【毕设选题】大数据工作岗位数据分析与可视化 - python flask

      摘要生成于
      [ C知道](https://ai.csdn.net?utm_source=cknow_pc_ai_abstract) 
      ，由 DeepSeek-R1 满血版支持，
      [ 前往体验 >](https://ai.csdn.net?utm_source=cknow_pc_ai_abstract)

文章目录

计算机视觉、图像处理、毕业辅导、作业帮助、代码获取，远程协助，代码定制，私聊会回复!
✍🏻作者简介：机器学习，深度学习，卷积神经网络处理，图像处理
🚀B站项目实战：https://space.bilibili.com/364224477
😄 如果文章对你有帮助的话， 欢迎评论 💬点赞👍🏻 收藏 📂加关注+
🤵‍♂代做需求：@个人主页

1 课题背景

基于python+flask的python岗大数据可视化web系统，可以进行数据交互可视化，主题为python岗位相关大数据分析。

2 实现效果

📗Web_App动作描述

用户点击导航栏四个选项，跳转到想了解的页面

用户通过选择器点击想要了解的城市，可显示该城市的相关岗位数量

鼠标下拉可看文字结论分析

3 项目实现

3.1 概括

3.2 Flask实现

数据循环

数据嵌套

推导式

条件判断

数据交互

3.3 HTML页面交互及Jinja2

Jinja2介绍

jinja2是Flask作者开发的一个模板系统，起初是仿django模板的一个模板引擎，为Flask提供模板支持，由于其灵活，快速和安全等优点被广泛使用。

jinja2的优点

jinja2之所以被广泛使用是因为它具有以下优点：

项目代码

4 完整代码

import random
from calendar import c
from tkinter import Grid

from flask import Flask,render_template,request
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map, EffectScatter, HeatMap, Line,Grid
from pyecharts.faker import Faker
from pyecharts.globals import SymbolType
from pyecharts.charts import Pie,Bar

df = pd.read_csv('data1.csv')
app = Flask(__name__)


@app.route('/')
def map() -> 'html':
    a = (
        Map()
            .add("平均月薪", list(zip(df.省, df.平均月薪)), "china")
            .set_global_opts(
            title_opts=opts.TitleOpts(title="各省python相关岗位平均月薪"),
            visualmap_opts=opts.VisualMapOpts(min_=7164.08, max_=17096.07),
        )
    )
    a.render("./templates/map.html")
    with open("./templates/map.html", encoding="utf8", mode="r") as f:
        map = "".join(f.readlines())
        the_select_province = {'北京':'4924',
                               '上海':'3114',
                               '广东':'3164',
                               '浙江':'1244',
                               '南京':'701',
                               '湖北':'412',
                               '江苏':'450',
                               '福建':'359',
                               '四川':'985',
                               '辽宁':'227',
                               '安徽':'236',
                               '湖南':'239',
                               '山东':'360',
                               '吉林':'88',
                               '江西':'60',
                               '天津':'355',
                               '山西':'417',
                               '陕西':'60',
                               '重庆':'179',
                               '黑龙江':'60',
                               '河南':'477',
                               '贵州':'60',
                               '河北':'60',}

    return render_template('python_map.html',
                           the_map=map,
                           the_province=the_select_province
                           )


element = list(set(most['分类']))



@app.route('/effectscatter_symbol')
def effectscattere_symbol() -> 'html':
    df = pd.read_csv('data2.csv',encoding = 'utf8', index_col="名称")
    省 = list(df.loc["省"].values)[-24:]
    数量 = list(df.loc["数量"].values)[-24:]
    value = [[i, j, random.randint(0, 80)] for i in range(24) for j in range(24)]
    c = (
        HeatMap()
            .add_xaxis(省)
            .add_yaxis("数量", 数量, value)
            .set_global_opts(
            title_opts=opts.TitleOpts(title="各省Python相关岗位数量"),
            visualmap_opts=opts.VisualMapOpts(),
        )
    )
    c.render("./templates/effectscatter_symbol.html")
    with open("./templates/effectscatter_symbol.html", encoding="utf8", mode="r") as f:
        sym = "".join(f.readlines())
        return render_template('python_effectscatter_symbol.html',
                               the_sym=sym,
                               )

        1

        data_pie1 = data_pie.T.to_html()

        pie1_list = [num for num in data_pie['分类']]

        labels = [index for index in data_pie.index]


@app.route('/pie_base')
def pie_base() -> 'html':
    df = pd.read_csv('data3.csv', encoding='utf8')
    bar = (
        Bar()
            .add_xaxis(['不限', '3-5年', '1-3年', '5-10年', '无经验', '一年以下', '10年以上'])
            .add_yaxis("职位数量", [6183, 5164, 4842, 1516, 366, 111, 34])

            .set_global_opts(title_opts=opts.TitleOpts(title="工作经验-职位分布数量"))
    )

    line = (
        Line()
            .add_xaxis(['本科', '大专', '不限', '硕士', '博士', '中专'])
            .add_yaxis("职位数量", [9954, 3704, 3205, 1137, 88, 31])

            .set_global_opts(
            title_opts=opts.TitleOpts(title="最低要求学历-职位分布数量", pos_top="50%"),
            legend_opts=opts.LegendOpts(pos_top="50%"),
        )
    )

    grid = (
        Grid()
            .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%", pos_right="0", height="30%"))
            .add(line, grid_opts=opts.GridOpts(pos_top="60%", pos_right="0", height="30%"))
    )
    bar,line,grid.render("./templates/pie_base.html")
    with open("./templates/pie_base.html", encoding="utf8", mode="r") as f:
        pie_base = "".join(f.readlines())
        return render_template('python_pie_base.html',
                               the_pie_base=pie_base,
                               )

 the_element3 = request.form['the_element3_selected']
    
    print(the_element3)
    
    element3_available = element3
    
    if the_element3 =='广州':
    
    the_level = 广州
    
    elif the_element3 =='上海':
    
    the_level = 上海
    
    elif the_element3 =='北京':
    
    the_level = 北京
    
    else:
       
       the_level = 其它

        
        
        
         def python_most():

    title1 = "最低学历"

    data_pie =  pd.DataFrame(pressure2.loc['最低学历与工作经验的关系']['分类'].value_counts())

    data_pie1 = data_pie.T.to_html()

    pie1_list = [num for num in data_pie['分类']]

    labels = [index for index in data_pie.index]
    
@app.route('/Bar/')
def bar_base() -> Bar:
    df = pd.read_csv('data4.csv', encoding='utf8', index_col="学历")
    最低学历 = list(df.loc["最低学历"].values)[-6:]
    无经验 = list(df.loc["无经验"].values)[-6:]
    一年以下 = list(df.loc["一年以下"].values)[-6:]
    不限 = list(df.loc["不限"].values)[-24:]
    一至三年 = list(df.loc["一至三年"].values)[-24:]
    三至五年 = list(df.loc["三至五年"].values)[-24:]
    五至十年 = list(df.loc["五至十年"].values)[-24:]
    十年以上 = list(df.loc["十年以上"].values)[-24:]
    c = (
        Line()
            .add_xaxis(最低学历)

            .add_yaxis("无经验", 无经验)
            .add_yaxis("一年以下", 一年以下)
            .add_yaxis("不限", 不限)
            .add_yaxis("一至三年", 一至三年)
            .add_yaxis("三至五年", 三至五年)
            .add_yaxis("五至十年", 五至十年)
            .add_yaxis("十年以上", 十年以上)
            .set_global_opts(title_opts=opts.TitleOpts(title="最低学历-工作经验与平均月薪",
                                                       subtitle="平均月薪(元)"))
    )
    c.render("./templates/Bar.html")
    with open("./templates/Bar.html", encoding="utf8", mode="r") as f:
        bar_base= "".join(f.readlines())
        return render_template('python_bar.html',
                               the_bar_base=bar_base,
                               )
 return render_template('first.html',

                        the_title1 = title1,
                        
                        the_select_element1 = element1_available,
                        
                        the_data_pie1 = data_pie1,
                        
                        the_pyecharts_all = plot_all,
                        
                        the_pyecharts_all1 = plot_all1,
                        
                        the_pyecharts_all3 = plot_all3,

5 最后