卫生网站建设方案,怎样注册一个自己的网站,0基础做网站用什么语言,wordpress建站后台Cloud Studio 简介
Cloud Studio是腾讯云发布的云端开发者工具#xff0c;支持开发者利用Web IDE#xff08;集成开发环境#xff09;#xff0c;实现远程协作开发和应用部署。
现在的Cloud Studio已经全面支持Java Spring Boot、Python、Node.js等多种开发模板示例库支持开发者利用Web IDE集成开发环境实现远程协作开发和应用部署。
现在的Cloud Studio已经全面支持Java Spring Boot、Python、Node.js等多种开发模板示例库让开发者们可以更轻松地上手。它还具备在线开发、调试、预览等强大的功能让你可以轻松实现各种开发需求。而且我还听说Cloud Studio已经在内测中集成了在线开发协作模块下一个版本将会全量开放这意味着你将能够随时随地与团队成员一起设计、讨论和开发项目。
还有一点非常重要的是Cloud Studio具备SSH连接能力这意味着你可以安全地连接到云端工作空间更加方便地连接云资源。这样一来你可以随时随地享受到云端开发的便利不再受限于地点和设备。
另外Cloud Studio还具备标准化的云端安装部署能力支持主流代码仓库的云端克隆。这就意味着你可以将你的代码库轻松地迁移到云端让你的开发过程更加规范化和便捷化。
创建账号
Cloud Studio 的官网 https://cloudstudio.net/
目前共有三种登录方式CODING微信GITHUB
如果没有GitHub可以使用微信登录。 1、搭建前准备
打开Cloud Studio平台进入个人页面。
点击Cloud Studio官网 Cloud Studio_在线编程_在线IDE_WebIDE_CloudIDE
现在实名认证的话每月会赠送 1000 分钟免费额度。 2、选择环境
选择环境模板
Cloud Studio内置 Node.js、Java、Python 等常见环境这里我们需要选择一个Python模板 3、开始代码环节
3.1、配置运行环境
打开终端 分别执行以下命令下载依赖包
pip install openpyxl
pip install numpy
pip install pandas
pip install matplotlib3.2、创建 数据爬取.py 运行如下代码
import requests
from openpyxl import Workbook# 请求头
headers {User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36
}# 将数据转换为json格式
def getTypeJson(url):# 发送请求response requests.get(url, headersheaders)# 返回json格式数据return response.json()# 获得数据信息
def getInformation(url, ws, name):# 获取json格式的data数据data getTypeJson(url).get(data)# 获取klines数据klines data.get(klines)for kline in klines:# 将kline的起始位置加上name字段kline name , kline# 将kline用,切割并保存一行ws.append(kline.split(,))# 保存数据
def saveInformationToXlsx():wb Workbook()# 打开第一个表格ws wb.worksheets[0]# 添加第一行数据ws.append([名称, 时间, 开盘, 收盘, 最高, 最低, 成交量, 成交额, 振幅, 涨跌幅, 涨跌额, 换手率])# 爬取五粮液数据url fhttp://push2his.eastmoney.com/api/qt/stock/kline/get?fields1f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13fields2f51,f52,f53,f54,f55,f56,f57,f58,f59,f60,f61beg20190101end20500101utfa5fd1943c7b386f172d6893dbfba10brtntype6secid1.600702klt101fqt1getInformation(url, ws, 五粮液)# 爬取泸州老窖数据url fhttp://push2his.eastmoney.com/api/qt/stock/kline/get?fields1f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13fields2f51,f52,f53,f54,f55,f56,f57,f58,f59,f60,f61beg20190101end20500101utfa5fd1943c7b386f172d6893dbfba10brtntype6secid0.000568klt101fqt1getInformation(url, ws, 泸州老窖)# 设置标题ws.title 五粮液和泸州老窖# 保存数据wb.save(酿酒行业个股资金流.xlsx)# 关闭资源wb.close()# 程序运行
if __name__ __main__:saveInformationToXlsx()酿酒行业个股资金流.xlsx 文件内容如下 爬取的数据来自东方财富泸州老窖和五粮液
3.3、创建 数据分析.py 运行如下代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import randomdef viewPlot(fileName):# 防止中文乱码plt.rcParams[font.sans-serif] [SimHei]plt.rcParams[axes.unicode_minus] False# 进行数据处理df dataHandling(fileName)viewPlot1(df)viewPlot2(df)viewPlot3(df)# 对xlsx数据进行整理
def dataHandling(xlsxName):# 读取excel文件df pd.read_excel(xlsxName, header0)# 对时间进行处理df[年月] df[时间].str[0:7]df[时间] pd.to_datetime(df[时间])df[年] df[时间].dt.yeardf[月] df[时间].dt.monthdf[时间] df[时间].dt.date# 处理成交量将单位从次变为万次并保留两位小数df[成交量] round(df[成交量] / 10000, 2)# 处理成交额将单位从元变为亿元并保留两位小数df[成交额] round(df[成交额] / 100000000, 2)return df# 画图
def viewPlot1(df):# 创建画板plt.figure(figsize(12, 12), dpi80)# 设置标题plt.suptitle(4年内酿酒行业个股资金流走势图, fontsize20)# 获取名称集合nameList df[名称].unique()# 绘制第一个子图plt.subplot(2, 1, 1)# 以键值对方式存储数据dic {}for name in nameList:# 获取数据dic[name] groupByDayData(df, name)# 子图标题title nameList[0] 和 nameList[1] 每日成交额drawSubPlot(dic, title, 10, 成交额亿元)# 绘制第二个子图plt.subplot(2, 2, 3)# 以键值对方式存储数据dic {}for name in nameList:# 获取数据dic[name] groupByMonthData(df, name)# 子图标题title nameList[0] 和 nameList[1] 每月平均成交额drawSubPlot(dic, title, 6, 成交额亿元)# 绘制第三个子图plt.subplot(2, 2, 4)# 以键值对方式存储数据dic {}for name in nameList:# 获取数据dic[name] groupByMonthMaxData(df, name)# 子图标题title nameList[0] 和 nameList[1] 每月最大成交额drawSubPlot(dic, title, 6, 成交额亿元)# 存图plt.savefig(./plot1.png)# 展示图片plt.show()# 封装数据并返回
def getData(group):# 获取x轴数据x group.index# 获取y轴数据y group.values# 将数据封装为list集合并返回data [x, y]return data# 按名称和时间分组获取每天成交额
def groupByDayData(df, name):groupByDay df.groupby(名称).get_group(name).groupby([时间])[成交额].mean()return getData(groupByDay)# 根据名称和年月分组获取每月成交额的平均值
def groupByMonthData(df, name):groupByMonth df.groupby(名称).get_group(name).groupby([年月])[成交额].mean()return getData(groupByMonth)# 根据名称和年月分组获取每月最大成交额数据
def groupByMonthMaxData(df, name):groupByMonth df.groupby(名称).get_group(name).groupby([年月])[成交额].max()return getData(groupByMonth)# 折线颜色集合
colors [red, green, blue]
# 折线样式集合
line_style [-, --, -.]# 子图绘制dic:数据title:子图标题step:x轴显示数据的数量yTitle:y轴单位
def drawSubPlot(dic, title, step, yTitle):# 随机生成颜色下标c random.randint(0, len(colors) - 1)# 随机生成样式下标l random.randint(0, len(line_style) - 1)i 0# 遍历dicfor name, data in dic.items():# 折线颜色选取c (c i) % len(colors)# 折线样式选取l (l i) % len(line_style)# 为了使第二条线和第一条线不相等i i 1# 将数据代入x轴和y轴putData(name, data, step, c, l)# 设置x轴名称plt.xlabel(日期, fontdict{size: 16})# 设置y轴名称plt.ylabel(yTitle, fontdict{size: 16}, rotation90)# 设置网格plt.grid(True, linestyle--, alpha0.5)# 设置子图标题plt.title(title, fontdict{size: 16})# 将数据加载到子图中
def putData(name, data, step, c, l):# x轴数据x data[0]# y轴数据y data[1]# 将x轴和y轴数据代入并设置颜色折线类型和折线名plt.plot(x, y, ccolors[c], labelname, linestyleline_style[l])# 设置折线上的点plt.scatter(x[::int(len(x) / step)], y[::int(len(x) / step)], ccolors[c])# 设置图例边框plt.legend(locbest, edgecolorblue)# 设置x轴数据plt.xticks(x[::int(len(x) / step)], rotation30)def viewPlot2(df):# 创建画板plt.figure(figsize(12, 12), dpi80)# 设置标题plt.suptitle(4年内酿酒行业个股资金流走势图, fontsize20)# 获取名称集合nameList df[名称].unique()# 绘制第一个子图plt.subplot(2, 2, 1)# 以键值对方式存储数据dic {}for name in nameList:# 获取数据dic[name] getMaxAndMinDataByName(df, name)# 子图标题title nameList[0] 每月最高和最低股票价格drawSubPlot(dic[nameList[0]], title, 6, 价格元/每股)# 绘制第二个子图plt.subplot(2, 2, 2)# 子图标题title nameList[1] 每月最高和最低股票价格drawSubPlot(dic[nameList[1]], title, 6, 价格元/每股)# 绘制第三个子图plt.subplot(2, 1, 2)# 以键值对方式存储数据dic {}for name in nameList:# 获取数据dic[name] getMeanDataByName(df, name)# 子图标题title nameList[0] 和 nameList[1] 每月平均成交量比较drawSubPlot(dic, title, 10, 成交量每单)# 存图plt.savefig(./plot2.png)plt.show()# 通过名称和年月获取每月最高和最低股票价格数据
def getMaxAndMinDataByName(df, name):# 保存数据dic {}# 通过名称和年月分组groupByNameAndMonth df.groupby(名称).get_group(name).groupby([年月])# 获得每月最大数据getMax groupByNameAndMonth[最高].max()dic[最高] getData(getMax)# 获得每月最小数据getMin groupByNameAndMonth[最低].min()dic[最低] getData(getMin)# 返回数据return dic# 按名称和年月分组获取每月成交量的平均值
def getMeanDataByName(df, name):groupByMonth df.groupby(名称).get_group(name).groupby([年月])[成交量].mean()return getData(groupByMonth)# 通过名称和年分组获得每年成交额的平均值
def getInformation(df, nameList):# 根据名称分组groupByName df.groupby(名称)# 根据年分组获取平均值groupByYear groupByName.get_group(nameList[0]).groupby([年])[成交额].mean()# 将平均值保留两位小数groupByYear round(groupByYear, 2)# 获取x轴数据x groupByYear.index# 获取第一组y轴数据y1 groupByYear.values# 根据年分组获取平均值groupByYear groupByName.get_group(nameList[1]).groupby([年])[成交额].mean()# 将平均值保留两位小数groupByYear round(groupByYear, 2)# 获取第二组y轴数据y2 groupByYear.values# 封装数据并返回data [x, y1, y2]return data# 柱状图
def viewPlot3(df):# 获取不同名称集合nameList df[名称].unique()# 获取数据information getInformation(df, nameList)xData information[0]y1 information[1]y2 information[2]# 设置画板plt.figure(figsize(10, 8))# 条形宽度width 0.2# 生成1到len(xData)的数组x np.arange(len(xData))# 画第一组数据,在x位置画y1的值pa plt.bar(x, y1, widthwidth, labelnameList[0], fcr)# 画第一组数据,在 x width 位置画y2的值pb plt.bar(x width, y2, widthwidth, labelnameList[1], fcg)# 在柱上标数字autoLabel(pa)autoLabel(pb)# 原来这里是刻度值现在把x轴标题替换为横坐标显示plt.xticks(x width / 2, xData)plt.title(nameList[0] 和 nameList[1] 每年平均成交额对比, fontdict{size: 20})# 设置图例边框plt.legend(locbest, edgecolorblue)# 设置轴名plt.xlabel(时间, fontdict{size: 16})plt.ylabel(成交额亿元, fontdict{size: 16}, rotation90)# 存图plt.savefig(./plot3.png)plt.show()# 在柱上显示代表的数量
def autoLabel(rects):# 遍历所有矩形for rect in rects:# 获得矩形高度height rect.get_height()print(type(height))# 将数据标到柱顶plt.text(rect.get_x() rect.get_width() * 0.10, 1.01 * height, height)# 运行程序
if __name__ __main__:# 读取数据的文件名filename r酿酒行业个股资金流.xlsx# 画图方法viewPlot(filename)如报 findfont: Generic family ‘sans-serif’ not found because none of the following families were found: SimHei 参考该博客解决https://blog.csdn.net/ben_na_/article/details/124238611 生成如下三张图 使用感想
Cloud Studio 可以在云端运行代码帮我们节省了在本地安装和配置软件的成本。
通过我的使用 Cloud Studio 的环境支持功能非常强大几乎不需要额外配置。
总之Cloud Studio 操作简单、功能强大希望这个产品能够越做越好。
