利用 Flask 动态展示 Pyecharts 图表数据方法小结

更新时间：2020-07-29 03:24:01 作者：startmvc

本文将介绍如何在web框架Flask中使用可视化工具pyecharts,看完本教程你将掌握几种动态展示可

本文将介绍如何在 web 框架 Flask 中使用可视化工具 pyecharts, 看完本教程你将掌握几种动态展示可视化数据的方法，不会的话你来找我呀...

Flask 模板渲染

1. 新建一个项目 flask-echarts

在编辑器中选择 New Project，然后选择 Flask，创建完之后，Pycharm 会帮我们把启动脚本和模板文件夹都建好

2. 拷贝 pyecharts 模板

将链接中的以下模板 ├── jupyter_lab.html ├── jupyter_notebook.html ├── macro ├── nteract.html ├── simple_chart.html ├── simple_page.html └── table.html 全部拷贝到 tempaltes 文件夹中 github.com/pyecharts/p…

3.渲染图表

主要目标是将 pyecharts 生成的图表数据在视图函数中返回，所以我们直接在 app.py 中修改代码，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(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
 .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="我是副标题"))
 )
 return c
@app.route("/")
def index():
 c = bar_base()
 return Markup(c.render_embed())
if __name__ == "__main__":
 app.run()

直接运行，在浏览器中输入地址，直接将数据显示出来了

这是一个很简单的静态数据展示，别急好戏还在后头~

Flask 前后端分离

前面讲的是一个静态数据的展示的方法，用 pyecharts 和 Flask 结合最主要是实现一种动态更新数据，增量更新数据等功能！以上面讲解的内容为基础，在 templates 文件夹中新建一个 index.html 的文件，其中主要用到了 jquery 和 pyecharts 管理的 echarts.min.js 依赖。

index.html


<!DOCTYPE html>
<html>
<head>
 <meta charset="UTF-8">
 <title>动态更新数据</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 基础的朋友应该知道该代码主要是向地址 "127.0.0.1:5000/barChart" 发送请求，所以在 app.py 中我们也需要做相应的修改，添加该地址的路由函数，从而实现动态数据更新。部分代码如下：


@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 视图函数中接收浏览器传过来的参数，然后传递给 index.html。此处只是简单示例，所以未做参数校验。而另一个视图函数主要是获取参数，传给图表生成函数 bar_base(), 从而实现根据 url 地址传过来的参数，动态展示图表数据。结果如下：

这里只是简单演示, 所以只将图表标题作为动态传参。此场景适用于第一次请求获取我们想要的数据，然后将其展示出来。比如我之前写的 NBA 球员数据可视化 mp.weixin.qq.com/s/WWCNf46Ch…

就是此方法，不同球员展示对应球员数据！

定时全量更新图表

该场景主要是前端主动向后端进行数据刷新，定时刷新的核心在于 HTML 的 setInterval 方法。那么 index.html 代码就是下面这样的：


<!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>

对应的将 app.py 中 bar_base() 作相应的修改，从而实现定时全量更新图表


def bar_base() -> Bar:
 c = (
 Bar()
 .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
 .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()

运行之后，在浏览器中打开，效果如下：

看到这动图，有没有一种...，如果我是 DJ DJ，琦你太美...

定时增量更新图表

同样的要对 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，后端代码也需要相应的修改


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="动态数据"),
 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，来看看效果吧