Python期末项目

• 该仓库为中大南方18级Python课程期末项目。该项目与17级学长合作共同完成

项目过程：利用python爬取数据，收集故事所需信息—>运用flask框架实现Python和HTML图表前后端各项交互，在web页面展现数据图表和并描述故事—>实现pythonanywhere部署及github上传

从国家GDP与工业排放来探究空气污染与两者得相关性

网站内容通过使用Python完成数据处理、数据可视化，并部署于PythonAnywhere上展示。

网站一共含有为9个页面

项目代码GitHub_URL

PythonAnywhere个人部署URL tzyi.pythonanywhere.com（链接可能有问题）

数据传输描述：

• 利用函数pd.read_csv，读取csv文件

• 利用return render_template跳转页面

• 前后端传输

  request.form["the_region_selected"]

  {% for item in the_select_region %}

  {{ the_plot_all|safe }}

  {{ the_res|safe }}

HTML档描述：

• 布局与样式：

1. 标题文字居中，背景为渐变色。
2. 插入轮播图（详见summary.html）。

• 与python文档的数据交互：

1. 与py文件进行对应可视化表格传输（详见hurun.html），通过 {{ item }}创建下拉框和通过设置跳转按钮实现页面跳转；创建HTML控件按钮，举一个代码例子：
   。
2. 数据循环与嵌套：{% for item in the_select_region %}用for循环选择app.py里一个函数的变量里的国家。

• jinja2的运用：

1. <title>{{ the_title }}</title>(来自空气污染导致的死亡率.html）
2. {{ the_plot_all|safe }}（来自hurun.html）。

• 链接css：（来自空气污染导致的死亡率.html）。

Python档描述：

• 调用函数
• 新建函数
• 读取csv数据文件
• 通过post方法实现与前端html页面跳转
• df1.to_html() 实现表格页面
• request.form["the_region_selected"]获取用户输入

Web APP动作档描述：

• 下拉框：在hurun.html文件中，我们设置了发达国家的工业碳氧化物排放下拉框选择，通过点击“Do it”提交，网页即呈现对应国家的排放数据图表：
• 下一页按钮： 在html文件中，我们的故事是通过几个方面阐述的，一个表现为一个界面，通过点击下一页按钮即可跳转至下一个分析。

---

包含得分点

在调用函数的基础上，读取csv数据文件，通过POST方法实现跳转至前端页面，即html返回的具体值。部分代码如下：

df1 = pd.read_csv("Industrial_emission_index.csv", encoding='utf-8')

@app.route('/')
def bing_death():
    return render_template('2017年死亡因素下的死亡人数比例对比.html',
                           the_title='2017年死亡因素下的死亡人数比例对比')

• 含有合适的推导式：

kqwr = Scatter(
    x=[int(x) for x in dfc.columns],
    y=dfc.loc["空气污染", :].values
)

• 含有数据交互（举其中一个例子）：

return render_template('hurun.html',
                           the_plot_all=plot_all,
                           the_res=data_str,
                           the_select_region=regions_available,
)

• 含有合适的数据结构嵌套：

layout = dict(xaxis=dict(rangeselector=dict(buttons=list([
    dict(count=3,
         label="3年",
         step="year",
         stepmode="backward"),
    dict(count=5,
         label="5年",
         step="year",
         stepmode="backward"),
    dict(count=10,
         label="10年",
         step="year",
         stepmode="backward"),
    dict(count=20,
         label="20年",
         step="year",
         stepmode="backward"),
    dict(step="all")
])),
    rangeslider=dict(bgcolor="#70EC57"),
    title='年份'
),
    yaxis=dict(title='世界死亡人数'),
    title="各类空气污染死亡人数对比"
)

• 含有合适的列表循环：

def timeline_map() -> Timeline:
    tl = Timeline()
    for i in range(2007, 2017):
        map0 = (
            Map()
                .add(
                "", list(zip(list(df2.Country), list(df2["{}年".format(i)]))), "world", is_map_symbol_show=False
            )
                .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
                .set_global_opts(
                title_opts=opts.TitleOpts(title="2007年-2017年各地区GDP对比".format(i), subtitle="",
                                          subtitle_textstyle_opts=opts.TextStyleOpts(color="black", font_size=16,
                                                                                     font_style="italic")),
                visualmap_opts=opts.VisualMapOpts(max_=21972347748529, min_=20439158.42),

            )
        )
        tl.add(map0, "{}年".format(i))
    return tl

• 导入pyecharts类库导入图表实现交互： from pyecharts import options as opts
• 定义一个timeline_map函数，符合 PEP8标准： def timeline_map()

---