利用 Django 动态展示 Pyecharts 图表数据的几种方法

简介: 本文将介绍如何在 web 框架 Django 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!

本文将介绍如何在 web  框架  Django 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!


Django 模板渲染


1. 新建一个 Django 项目


命令行中输入以下命令


django-admin startproject pyecharts_django_demo


创建一个应用程序


python manage.py startapp demo


创建完之后,在 Pycharm 中打开该项目,当然你也可以直接在 Pycharm 中创建



同时在 pyecharts_django_demo/settings.py 中注册应用程序INSTALLED_APPS 中添加应用程序 demo


pyecharts_django_demo/urls.py 中新增 demo.urls



2. 新建项目 urls 文件


编辑 demo/urls.py 文件,没有就新建一个


fromdjango.conf.urlsimporturlfrom . importviewsurlpatterns= [
url(r'^pie/$', views.ChartView.as_view(), name='demo'),
url(r'^index/$', views.IndexView.as_view(), name='demo'),
]


3. 编写 Django 和 pyecharts 代码渲染图表


由于 json 数据类型的问题,无法将 pyecharts 中的 JSCode 类型的数据转换成 json 数据格式返回到前端页面中使用。


因此在使用前后端分离的情况下尽量避免使用 JSCode 进行画图。


将下列代码保存到 demo/views.py


fromdjango.shortcutsimportrender# Create your views here.importjsonfromrandomimportrandrangefromdjango.httpimportHttpResponsefromrest_framework.viewsimportAPIViewfrompyecharts.chartsimportBar, Piefrompyecharts.fakerimportFakerfrompyechartsimportoptionsasopts# Create your views here.defresponse_as_json(data):
json_str=json.dumps(data)
response=HttpResponse(
json_str,
content_type="application/json",
    )
response["Access-Control-Allow-Origin"] ="*"returnresponsedefjson_response(data, code=200):
data= {
"code": code,
"msg": "success",
"data": data,
    }
returnresponse_as_json(data)
defjson_error(error_string="error", code=500, **kwargs):
data= {
"code": code,
"msg": error_string,
"data": {}
    }
data.update(kwargs)
returnresponse_as_json(data)
JsonResponse=json_responseJsonError=json_errordefpie_base() ->Pie:
c= (
Pie()
            .add("", [list(z) forzinzip(Faker.choose(), Faker.values())])
            .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
            .set_global_opts(title_opts=opts.TitleOpts(title="Pie-示例"))
            .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
            .dump_options_with_quotes()
    )
returncclassChartView(APIView):
defget(self, request, *args, **kwargs):
returnJsonResponse(json.loads(pie_base()))
classIndexView(APIView):
defget(self, request, *args, **kwargs):
returnHttpResponse(content=open("./templates/index.html").read())


4. 编写画图的 HTML 代码


在根目录下新建一个 templates 的文件夹,并在该文件夹下新建一个 index.html 文件



index.html


代码如下:


<!DOCTYPE html><html><head><metacharset="UTF-8"><title>Awesome-pyecharts</title><scriptsrc="https://cdn.bootcss.com/jquery/3.0.0/jquery.min.js"></script><scripttype="text/javascript"src="https://assets.pyecharts.org/assets/echarts.min.js"></script></head><body><divid="pie"style="width:1000px; height:600px;"></div><script>varchart=echarts.init(document.getElementById('pie'), 'white', {renderer: 'canvas'});
$(
function () {
fetchData(chart);
        }
    );
functionfetchData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:8000/demo/pie",
dataType: 'json',
success: function (result) {
chart.setOption(result.data);
            }
        });
    }
</script></body></html>


运行之后,在浏览器中打开,效果如下:



定时全量更新图表


前面讲的是一个静态数据的展示的方法,用 Pyecharts 和 Django 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!


定时全量更新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><metacharset="UTF-8"><title>Awesome-pyecharts</title><scriptsrc="https://cdn.bootcss.com/jquery/3.0.0/jquery.min.js"></script><scripttype="text/javascript"src="https://assets.pyecharts.org/assets/echarts.min.js"></script></head><body><divid="bar"style="width:1600px; height:800px;"></div><script>varchart=echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});
$(
function () {
fetchData(chart);
setInterval(fetchData, 100);
            }
        );
functionfetchData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:8000/demo/bar",
dataType: 'json',
success: function (result) {
chart.setOption(result.data);
                }
            });
        }
</script></body></html>


同时在 demo/views.py 中,增加并修改代码:



views.py


demo/urls.py中,增加如下代码:


urlpatterns= [
url(r'^pie/$', views.ChartView.as_view(), name='demo'),
url(r'^bar/$', views.ChartView.as_view(), name='demo'),
url(r'^index/$', views.IndexView.as_view(), name='demo'),
]


运行之后,效果如下:



贴一张以前做的图(因为我懒),效果和上面一样


定时增量更新图表


原理一样,先修改 index.html ,代码如下:


<!DOCTYPE html><html><head><metacharset="UTF-8"><title>Awesome-pyecharts</title><scriptsrc="https://cdn.bootcss.com/jquery/3.0.0/jquery.min.js"></script><scripttype="text/javascript"src="https://assets.pyecharts.org/assets/echarts.min.js"></script></head><body><divid="bar"style="width:1600px; height:800px;"></div><script>varchart=echarts.init(document.getElementById('bar'), 'white', {renderer: 'canvas'});
varold_data= [];
$(
function () {
fetchData(chart);
setInterval(fetchData, 2000);
            }
        );
functionfetchData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:8000/demo/line",
dataType: "json",
success: function (result) {
varoptions=result.data;
chart.setOption(options);
old_data=chart.getOption().series[0].data;
                }
            });
        }
functiongetDynamicData() {
$.ajax({
type: "GET",
url: "http://127.0.0.1:8000/demo/lineUpdate",
dataType: 'json',
success: function (result) {
varoptions=result.data;
old_data.push([options.name, options.value]);
chart.setOption({
series: [{
data: old_data                        }]
                    });
                }
            });
        }
</script></body></html>


细心的你应该可以发现,里面新增了两个请求地址 demo/line, demo/lineUpdate

so,在 urlpatterns 中增加以下路径的匹配


url(r'^line/$', views.ChartView.as_view(), name='demo'),
url(r'^lineUpdate/$', views.ChartView.as_view(), name='demo'),


最后在 views.py 中增加以下代码:


defline_base() ->Line:
line= (
Line()
            .add_xaxis(["{}".format(i) foriinrange(10)])
            .add_yaxis(
series_name="",
y_axis=[randrange(50, 80) for_inrange(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"),
        )
            .dump_options_with_quotes()
    )
returnlineclassChartView(APIView):
defget(self, request, *args, **kwargs):
returnJsonResponse(json.loads(line_base())
cnt=9classChartUpdateView(APIView):
defget(self, request, *args, **kwargs):
globalcntcnt=cnt+1returnJsonResponse({"name": cnt, "value": randrange(0, 100)})


运行并打开,效果如下:



相关文章
|
30天前
|
设计模式 JSON 前端开发
前后端配置动态的数据字段标签(django_vue)
前后端配置动态的数据字段标签(django_vue)
26 0
|
22天前
|
数据库 Python
使用 Django 中的 filter 方法进行数据查询
在 Django 中,QuerySet 的 filter() 方法是一个强大的工具,用于从数据库中检索数据并根据指定的条件进行筛选。在本文中,我们将介绍如何使用 filter() 方法来执行各种类型的数据查询操作。
|
2天前
|
SQL 关系型数据库 MySQL
基于Hive的天气情况大数据分析系统(通过hive进行大数据分析将分析的数据通过sqoop导入到mysql,通过Django基于mysql的数据做可视化)
基于Hive的天气情况大数据分析系统(通过hive进行大数据分析将分析的数据通过sqoop导入到mysql,通过Django基于mysql的数据做可视化)
|
7天前
|
数据采集 存储 数据库
优化 Django 模型设计:解决重复爬虫任务和商品数据
在开发数据采集(爬虫)应用时,我们常常面临这样一个问题:不同用户提交了相同的采集任务。为了避免在数据库中存储重复的 URL 和商品数据,我们需要优化模型设计。本文将介绍如何设计 Django 模型,以解决这个问题,并确保数据的一致性和完整性。
|
7天前
|
缓存 监控 中间件
探究Django中间件的神奇:功能、应用场景和核心方法
在Django中,中间件是一个强大的概念,它们提供了一种灵活的方式来处理请求和响应。本文将探讨Django中间件的基本概念、常见应用场景以及中间件类中的父类和核心方法。
|
8天前
|
Python
如何处理Django项目中表数据的排序问题
如何处理Django项目中表数据的排序问题
|
8天前
|
数据安全/隐私保护 Python
Django调用SECRET_KEY对数据进行加密
Django调用SECRET_KEY对数据进行加密
|
8天前
|
前端开发 JavaScript 关系型数据库
三. Django项目之电商购物商城 -- 校验用户名 , 数据入库
三. Django项目之电商购物商城 -- 校验用户名 , 数据入库
|
30天前
|
SQL 缓存 数据库
Django ORM的性能优化:高效处理大量数据
【4月更文挑战第15天】本文介绍了优化Django ORM性能的六大技巧:1) 使用批量操作如bulk_create和bulk_update;2) 利用prefetch_related和select_related减少查询次数;3) 为常用字段添加索引;4) 优化数据库查询,避免循环查询;5) 使用缓存提升频繁查询性能;6) 在必要时使用原生SQL。这些策略能帮助处理大量数据时提升Django ORM的效率。
|
30天前
|
开发者 Python
Django模板系统的强大之处:动态渲染与扩展性
【4月更文挑战第15天】Django模板系统是Web开发中的强大工具,支持动态渲染和扩展性。动态渲染包括变量、标签和过滤器的使用,实现内容根据上下文数据动态生成。模板继承和自定义标签则提升了扩展性,减少代码重复,增强可维护性。通过这些特性,Django模板系统助力开发者构建高效、动态的Web应用。