热线电话：13121318867

分享一个2022年火遍全网的Python框架

2022-05-18

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。

HelloWorld

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

要不来画个图

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

再画个折线图

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