可视化大屏展示北京生活成本有多高

科技   2024-11-27 13:31   江苏  
最近发现了一个神奇的网站,可以查询世界上绝大多数城市的生活成本情况,包括衣食住行等等各个方面,可以让我人在家中坐,便知天下各地人民的生活状况。害,真是咸吃萝卜淡操心呐!

我们来看看这个网站,大致长这样

可以看到比如生活在北京,一个四口之家每个月的花费就要15W人民币,如果是一个单身汉的话,那么不算房租,也要4K多的开销,看来还真的是大北京,居不易啊!
当然网站上还有很多很好玩的数据,大家可以自行探索

https://www.numbeo.com/cost-of-living/in/Beijing

下面我们就来具体看看,生活在北京,衣食住行到底是怎么样的

最后我们还做成了一个大屏的效果

数据抓取

其实抓取数据还是比较简单的,直接使用 Pandas 的 read_html 函数即可,这真的是一个超级棒的工具

import pandas as pd


pd.set_option('display.max_rows'None)
pd.set_option('display.max_columns'None)
data = pd.read_html("https://www.numbeo.com/cost-of-living/in/Beijing", header=None)

我们拿到的数据如下

接下来就可以全方位的通过图表来展示大北京的生活啦

北京的衣食住行

首先是北京的购衣成本

可以看出,男士的商务皮鞋是最贵的,而女士的裙子最高才不过400元,看来人们的消费观念有所改变,女人的钱不再那么好赚了

接下来是用餐成本

两人或三人,中等餐厅的人均消费水平是最高的,最高达到了350元,不过对于帝都来说,这好像也不算什么。
难道在吃这方面,北漂们都不特别讲究吗

再来看看果蔬的成本

每千克最高的是苹果和橙子,总体来看,也还好的感脚呢

最后我们看看租房成本

可以说,租房这一项是最能体现帝都生活的数据了,市中心的单室套,最高达到了1.2W,而三室套也能达到2.5W的恐怖数字,看来在北京生活,其他方面都还好,这个住才是大问题呀

全国租房数据大屏

既然住是最为高成本的数据,那么我们来看看全国其他主要城市,租房的费用都是怎么样的呢
我们先获取数据

# coding = utf-8
"""
======================
@author:luobo
@time:2021/9/11:9:44
@email:
@File: main.py
======================
"""


import pandas as pd
import re
import time
import json

city_list = ['Beijing''Shanghai''Shenzhen''Guangzhou''Hangzhou''Suzhou''Nanjing''Fuzhou-China''Dalian',
             'Qingdao''Shenyang''Jinan-China''Changchun''Harbin-China''Zhengzhou-China''Lanzhou-China',
             'Chengdu''Chongqing''Wuhan''Tianjin']
city_url = "https://www.numbeo.com/cost-of-living/in/"

rent_dict = {}
rent_range_dict = {}
for city in city_list:
    city_url_final = city_url + city
    print(city_url_final)
    data = pd.read_html(city_url_final)
    one_bedroom = data[1].loc[54].tolist()[1]
    one_bedroom_range = data[1].loc[54].tolist()[2]
    data = re.findall(r'[0-9,.]+', one_bedroom)[0].replace(',''')
    data_range_list = [i.replace(','''for i in re.findall(r'[0-9,.]+', one_bedroom_range)]
    data_range_list.append(data)
    rent_dict[city] = data
    rent_range_dict[city] = data_range_list
    time.sleep(10)

with open("rent_data1.json"'w'as f:
    json_str = json.dumps(rent_dict, indent=4, ensure_ascii=False)
    f.write(json_str)


with open("rent_data_range.json"'w'as f:
    json_str = json.dumps(rent_range_dict, indent=4, ensure_ascii=False)
    f.write(json_str)


if __name__ == '__main__':
    pass

运行代码,会生成两个json文件,分别是租房平均费用,已经最高最低费用

我们先编写获取柱状图的接口

@app.route("/get_chart_data")
def get_chart_data():
    with open("rent_data.json"as load_f:
        data = json.load(load_f)
    chart_info = {}
    chart1_data = get_data(["Beijing""Shanghai""Shenzhen""Guangzhou""Hangzhou"], data)
    chart2_data = get_data(["Suzhou""Nanjing""Fuzhou-China""Dalian""Qingdao"], data)
    chart3_data = get_data(["Shenyang""Jinan-China""Changchun""Harbin-China""Zhengzhou-China"], data)
    chart4_data = get_data(["Lanzhou-China""Chengdu""Chongqing""Wuhan""Tianjin"], data)
    chart_info['chart1'] = chart1_data
    chart_info['chart2'] = chart2_data
    chart_info['chart3'] = chart3_data
    chart_info['chart4'] = chart4_data
    return jsonify(chart_info)

这个接口会返回各个城市的平均租房费用,在前端我们使用 AJAX 来调用

$(function ({
    $.ajax({
        url'/get_chart_data',
        type'get',
        dataType'json',
        successfunction (res{
            echarts_1(res['chart1']);
            echarts_2(res['chart2']);
            echarts_3(res['chart3']);
            echarts_4(res['chart4']);
        }
    });

    function echarts_1(data{
        // 基于准备好的dom,初始化echarts实例
        var myChart = echarts.init(document.getElementById('echart1'));

在这个js文件中,我们通过 echarts 来填充页面上的不同id所对应的区域即可

下面再编写各城市直接的对比数据接口

@app.route("/get_pie_data")
def get_pie_data():
    with open("rent_data_range.json"as load_f:
        data = json.load(load_f)
    chart_info = {}
    data_list = []
    for i in city_list:
        data_list.append(data[i])
    chart_info["k"] = city_list
    chart_info["d"] = data_list
    return jsonify(chart_info)

对应的 echarts 代码部分如下

var chartDom = document.getElementById('map_1');
var myChart = echarts.init(chartDom);
var option;
var data = data["d"];
var cities = data['k'];
var barHeight = 50;
option = {
            legend: {
                showtrue,
                data: ['价格范围''均值']
            },
            grid: {
                top100
            },
            angleAxis: {
                type'category',
                data: cities
            },
            tooltip: {
                showtrue,
                formatterfunction (params{
                    var id = params.dataIndex;
                    return cities[id] + '<br>最低:' + data[id][0] + '<br>最高:' + data[id][1] + '<br>平均:' + data[id][2];
                }
            },
...
option && myChart.setOption(option);

最后我们完成 flask 基本代码的编写,整个大屏就完成了

from flask import Flask, render_template, jsonify
import json


app = Flask(__name__)

city_list = ['Beijing''Shanghai''Shenzhen''Guangzhou''Hangzhou''Suzhou''Nanjing''Fuzhou-China''Dalian',
             'Qingdao''Shenyang''Jinan-China''Changchun''Harbin-China''Zhengzhou-China''Lanzhou-China',
             'Chengdu''Chongqing''Wuhan''Tianjin']


@app.route("/")
def index():
    return render_template("chengben.html")

...

if __name__ == '__main__':
    app.run(debug=True, host='0.0.0.0')



Crossin的新书《码上行动:用ChatGPT学会Python编程》已经上市了。本书以ChatGPT为辅助,系统全面地讲解了如何掌握Python编程,适合Python零基础入门的读者学习。【点此查看详细介绍】

购买后可加入读者交流群,Crossin为你开启陪读模式,解答你在阅读本书时的一切疑问。
Crossin的其他书籍:



添加微信 crossin123 ,加入编程教室共同学习~

感谢转发点赞的各位~
Crossin的编程教室
每天5分钟,轻松学编程。点击关注这里有浅显易懂的 Python 入门教程。 编程世界的新手指南。
 最新文章