作者：俊欣
来源：关于数据分析与可视化
最近Python圈子当中出来一个非常火爆的框架PyScript，该框架可以在浏览器中运行Python程序，只需要在HTML程序中添加一些Python代码即可实现。该项目出来之后便引起了轰动，马上蹿升到了Github趋势榜榜首，短短20天已经有10K+的star了。既然如此，小编今天就带大家来看看该框架是如何使用的。
我们先来看一下简单的例子，代码如下
<html> <head> <link rel="stylesheet" href="https://pyscript.net/alpha/pyscript.css" /> <script defer src="https://pyscript.net/alpha/pyscript.js"></script> </head> <body> <py-script> print('Hello, World!') </py-script> </body> </html>
其中Python代码被包裹在了py-script标签里面，然后我们在浏览器中查看出来的结果，如下所示
下面这一个例子当中，我们尝试将matplotlib绘制图表的代码放置到HTML代码当中去，以实现绘制出一张直方图的操作。首先是matplotlib代码部分，
import matplotlib.pyplot as plt import numpy as np
np.random.seed(42) ## 随机生成满足正态分布的随机数据 rv = np.random.standard_normal(1000)
fig, ax = plt.subplots()
ax.hist(rv, bins=30)
output
然后我们将上面的代码放置到HTML代码当中去，代码如下
<html> <head> <link rel="stylesheet" href="https://pyscript.net/alpha/pyscript.css"/> <script defer src="https://pyscript.net/alpha/pyscript.js"></script> <py-env> - numpy
- matplotlib </py-env> </head> <body> <h1>Plotting a histogram of Standard Normal distribution</h1> <div id="plot"></div> <py-script output="plot"> import matplotlib.pyplot as plt
import numpy as np
np.random.seed(42)
rv = np.random.standard_normal(1000)
fig, ax = plt.subplots()
ax.hist(rv, bins=30)
fig </py-script> </body> </html>
output
由于我们后面需要用到numpy和matplotlib两个库，因此我们通过py-env标签来引进它们，另外
我们在上面的基础之上，再来绘制一张折线图，首先我们再创建一个div标签，里面的id是lineplot，代码如下
<div id="lineplot"></div>
同样地在py-script标签中放置绘制折线图的代码，output对应div标签中的id值
<py-script output="lineplot"> ......... </py-script>
绘制折线图的代码如下
import matplotlib.pyplot as plt fig, ax = plt.subplots() year1 = [2016, 2017, 2018, 2019, 2020] population1 = [30, 46, 45, 55, 48] year2 = [2016, 2017, 2018, 2019, 2020] population2 = [43, 48, 44, 75, 45] plt.plot(year1, population1, marker='o', linestyle='--', color='g', label='Countr_1') plt.plot(year2, population2, marker='d', linestyle='-', color='r', label='Country_2') plt.xlabel('Year') plt.ylabel('Population (M)') plt.title('Year vs Population') plt.legend(loc='lower right') fig
output
现阶段运行带有Pyscript的页面加载速度并不会特别地快，该框架刚刚推出，仍然处于测试的阶段，后面肯定会不断地优化。要是遇到加载速度慢地问题，读者朋友看一下是不是可以通过更换浏览器得以解决。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程，培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司，在迈瑞总部展开了为期两天的培训，本次课程参训人员线上及线下近百人， ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学，进行了《数据治理与数据中台建设的道与术》专题培训，培训现场爆满，近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训，此次培训课程共10天内容，包括Excel、MySQL、概率论与数理统计、SPSS等内容， ...
2024-05-01从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，探讨数据挖掘、机器学习模型在金融领域的应用，包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面，形成 ...
2024-05-01本次培训课程为线上+线下的模式，由于学员编程能力不一、部分学员没有编程基础，故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践；已经被证明是人人 ...
2024-05-01主 题：数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略，全力打造我行 300 人数字化人才梯队，着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中，数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析，企业能够更好地理解市场 ...
2024-04-29在人工智能（AI）的世界里，提示词（Prompt）是一种强大的工具，它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场，拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日，CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法，是一种基于Bagging的集成学习方法，能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法，接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源：关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者：麦叔 定义 「把上面晦涩的概念汇成一句话就是：」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今，高学历人群日益增多，物以稀为贵的高学历光环淡去。无论本科生还是研究生，甚至博士生，求职竞争力都大不如前，就业压力越来越大。
2022-06-01某家企业10个人面试，有9个本科生……如何脱颖而出，除得体的举止和良好的沟通力外，证书成重要筹码，这也是很多人考证的关键所在。
2022-04-14
