Maison > Article > développement back-end > Créez des applications Web interactives de visualisation de données à l'aide de Flask et de D3.js.
Créez des applications Web interactives de visualisation de données à l'aide de Flask et de D3.js.
- 王林original
- 2023-06-17 21:00:151214parcourir
Ces dernières années, l'analyse et la visualisation de données sont devenues des compétences indispensables dans de nombreux secteurs et domaines. Il est très important pour les analystes de données et les chercheurs de présenter de grandes quantités de données aux utilisateurs et de permettre à ces derniers de comprendre la signification et les caractéristiques des données grâce à la visualisation. Pour répondre à ce besoin, il est devenu courant d'utiliser D3.js pour créer des visualisations de données interactives dans des applications Web. Dans cet article, nous verrons comment créer une application Web interactive de visualisation de données à l'aide de Flask et de D3.js.
Flask est un framework d'application Web léger basé sur Python, très facile à apprendre et à utiliser. Il fournit de nombreuses fonctionnalités utiles telles que le routage, les modèles, l'ORM, etc., qui peuvent être utilisées pour créer rapidement des applications Web. D3.js est une bibliothèque JavaScript spécifiquement utilisée pour la visualisation de données. Elle peut générer divers éléments visuels tels que des graphiques et des tableaux basés sur des données, et permet aux utilisateurs d'interagir avec ces éléments.
Tout d'abord, nous devons installer les bibliothèques Flask et D3.js. Entrez simplement la commande suivante dans la console :
pip install Flask
Ensuite, nous devons créer une application Flask. En Python, nous pouvons utiliser le code suivant pour créer une application Flask la plus simple :
from flask import Flask
app = Flask(__name__)
@app.route("/")
def index():
return "Hello, World!"
if __name__ == "__main__":
app.run() Ce code configure une application Flask et définit une route qui attribue les requêtes HTTP à la fonction index( ) à gérer. Dans cet exemple, la fonction index() renvoie simplement un simple "Hello, World!". index() 来处理。在这个例子中，函数 index() 只是返回了一个简单的 “Hello, World!”。
接下来，我们需要将D3.js库导入到Web应用程序中。为此，我们可以将库文件直接嵌入到HTML中。在本例中，我们将使用一个包含D3.js库的公共库（例如CDN或者NPM模块）。在HTML文件的 93f0f5c25f18dab9d176bd4f6de5d30e 标签中，添加以下代码：
<head> <title>Interactive Data Visualization</title> <script src="https://cdnjs.cloudflare.com/ajax/libs/d3/4.13.0/d3.min.js"></script> </head>
这个代码将从CDN上加载D3.js库。
现在，我们已经建立了一个最小可行的Flask应用程序，并且在HTML文件中加载了D3.js库。接下来，让我们来看看如何使用D3.js来生成可视化元素。在本例中，我们将使用简单的条形图来可视化数据。以下是一个利用D3.js生成条形图的例子代码：
// Select the SVG element by ID
var svg = d3.select("#chart");
// Define data
var data = [10, 20, 30, 40, 50];
// Define scale
var scale = d3.scaleLinear()
.domain([0, d3.max(data)])
.range([0, 500]);
// Define bars
svg.selectAll("rect")
.data(data)
.enter()
.append("rect")
.attr("x", 0)
.attr("y", function(d, i) { return i * 30; })
.attr("width", function(d) { return scale(d); })
.attr("height", 20)
.attr("fill", "blue");这段代码会在ID为 chart 的SVG元素中创建5个蓝色的条形元素。使用 scaleLinear() 方法创建比例尺来将数据映射到可视化元素的尺寸上。在生成元素时，使用 .attr() 方法来设置各种属性，例如位置、宽度、高度和填充颜色等。
现在，我们可以将这个易于使用的D3.js代码嵌入到Flask应用程序中。以下是一个将Flask和D3.js结合使用的完整示例：
from flask import Flask, render_template
app = Flask(__name__)
@app.route("/")
def index():
return render_template("index.html")
if __name__ == "__main__":
app.run(debug=True)在这个示例中，我们使用 render_template() 函数将HTML模板文件 index.html 返回给用户。在该模板文件中，我们可以使用D3.js来生成任何类型的可视化元素。以下是一个利用D3.js生成条形图的完整示例代码：
<!DOCTYPE html>
<html>
<head>
<title>Interactive Data Visualization</title>
<script src="https://cdnjs.cloudflare.com/ajax/libs/d3/4.13.0/d3.min.js"></script>
</head>
<body>
<svg id="chart"></svg>
<script>
// Select the SVG element by ID
var svg = d3.select("#chart");
// Define data
var data = [10, 20, 30, 40, 50];
// Define scale
var scale = d3.scaleLinear()
.domain([0, d3.max(data)])
.range([0, 500]);
// Define bars
svg.selectAll("rect")
.data(data)
.enter()
.append("rect")
.attr("x", 0)
.attr("y", function(d, i) { return i * 30; })
.attr("width", function(d) { return scale(d); })
.attr("height", 20)
.attr("fill", "blue");
</script>
</body>
</html>在浏览器中访问 http://localhost:5000
93f0f5c25f18dab9d176bd4f6de5d30e du fichier HTML, ajoutez le code suivant : rrreee
Ce code chargera la bibliothèque D3.js depuis le CDN. Maintenant, nous avons construit une application Flask minimale viable et chargé la bibliothèque D3.js dans un fichier HTML. Voyons ensuite comment utiliser D3.js pour générer des éléments visuels. Dans cet exemple, nous utiliserons un simple graphique à barres pour visualiser les données. Voici un exemple de code qui utilise D3.js pour générer un graphique à barres :rrreee
Ce code créera 5 éléments de barre bleue dans l'élément SVG avec l'IDchart. Utilisez la méthode scaleLinear() pour créer une barre d'échelle qui mappe les données aux dimensions d'un élément visuel. Lors de la génération d'un élément, utilisez la méthode .attr() pour définir divers attributs tels que la position, la largeur, la hauteur, la couleur de remplissage, etc. 🎜🎜Nous pouvons désormais intégrer ce code D3.js facile à utiliser dans notre application Flask. Voici un exemple complet d'utilisation de Flask avec D3.js : 🎜rrreee🎜 Dans cet exemple, nous utilisons la fonction render_template() pour restituer le fichier modèle HTML index.html Retour à l'utilisateur. Dans ce fichier modèle, nous pouvons utiliser D3.js pour générer tout type d'élément visuel. Ce qui suit est un exemple de code complet qui utilise D3.js pour générer un graphique à barres : 🎜rrreee🎜 Visitez http://localhost:5000 dans le navigateur, vous pouvez voir un graphique à barres avec une page ! 🎜🎜Résumé : 🎜🎜Dans cet article, nous avons présenté comment utiliser Flask et la bibliothèque D3.js pour créer une application Web interactive de visualisation de données. En utilisant cette combinaison, nous pouvons rapidement créer un puissant outil de visualisation de données afin que les utilisateurs puissent mieux comprendre les données. Cliquez ici pour plus de didacticiels liés au développement de Flask. 🎜🎜Notez que D3.js présente certaines limites, notamment lorsqu'il s'agit de grands ensembles de données. Si vous devez traiter de grandes quantités de données, pensez à utiliser un outil de visualisation de données dédié tel que Tableau ou Power BI. 🎜Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!