本文demo:http://81.70.49.226:8088/
源码：GitHub – xiaoxiaozheng520/-pywebio
pywebio文档(包含pycharts)：PyWebIO — PyWebIO 1.4.0 文档
我想很多人用 Python 就是用 pandas 进行数据分析，并且你大概率每天就用到 pandas 那几个函数处理结构大致相似的数据。
每天重复写着同样的代码，很辛苦，于是就会有人想到用 Pyinstaller 进行打包，但是打包的痛苦，尤其是各种乱七八糟的报错只能说试过的都懂。
但你有想过将要打包的功能，做到网页上去吗？这样只要有个公网ip就能随时随地、不限设备的去访问。你可能会想过，但是当你尝试去实现，发现 Python 开发页面动不动就是 Django/flask 这样的大家伙，很容易劝退。
本文我就讲一下如何不写一行前端代码，仅用一个不到100行的py脚本制作下面的页面
效果图：
先说思路及准备工作:
1、准备一个服务器搭建一个数据库，我这里用到是的是腾讯云
2、python编写脚本，调用pywebio,结合pycharts展示
3、将脚本部署到服务器，可以用docker，也可以直接部署
代码如下：数据库账号密码自行修改
# -*- coding: UTF-8 -*- # @Time :2021/12/1 9:29 # @Author :Liuzheng # @Email :1540234613@qq.com from pywebio.input import * from pywebio.output import * from pywebio import start_server,input,output import pandas as pd from pyecharts import options as opts from pyecharts.charts import Bar,Pie from sqlalchemy import create_engine """ 1、连接本地数据库对数据进行统计分析 2、对上述结果调用pywebio、进行界面化处理 3、运用pyecharts、对结果进行展示 4、docker部署服务器 """ def main(): output.put_markdown('# 2021年蓟州区普高录取数据统计分析') output.put_markdown('**文档说明：**') output.put_markdown(""" - 对数据进行统计分析 - 对上述结果调用pywebio、进行界面化处理 - 运用pyecharts、对结果进行展示 - docker部署服务器 - 发现文档问题联系：liuzheng.pn@unicloud.com """) content = open(r'C:UsersliuzhengDesktop2021年蓟州区普通高中录取分数线.png', 'rb').read() put_file('2021年蓟州区普通高中录取分数线.png', content, '2021年蓟州区普通高中录取分数线下载') #连接数据库 conn = create_engine('mysql+pymysql://root:password@ip:3306/?charset=utf8') sql=""" select * from ( select n1.录取校,n1.数量,n2.分数线 from ( select * from ( select 录取校,count(1) as 数量 from liuzheng.2021年蓟州区普高录取结果信息表 GROUP BY 录取校 ) t ORDER BY t.`数量` desc ) n1 left join (select * from liuzheng.2021年蓟州区普通高中录取分数线 ) n2 on n1.录取校=n2.学校名称) m ORDER BY m.`分数线` """ data=pd.read_sql_query(sql,conn) # print(data) # output.put_markdown('##2021年蓟州区普高录取结果信息') # output.put_html(data) lqx=list(data['录取校']) sl=list(data['数量']) fsx=list(data['分数线']) c = ( Bar() .add_xaxis(lqx) .add_yaxis('分数线', fsx) .add_yaxis("招生数量", sl) .reversal_axis() .set_series_opts(label_opts=opts.LabelOpts(position="right")) .set_global_opts(title_opts=opts.TitleOpts(title="2021年蓟州区普高录取结果(按分数线排名)")) ) c.width = "120%" put_html(c.render_notebook()) output.put_markdown(f'**分析结果：从图中可以看出分数线最高的是{lqx[-1]}({fsx[-1]})，排名前3位的分别是{lqx[-1]}({fsx[-1]})、{lqx[-2]}({fsx[-2]})、{lqx[-3]}({fsx[-3]})**') #性别比例 sql2 = """ select 性别,count(1) as 数量 from liuzheng.2021年蓟州区普高录取结果信息表 GROUP BY 性别 """ data2 = pd.read_sql_query(sql2, conn) xb=list(data2['性别']) xb_sl=list(data2['数量']) c = ( Pie() .add("", [list(z) for z in zip(xb, xb_sl)]) .set_global_opts(title_opts=opts.TitleOpts(title="2021年蓟州区普高录取男女比例")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) ) c.width = "100%" put_html(c.render_notebook()) output.put_markdown(f'**分析结果：从图中可以看出男生人数为{xb_sl[1]}，女生人数为{xb_sl[0]}**') if __name__ == '__main__': start_server(main, port=8088)原文链接：https://blog.csdn.net/weixin_44675384/article/details/121656806?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165934461816782390515850%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=165934461816782390515850&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-28-121656806-null-null.nonecase&utm_term=%E6%90%AD%E5%BB%BAcdn
原创文章，作者：优速盾-小U，如若转载，请注明出处：https://www.cdnb.net/bbs/archives/6645
