使用Flask制作可视化大屏

VOL.199303 views

1

Mar. 2024

引言

数据可视化是现代应用开发中不可或缺的一环,而使用 Flask 构建数据可视化大屏是一个既有趣又具有挑战性的项目。在这篇文章中,我们将深入介绍如何借助 Flask 后端和纯 HTML/CSS/JS 前端,从本地 JSON 文件中读取数据,打造一个引人入胜的数据可视化大屏。

技术栈

在项目的初期,我们面临着选择适合的技术栈的挑战。为了实现高效的后端和美观的前端,我们决定使用 Flask 作为后端框架,同时采用 HTMLCSSJavaScript 构建前端。这个选择基于 Flask 轻量、灵活的特点,以及前端技术栈的广泛应用和强大的可定制性。

后端:

  • python
  • flask

前端

  • html
  • css
  • js
  • jquery

数据库

  • 本地json数据

项目结构与架构

在构建项目之前,我们设计了清晰的项目结构和技术架构。后端 Flask 应用程序被组织成模块化的组件,前端页面的结构清晰,并使用 AJAX 技术实现数据和视图的交互。这种清晰的架构使得项目易于维护和扩展。文件目录结构非常简单,如下所示:

BIG_SCREEN
├─static
│  ├─css
│  ├─font
│  ├─images
│  ├─js
│  └─picture
├─templates
| |-index.html
|-db
| |-job.json
| |-crop.json
└─app.py

 

只需要到指定目录下,执行命令然后打开浏览器即可访问:

python app.py

数据处理与展示

数据处理是数据可视化项目中的关键一环。我们演示了如何使用 Flask 从本地 JSON 文件中读取数据,并将数据传递到前端进行动态渲染。通过一些数据处理的技巧,我们确保数据在前端得到充分的展示和优化。

当涉及数据处理和展示时,一个数据可视化大屏项目需要处理和呈现大量的信息。在这个项目中,我们使用 Flask 作为后端框架,以及 HTML/CSS/JS 作为前端技术栈。下面是关于数据处理和展示的一些关键方面:

数据处理:

  • 数据加载与读取

我们使用 Flask 后端从本地 JSON 文件中读取数据。在 Flask 中,可以使用 Python 的 json 模块轻松加载和解析 JSON 数据。

import json

with open('data.json', 'r') as file:
    data = json.load(file)

 

  • 数据处理与准备:

一旦数据被加载,可能需要进行一些处理以满足前端的需求。例如,对数据进行筛选、排序或转换格式。

# 数据处理示例:筛选出特定条件的数据
filtered_data = [item for item in data if item['category'] == 'example']

数据传递与前端展示:

  • Flask 路由设置

在 Flask 中,我们设置路由来处理前端的请求,并将数据传递给前端页面。

from flask import Flask, render_template

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html', data=data)

 

  • 前端模板引擎

使用 Flask 的模板引擎,我们可以在 HTML 中动态渲染数据。

<!-- 在 HTML 中使用 Flask 模板引擎渲染数据 -->
<ul>
    {% for item in data %}
        <li>{{ item.name }} - {{ item.value }}</li>
    {% endfor %}
</ul>

 

  • 异步加载与实时更新

对于大量数据或需要实时更新的情况,可以使用 AJAX 技术实现异步加载,确保页面流畅性和用户体验。

// 使用 AJAX 异步加载数据
$.ajax({
    url: '/get_data',
    method: 'GET',
    success: function(response) {
        // 更新页面数据
        updateUI(response);
    }
});

 

  • 图表库的使用

在前端,使用一些流行的图表库(Chart.js、D3.js)可以将数据以图表的形式生动展示。我们主要使用echarts

// 使用 Chart.js 渲染柱状图
var ctx = document.getElementById('myChart').getContext('2d');
var myChart = new Chart(ctx, {
    type: 'bar',
    data: {
        labels: ['Label 1', 'Label 2', 'Label 3'],
        datasets: [{
            label: 'Data Series',
            data: [10, 20, 15],
            backgroundColor: ['rgba(255, 99, 132, 0.2)', 'rgba(54, 162, 235, 0.2)', 'rgba(255, 206, 86, 0.2)'],
            borderColor: ['rgba(255, 99, 132, 1)', 'rgba(54, 162, 235, 1)', 'rgba(255, 206, 86, 1)'],
            borderWidth: 1
        }]
    }
});

通过以上方式,我们可以在 Flask 后端处理数据,并使用 HTML/CSS/JS 动态地在前端页面中展示和可视化这些数据。这种组合可以提供高度定制化的用户体验,使得数据在大屏幕上以美观的形式呈现。