今天给大家分享的是基于 Flask、Echarts、Pandas 等实现的图书分析大屏展示系统。

项目亮点

• 采用 pandas、numpy 进行数据分析

• 基于 snownlp、jieba 进行情感分析

• 后端接口选用 RESTful 风格，构建 Swagger 文档

• 基于 Flask、Echarts 构建 Web 服务，采取前后端分离的开发模式

• 结合 redis 提高访问速度

• 采用 docker-compose 构建项目

• 使用 gitee、github 进行代码版本管理

• 前端采用 Promise、async、await 进行异步请求

在线演示地址

• 主页：https://python.sinwer.cn/

• 数据接口：https://python.sinwer.cn/v1/

效果截图

图片太大，不清晰。

项目本地启动

docker-compose up   

项目本地访问

localhost:8080   

源码

本文由技术群粉丝投稿分享，项目源码、数据、技术交流提升，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

方式①、添加微信号：dkl88191，备注：来自CSDN +研究方向
方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：图书分析大屏

部分代码展示
wsgi.py

import sys

WIN = sys.platform.startswith('win')
from gevent import monkey

if WIN:
    monkey.patch_all(contextvars=False)
else:
    monkey.patch_all()
# gc.disable()
# gc.set_debug(gc.DEBUG_LEAK)
import os

from dotenv import load_dotenv, find_dotenv
from werkzeug.middleware.proxy_fix import ProxyFix

from BookAnalysis import create_app

load_dotenv(find_dotenv())

app = create_app(os.environ.get('FLASK_ENV', 'production'))
app.wsgi_app = ProxyFix(app.wsgi_app)

#!/usr/bin/python3
# -*- coding: utf-8 -*- 
# @Software: PyCharm
import jieba
import pandas as pd

from BookAnalysis.analysis.base import Base


class Analysis(Base):
    def __init__(self, filename=None):
        if filename is None:
            filename = 'bookComment.csv'
        super().__init__(filename)

    def getData(self):
        # 选取评论数量最多的图书
        url = self.df['url'].value_counts().idxmax()
        df: pd.DataFrame = self.df.loc[self.df['url'] == url]
        # print(df.head())
        # print(df.shape)
        # print(df.columns)
        comments = df['comment'].astype(str).tolist()
        counts = {}
        # 统计评论
        for comment in comments:
            words = jieba.cut(comment, use_paddle=True)
            for word in words:
                if len(word) == 1:
                    continue
                else:
                    counts[word] = counts.get(word, 0) + 1
        # _ans = []
        # for key, value in counts.items():
        #     _ans.append({
        #         "name": key,
        #         "value": value
        #     })
        # print(counts)
        # print(_ans)
        # 按照 value 进行排序 dict
        counts = sorted(counts.items(), key=lambda item: item[1], reverse=True)
        _ans = []
        for key, value in counts:
            # 获取前 200 个分词，减少网络传输压力
            if len(_ans) > 200:
                break
            _ans.append({
                "name": key,
                "value": value
            })
        return _ans


if __name__ == '__main__':
    print(Analysis().getData())