def bus_passengers_count_(bus_id, start_date, end_date):
# 获取数据
df = get_data_frame(sql_connect_bus_passenger())
# 只选择数据中所需的列
df = df[["bus_id", "passenger_id", "timestamp"]]
# 为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合
count_df = pd.DataFrame(np.ones(shape=(len(df), 1)), columns=["count"])
df = df.join(count_df)
# 去除没有bus_id的乘客
new_df = df[pd.notnull(df["bus_id"])]
# 去除没有时间戳的乘客
new_df = new_df[pd.notnull(df["timestamp"])]
# 选择某号站台的乘客
new_df = new_df[new_df["bus_id"] == bus_id]
# 选择起始时间之后的数据
start_date = str_datetime_frame(start_date)
new_df = new_df[new_df["timestamp"] >= start_date]
# 选择结束时间之前的数据
end_date = str_datetime_frame(end_date)
new_df = new_df[new_df["timestamp"] <= end_date]
# 设置timestamp为索引
new_df = new_df.set_index("timestamp")
# 只选择据中的count列
new_df = new_df["count"]
# 调整统计时间的范围,实现重新采样
new_df = new_df.resample("10T").sum()
# print(new_df)
return new_df
def different_station_count_(start_date,end_date):
# 获取数据
df = get_data_frame(sql_connect_station_passenger())
# 只选择数据中所需的列
df = df[["station_id", "passenger_id", "timestamp"]]
# 为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合
count_df = pd.DataFrame(np.ones(shape=(len(df), 1)), columns=["count"])
df = df.join(count_df)
# 去除没有station_id的乘客
new_df = df[pd.notnull(df["station_id"])]
# 去除没有时间戳的乘客
new_df = new_df[pd.notnull(df["timestamp"])]
# 选择起始时间之后的数据
start_date = str_datetime_frame(start_date)
new_df = new_df[new_df["timestamp"] >= start_date]
# 选择结束时间之前的数据
end_date = str_datetime_frame(end_date)
new_df = new_df[new_df["timestamp"] <= end_date]
# 获取站台列表
# station_list = new_df["station_id"].unique().tolist()
# 设置station_id为索引
new_df = new_df.set_index("station_id")
# 只选择据中的count列
new_df = new_df["count"]
# 根据站台分组,并且进行求和
new_df = new_df.groupby("station_id").sum()
print(new_df)
return new_df
def show_bus_date_overview_mpl(start_date,end_date):
global temp_grouped
fig = plt.figure(figsize=(16, 8))
ax = plt.subplot()
#获取数据
df = get_data_frame(sql_connect_bus_passenger())
df = df[["bus_id", "passenger_id", "timestamp"]]
#为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合
count_df = pd.DataFrame(np.ones(shape=(len(df),1)),columns=["count"])
df = df.join(count_df)
#去除没有时间戳的乘客
new_df = df[pd.notnull(df["timestamp"])]
# 选择起始时间之后的数据
start_date = str_datetime_frame(start_date)
new_df = new_df[new_df["timestamp"] >= start_date]
# 选择结束时间之后的数据
end_date = str_datetime_frame(end_date)
new_df = new_df[new_df["timestamp"] <= end_date]
#不同公交路线的乘客的数量和时间的对应关系并不相同,需要先统一统计的时间,没有的时间段填充0
date_start = new_df["timestamp"].min()
date_end = new_df["timestamp"].max()
date_period = pd.DataFrame(pd.date_range(date_start, date_end, freq="T",),columns=["timestamp"])
#定义绘图的颜色
colors = ['red', 'green', 'blue', "cyan", "orange"]
bus_list = new_df["bus_id"].unique().tolist()
#分组
for bus,grouped in new_df.groupby(by=["bus_id"]):
#对不同的站台添加统一的时间段,并设置为index
temp_grouped = grouped.merge(date_period,how="outer",on="timestamp")
temp_grouped = temp_grouped[["timestamp","count"]].set_index("timestamp")
#对空白的时间段填充0
temp_grouped = temp_grouped.fillna(0)
temp_grouped = temp_grouped.resample("10T").sum()
# print(temp_grouped.index)
_x = range(len(temp_grouped.index))
_y = temp_grouped["count"]
#绘制散点图,但是效果不明显
# ax.scatter(_x, _y,
# c=colors[bus_list.index(bus)],
# alpha=0.5,
# label=bus
# )
#绘制折线图
ax.plot(_x, _y,
c=colors[bus_list.index(bus)],
alpha=0.5,
label=bus
)
# 解决xticklable时间带时分秒
xticklables = [i.strftime('%Y-%m') for i in temp_grouped.index]
# 解决xticklable刻度太密集
plt.xticks(range(0, len(temp_grouped.index), 4), xticklables[::4], rotation=45)
#添加图例
plt.legend()
# x轴标题
plt.xlabel("时间",fontproperties=myfont)
# y轴标题
plt.ylabel("时间段内的数量合计",fontproperties=myfont)
# 图的标题
# plt.title("不同公交线路的人群数量随时间的变化情况",fontproperties=myfont)
# plt.savefig("不同公交线路的人群数量随时间的变化情况.png")
# plt.show()
# 将生成的matplotlib图像转化为HTML格式
# figure 保存为二进制文件
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()
# 图像数据转化为 HTML 格式
imb = base64.b64encode(plot_data)
# imb = plot_data.encode('base64') # 对于 Python 2.7可用
ims = imb.decode()
imd = "data:image/png;base64," + ims
iris_im = """<h1>不同公交线路的人群数量随时间的变化情况折线图</h1> """ + """<img src="%s">""" % imd
root = "<title>Iris Dataset</title>"
root = root + iris_im # 将多个 html 格式的字符串连接起来
# lxml 库的 etree 解析字符串为 html 代码，并写入文件
html = etree.HTML(root)
tree = etree.ElementTree(html)
tree.write('不同公交线路的人群数量随时间的变化情况折线图.html')
# 最后使用默认浏览器打开 html 文件
import webbrowser
webbrowser.open('不同公交线路的人群数量随时间的变化情况折线图.html', new=1)
def show_bus_date_overview_ply(start_date, end_date):
'''
展示不同公交路线的人群数量随时间的变化情况折线图
:param start_date: 起始时间 str类型 "2020-04-06 00:00:00"
:param end_date: 结束时间 str类型 "2020-04-07 00:00:00"
:return: str类型 将生成的HTML通过字符串的形式返回
'''
global temp_grouped
fig = go.Figure()
# 获取数据
df = get_data_frame(sql_connect_bus_passenger())
df = df[["bus_id", "passenger_id", "timestamp"]]
# 为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合
count_df = pd.DataFrame(np.ones(shape=(len(df), 1)), columns=["count"])
df = df.join(count_df)
# 去除没有时间戳的乘客
new_df = df[pd.notnull(df["timestamp"])]
# 选择起始时间之后的数据
start_date = str_datetime_frame(start_date)
new_df = new_df[new_df["timestamp"] >= start_date]
# 选择结束时间之后的数据
end_date = str_datetime_frame(end_date)
new_df = new_df[new_df["timestamp"] <= end_date]
# 不同公交线路的乘客的数量和时间的对应关系并不相同,需要先统一统计的时间,没有的时间段填充0
date_start = new_df["timestamp"].min()
date_end = new_df["timestamp"].max()
date_period = pd.DataFrame(pd.date_range(date_start, date_end, freq="T", ), columns=["timestamp"])
# 定义绘图的颜色
colors = ['red', 'green', 'blue', "cyan", "orange"]
bus_list = new_df["bus_id"].unique().tolist()
# 分组
for bus, grouped in new_df.groupby(by=["bus_id"]):
# 对不同的公交线路添加统一的时间段,并设置为index
temp_grouped = grouped.merge(date_period, how="outer", on="timestamp")
temp_grouped = temp_grouped[["timestamp", "count"]].set_index("timestamp")
# 对空白的时间段填充0
temp_grouped = temp_grouped.fillna(0)
temp_grouped = temp_grouped.resample("10T").sum()
# print(temp_grouped.index)
_x = temp_grouped.index
_y = temp_grouped["count"]
# 绘制折线图
fig.add_trace(go.Scatter(x=_x, y=_y,
name=bus,
mode='lines+markers',
line=dict(color=colors[bus_list.index(bus)], width=4)))
# 设置图表布局
fig.update_layout(title='不同公交线路的人群数量随时间的变化情况折线图',
title_font_size=40,
xaxis=dict(title='时间', # 设置坐标轴的标签
titlefont=dict(size=30), # 设置坐标轴标签的字体大小
tickfont=dict(size=24), # 设置刻度的字体大小
),
yaxis=dict(title='时间段内的数量合计', # 设置坐标轴的标签
titlefont=dict(size=30), # 设置坐标轴标签的字体大小
tickfont=dict(size=24), # 设置刻度的字体大小
),
)
# 使用离线的接口，生成离线html
# pltoff.plot(fig, filename="不同公交线路的人群数量随时间的变化情况折线图.html")
# 将生成的HTML通过字符串的形式返回
plt_res = pltoff.plot(fig, output_type='div')
# print(plt_res)
# with open("res.html",'w+') as f:
# f.write(plt_res)
return plt_res