博客
关于我
echarts异步请求后台数据(flask, express, beego版本)
阅读量:808 次
发布时间:2019-03-25

本文共 3095 字,大约阅读时间需要 10 分钟。

使用ECharts搭建数据可视化案例及前后端搭建( Flask, Express, Beego)

前言

ECharts 是一个强大的可视化 JS 库,功能强大且易于使用。通过本文案例,大家将从头到尾学习如何用 ECharts 实现一个简单的数据可视化页面,并通过 Flask、Express、Beego 三个框架分别搭建后台服务器。


项目结构

项目主要包含以下几个部分:

  • Frontend(前端):用于创建数据可视化页面,包括数据展示和数据请求功能。
  • Backend(后端):通过 Flask、Express、Beego 分别搭建后台 API,提供数据随机生成接口。

  • 前端部分

    前端页面主要包含以下功能:

  • 依赖文件加载:加载 ECharts 和 jQuery 函数文件。
  • 数据请求:通过 AJAX 获取后台生成的数据。
  • 数据展示:使用 ECharts 绘制柱状图,显示各科目成绩。
  • 自动刷新:页面一刷新就会重新获取数据。
  •     
    成绩可视化

    Flask 实现

  • 安装依赖:```bashpip install flask flask-cors
  • 2. 创建 `app.py` 文件:```pythonfrom flask import Flask, jsonifyfrom flask_cors import *import randomapp = Flask(__name__)app.config['JSON_AS_ASCII'] = FalseCORS(app, supports_credentials=True)@app.route('/random')def get_random_data():    subjects = ['Chinese', 'Mathematics', 'English', 'Physics', 'History',                'Politics', 'Geography', 'Chemistry', 'Biology']    data = {s: random.randint(1, 100) for s in subjects}    return jsonify(data)if __name__ == '__main__':    app.run(host='0.0.0.0', port=3000)
    1. 运行:```bashpython app.py
    2. ---#### Express 实现1. 安装依赖:```bashnpm install express
      1. 创建 app.js 文件:
      2. const express = require('express');const app = express();const allowCross = function(req, res, next) {    res.header('Access-Control-Allow-Origin', '*');    next();};app.use(allowCross);function getRandomInt(max) {    return Math.floor(Math.random() * Math.floor(max));}app.get('/random', function(req, res) {    const subjects = ['Chinese', 'Mathematics', 'English', 'Physics', 'History',                      'Politics', 'Geography', 'Chemistry', 'Biology'];    const scores = {};        for (const subject of subjects) {        scores[subject] = getRandomInt(101);    }        res.json(scores);});const server = app.listen(3000, function() {    const port = server.address().port;    console.log('访问地址为 http://127.0.0.1:%s', port);});
        1. 运行:```bashnode app.js
        2. ---#### Beego 实现1. 安装 Go 和 Beego:```bashgo get -u https://github.com/astaxie/beego
          1. 创建 app.go 文件:
          2. package mainimport (    "encoding/json"    "fmt"    "math/rand"    "github.com/astaxie/beego"    "github.com/astaxie/beego/context"    "github.com/astaxie/beego/plugins/cors")func main() {    beego.InsertFilter("*", beego.BeforeRouter, cors.Allow(&cors.Options{        AllowAllOrigins: true,    }))    beego.Get("/random", func(c *context.Context) {        scores := make(map[string]int)        subjects := []string{            "Chinese", "Mathematics", "English", "Physics",             "History", "Politics", "Geography", "Chemistry", "Biology"        }                for _, subject := range subjects {            scores[subject] = rand.Intn(101)        }                data, err := json.MarshalIndent(scores, "", "\t")        if err != nil {            fmt.Printf("错误:%v\n", err)            return        }                c.Output.JSON(data, true, true)    })    beego.Run("localhost:3000")}
            1. 运行:```bashgo run app.go
            2. ---#### 项目效果1. 数据展示:页面加载后自动显示各科目成绩柱状图。2. random 刷新:点击按钮后,数据会重新随机生成并展示。3. 跨域支持:前后端互通无阻。---#### 结语本文通过 ECharts 实现了一个简单的学科成绩可视化页面,并分别使用 Flask、Express、Beego 搭建后台 API。感谢您的阅读,欢迎留言讨论!

    转载地址:http://vfayk.baihongyu.com/

    你可能感兴趣的文章
    NIFI大数据进阶_Kafka使用相关说明_实际操作Kafka生产者---大数据之Nifi工作笔记0036
    查看>>
    NIFI大数据进阶_NIFI的模板和组的使用-介绍和实际操作_创建组_嵌套组_模板创建下载_导入---大数据之Nifi工作笔记0022
    查看>>
    NIFI大数据进阶_NIFI监控功能实际操作_Summary查看系统和处理器运行情况_viewDataProvenance查看_---大数据之Nifi工作笔记0026
    查看>>
    NIFI大数据进阶_NIFI监控的强大功能介绍_处理器面板_进程组面板_summary监控_data_provenance事件源---大数据之Nifi工作笔记0025
    查看>>
    NIFI大数据进阶_NIFI集群知识点_认识NIFI集群以及集群的组成部分---大数据之Nifi工作笔记0014
    查看>>
    NIFI大数据进阶_NIFI集群知识点_集群的断开_重连_退役_卸载_总结---大数据之Nifi工作笔记0018
    查看>>
    NIFI大数据进阶_内嵌ZK模式集群1_搭建过程说明---大数据之Nifi工作笔记0015
    查看>>
    NIFI大数据进阶_外部ZK模式集群1_实际操作搭建NIFI外部ZK模式集群---大数据之Nifi工作笔记0017
    查看>>
    NIFI大数据进阶_实时同步MySql的数据到Hive中去_可增量同步_实时监控MySql数据库变化_操作方法说明_01---大数据之Nifi工作笔记0033
    查看>>
    NIFI大数据进阶_离线同步MySql数据到HDFS_01_实际操作---大数据之Nifi工作笔记0029
    查看>>
    NIFI大数据进阶_离线同步MySql数据到HDFS_02_实际操作_splitjson处理器_puthdfs处理器_querydatabasetable处理器---大数据之Nifi工作笔记0030
    查看>>
    NIFI大数据进阶_离线同步MySql数据到HDFS_说明操作步骤---大数据之Nifi工作笔记0028
    查看>>
    NIFI大数据进阶_连接与关系_设置数据流负载均衡_设置背压_设置展现弯曲_介绍以及实际操作---大数据之Nifi工作笔记0027
    查看>>
    NIFI数据库同步_多表_特定表同时同步_实际操作_MySqlToMysql_可推广到其他数据库_Postgresql_Hbase_SqlServer等----大数据之Nifi工作笔记0053
    查看>>
    NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南001---大数据之Nifi工作笔记0068
    查看>>
    NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南002---大数据之Nifi工作笔记0069
    查看>>
    NIFI集群_内存溢出_CPU占用100%修复_GC overhead limit exceeded_NIFI: out of memory error ---大数据之Nifi工作笔记0017
    查看>>
    NIFI集群_队列Queue中数据无法清空_清除队列数据报错_无法删除queue_解决_集群中机器交替重启删除---大数据之Nifi工作笔记0061
    查看>>
    NIH发布包含10600张CT图像数据库 为AI算法测试铺路
    查看>>
    Nim教程【十二】
    查看>>