本文demo:http://81.70.49.226:8088/
源码：GitHub - xiaoxiaozheng520/-pywebio
pywebio文档(包含pycharts)：PyWebIO — PyWebIO 1.4.0 文档
我想很多人用Python就是用pandas进行数据分析，并且你大概率每天就用到pandas那几个函数处理结构大致相似的数据。
每天重复写着同样的代码，很辛苦，于是就会有人想到用Pyinstaller进行打包，但是打包的痛苦，尤其是各种乱七八糟的报错只能说试过的都懂。
但你有想过将要打包的功能，做到网页上去吗？这样只要有个公网ip就能随时随地、不限设备的去访问。你可能会想过，但是当你尝试去实现，发现Python开发页面动不动就是Django/flask这样的大家伙，很容易劝退。
本文我就讲一下如何不写一行前端代码，仅用一个不到100行的py脚本制作下面的页面
效果图：
先说思路及准备工作:
1、准备一个服务器搭建一个数据库，我这里用到是的是腾讯云
2、python编写脚本，调用pywebio,结合pycharts展示
3、将脚本部署到服务器，可以用docker，也可以直接部署
代码如下：数据库账号密码自行修改
# -*- coding: UTF-8 -*-# @Time :/12/1 9:29# @Author :Liuzheng# @Email :1540234613@from pywebio.input import *from pywebio.output import *from pywebio import start_server,input,outputimport pandas as pdfrom pyecharts import options as optsfrom pyecharts.charts import Bar,Piefrom sqlalchemy import create_engine"""1、连接本地数据库对数据进行统计分析2、对上述结果调用pywebio、进行界面化处理3、运用pyecharts、对结果进行展示4、docker部署服务器"""def main():output.put_markdown('# 蓟州区普高录取数据统计分析')output.put_markdown('**文档说明：**')output.put_markdown("""- 对数据进行统计分析- 对上述结果调用pywebio、进行界面化处理- 运用pyecharts、对结果进行展示- docker部署服务器- 发现文档问题联系：liuzheng.pn@""")content = open(r'C:UsersliuzhengDesktop?1年蓟州区普通高中录取分数线.png', 'rb').read()put_file('蓟州区普通高中录取分数线.png', content, '蓟州区普通高中录取分数线下载')#连接数据库conn = create_engine('mysql+pymysql://root:password@ip:3306/?charset=utf8')sql="""select * from (select n1.录取校,n1.数量,n2.分数线from (select * from (select 录取校,count(1) as 数量 from liuzheng.蓟州区普高录取结果信息表 GROUP BY 录取校 ) t ORDER BY t.`数量` desc ) n1 left join (select * from liuzheng.蓟州区普通高中录取分数线 ) n2 on n1.录取校=n2.学校名称) m ORDER BY m.`分数线`"""data=pd.read_sql_query(sql,conn)# print(data)# output.put_markdown('##蓟州区普高录取结果信息')# output.put_html(data)lqx=list(data['录取校'])sl=list(data['数量'])fsx=list(data['分数线'])c = (Bar().add_xaxis(lqx).add_yaxis('分数线', fsx).add_yaxis("招生数量", sl).reversal_axis().set_series_opts(label_opts=opts.LabelOpts(position="right")).set_global_opts(title_opts=opts.TitleOpts(title="蓟州区普高录取结果(按分数线排名)")))c.width = "120%"put_html(c.render_notebook())output.put_markdown(f'**分析结果：从图中可以看出分数线最高的是{lqx[-1]}({fsx[-1]})，排名前3位的分别是{lqx[-1]}({fsx[-1]})、{lqx[-2]}({fsx[-2]})、{lqx[-3]}({fsx[-3]})**')#性别比例sql2 = """select 性别,count(1) as 数量 from liuzheng.蓟州区普高录取结果信息表 GROUP BY 性别"""data2 = pd.read_sql_query(sql2, conn)xb=list(data2['性别'])xb_sl=list(data2['数量'])c = (Pie().add("", [list(z) for z in zip(xb, xb_sl)]).set_global_opts(title_opts=opts.TitleOpts(title="蓟州区普高录取男女比例")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")))c.width = "100%"put_html(c.render_notebook())output.put_markdown(f'**分析结果：从图中可以看出男生人数为{xb_sl[1]}，女生人数为{xb_sl[0]}**')if __name__ == '__main__':start_server(main, port=8088)
