, ensure_ascii=False)  # python对象转换成json对象

二手房单价最高Top10 图

  1. def chart008(self):
  2.     # 横向柱状图 - 各面积区间房屋数量占比图
  3.     
  4.     # 读取清洗后的数据文件
  5.     result_df = self.read_clean_result_file()
  6.  
  7.     # 从字典对象导入数据
  8.     df = pd.DataFrame(result_df)
  9.  
  10.     # 取出每平方价格列前10的数据
  11.     top_price = df.sort_values(by="每平方价格", ascending=False)[:10]
  12.    
  13.     # 取出每平方价格列前10的小区数据
  14.     area0 = top_price['小区'].values.tolist()
  15.  
  16.     # 取出每平方价格列前10的价格数据
  17.     count = top_price['每平方价格'].values.tolist()
  18.  
  19.     arr = []
  20.  
  21.     color_arr = ["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f", "#bcbd22",
  22.                  "#17becf"
  23.                  ]
  24.     for k, i in enumerate(count):
  25.         arr.append({'value': i, 'itemStyle': {'color': color_arr[k]}})
  26.     # 定义表格顶部title
  27.     title = "二手房单价最高Top10"
  28.  
  29.     # 定义表格顶部说明
  30.     text = self.top_text
  31.  
  32.     # 图表title
  33.     chart_title = '二手房单价最高Top10'
  34.  
  35.     # 组装图表json数据
  36.     data_json = {
  37.         'data1': area0,
  38.         'data2': arr,
  39.         'title': title,
  40.         'text': text,
  41.         'chartTitle': chart_title,
  42.     }
  43.  
  44.     #  将json数据写入文件
  45.     with open('../data/chart008.json', 'w', encoding='utf-8') as write_f:  # 打开本地文件
  46.  
  47.         json.dump(data_json, write_f, indent=4, ensure_ascii=False)  # python对象转换成json对象

echarts 渲染房屋数量柱状图

  1. function drawCharts(data) {
  2.     var optionMap = {
  3.         title: {
  4.             text: data.chartTitle,
  5.             left: 'center',
  6.         },
  7.         tooltip: {
  8.             trigger: 'axis',
  9.             axisPointer: {
  10.                 type: 'shadow'
  11.             },
  12.         },
  13.         toolbox: {
  14.             feature: {
  15.                 saveAsImage: {
  16.                     title: ''
  17.                 }
  18.             }
  19.         },
  20.         grid: {
  21.             left: '3%',
  22.             right: '4%',
  23.             bottom: '3%',
  24.             containLabel: true
  25.         },
  26.         xAxis: {
  27.             type: 'value',
  28.             boundaryGap: [0, 0.01]
  29.         },
  30.         yAxis: {
  31.             type: 'category',
  32.             data: data.data1
  33.         },
  34.         series: [{
  35.             type: 'bar',
  36.             data: data.data2
  37.         }, ]
  38.     };
  39.     //初始化echarts实例
  40.     var myChart = echarts.init(document.getElementById('dom1'));
  41.  
  42.     //使用制定的配置项和数据显示图表
  43.     myChart.setOption(optionMap);
  44.  
  45. }

运行结果

运行截图

* Serving Flask app 'app_tao06'

* Debug mode: on

* Running on http://127.0.0.1:5000

浏览器中打开 http://127.0.0.1:5000

数据示例

各区域房源朝向分布情况

各区域房屋数量统计

二手房户型占比统计

二手房单价最高Top10

源码链接

源码-flask+Pandas+echarts使用饼状图等将二手房数据进行分析+可视化-Python文档类资源-CSDN下载

菜鸟实战，持续学习！

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/知新_RL/article/detail/164898
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号