python可视化大屏库big_screen示例详解
提到数据可视化，我们会想到 Plotly、Matplotlib、Pyecharts等可视化库，或者一些商用软件Tableau、FineBI等等。如果你希望操作更简单、展现效果更强大，那么这款工具 big_screen 更适合
目录
big_screen 特点
安装环境
输入数据
本地运行
在线部署
对于从事数据领域的小伙伴来说，当需要阐述自己观点、展示项目成果时，我们需要在最短时间内让别人知道你的想法。我相信单调乏味的语言很难让别人快速理解。最直接有效的方式就是将数据如上图所示这样，进行可视化展现。
具体如下：
big_screen 特点
便利性工具, 结构简单, 你只需传数据就可以实现数据大屏展示。
安装环境
1 | pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask |
输入数据
在文件夹 data.py 中更新你需要展示的数据即可，如下为部分数据展示:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 | self.echart1_data = { 'title': '行业分布', 'data': [ {"name": "商超门店", "value": 47}, {"name": "教育培训", "value": 52}, {"name": "房地产", "value": 90}, {"name": "生活服务", "value": 84}, {"name": "汽车销售", "value": 99}, {"name": "旅游酒店", "value": 37}, {"name": "五金建材", "value": 2}, ] } self.echart2_data = { 'title': '省份分布', 'data': [ {"name": "浙江", "value": 47}, {"name": "上海", "value": 52}, {"name": "江苏", "value": 90}, {"name": "广东", "value": 84}, {"name": "北京", "value": 99}, {"name": "深圳", "value": 37}, {"name": "安徽", "value": 150}, ] } self.echarts3_1_data = { 'title': '年龄分布', 'data': [ {"name": "0岁以下", "value": 47}, {"name": "20-29岁", "value": 52}, {"name": "30-39岁", "value": 90}, {"name": "40-49岁", "value": 84}, {"name": "50岁以上", "value": 99}, ] } self.echarts3_2_data = { 'title': '职业分布', 'data': [ {"name": "电子商务", "value": 10}, {"name": "教育", "value": 20}, {"name": "IT/互联网", "value": 20}, {"name": "金融", "value": 30}, {"name": "学生", "value": 40}, {"name": "其他", "value": 50}, ] } |
本地运行
1 2 | cd big_screen-master;python app.py; |
在线部署
你可以直接像在本地一样运行脚本,这样可以运行成功，如果我们想让它一直运行，我们可以在线部署。使用命令如下：
1 | nohup python app.py |
这时你可以查看进程
1 | ps -ef | grep python |
就会看到我们刚才 app.py 代码已经运行起来了，这个就是在后台运行，关闭连接之后一样会运行，这下就放心了。
但是，如果发生错误的话，我们是无法知道哪里出错的，这时我们指定日志输出文件
1 | nohup python -u app.py > robot.log 2>&1 & |
还有一个问题，我想停止在线运行怎么办？可以使用这个命令
1 | kill PID |
以上就是python可视化大屏库big_screen示例详解的详细内容
原文链接：https://blog.csdn.net/weixin_38037405/article/details/109229750