def qi(value): # 根据月和日分组求平均值 grouped_df = df.groupby([df['月'], df['日']]).mean() fs_mean = grouped_df.loc[(value, slice(None)), '风速'].round(1) zf_mean = grouped_df.loc[(value, slice(None)), '降水'].round(1) # 绘制散点图 scatter = ( Scatter(init_opts=opts.InitOpts(width='600px', height='400px', theme=ThemeType.ROMA)) .add_xaxis(list(fs_mean.index.get_level_values(1))) .add_yaxis("风速平均值", list(fs_mean.values)) .add_yaxis("降水平均值", list(zf_mean.values)) .set_global_opts(visualmap_opts=opts.VisualMapOpts(type_="size", range_text=['大', '小']), title_opts=opts.TitleOpts(title="风速降水平均值")) .render("templates/scatter1.html") )怎么能从html获取value值
时间: 2023-07-15 10:14:24 浏览: 38
可以使用 Flask 提供的 request 对象获取 GET 或 POST 请求中的参数值。在你的 Flask 视图函数中,可以使用 `request.args.get()` 方法获取 GET 请求参数的值,或使用 `request.form.get()` 方法获取 POST 请求参数的值。
例如,假设你的 HTML 模板中有一个表单,其中有一个名为 `month` 的输入框,用户在输入框中输入了一个月份值,然后提交表单时,你可以在 Flask 视图函数中使用以下代码获取这个月份值:
```python
from flask import Flask, request
app = Flask(__name__)
@app.route('/my_view', methods=['POST'])
def my_view():
month = request.form.get('month')
# 调用 qi() 函数并传入 month 值
qi(month)
# 其他代码...
```
这样你就可以在视图函数中获取到用户在 HTML 页面中输入的 `month` 值,并将其作为参数传递给 `qi()` 函数。
相关问题
import osimport reimport pandas as pd# 正则表达式regex = re.compile(r'^2-.*\.xlsx$')continuation_regex = re.compile(r'^\d+\s.*$') # 这里假设续表的第一列为数字加空格# 读取所有符合条件的xlsx文件files = [f for f in os.listdir('.') if os.path.isfile(f) and regex.match(f)]dfs = []for file in files: df = pd.read_excel(file, sheet_name=None, engine='openpyxl') for sheet_name, sheet_df in df.items(): # 判断续表并添加到之前的表格中 if sheet_df.iloc[0, 0] and continuation_regex.match(str(sheet_df.iloc[0, 0])): dfs[-1] = pd.concat([dfs[-1], sheet_df]) else: dfs.append(sheet_df)# 合并所有表格merged_df = pd.concat(dfs)# 根据城市为键合并所有表格grouped_df = merged_df.groupby('城市').agg(lambda x: x.tolist())# 将所有列表转换为字符串并重新转换为DataFramegrouped_df = grouped_df.applymap(lambda x: ','.join([str(i) for i in x]))grouped_df = pd.DataFrame(grouped_df.to_dict())# 输出结果print(grouped_df) 修改为遍历指定列表
如果想要修改这段代码,使其不再遍历当前文件夹下的xlsx文件,而是遍历指定文件夹下的xlsx文件,可以将os.listdir('.')替换为os.listdir('指定文件夹路径'),例如:
```
import os
import re
import pandas as pd
# 正则表达式
regex = re.compile(r'^2-.*\.xlsx$')
continuation_regex = re.compile(r'^\d+\s.*$') # 这里假设续表的第一列为数字加空格
# 指定文件夹路径
folder_path = '指定文件夹路径'
# 读取所有符合条件的xlsx文件
files = [os.path.join(folder_path, f) for f in os.listdir(folder_path) if os.path.isfile(os.path.join(folder_path, f)) and regex.match(f)]
dfs = []
for file in files:
df = pd.read_excel(file, sheet_name=None, engine='openpyxl')
for sheet_name, sheet_df in df.items():
# 判断续表并添加到之前的表格中
if sheet_df.iloc[0, 0] and continuation_regex.match(str(sheet_df.iloc[0, 0])):
dfs[-1] = pd.concat([dfs[-1], sheet_df])
else:
dfs.append(sheet_df)
# 合并所有表格
merged_df = pd.concat(dfs)
# 根据城市为键合并所有表格
grouped_df = merged_df.groupby('城市').agg(lambda x: x.tolist())
# 将所有列表转换为字符串并重新转换为DataFrame
grouped_df = grouped_df.applymap(lambda x: ','.join([str(i) for i in x]))
grouped_df = pd.DataFrame(grouped_df.to_dict())
# 输出结果
print(grouped_df)
```
其中,需要将'指定文件夹路径'替换为实际的文件夹路径。
data = pd.read_csv('tem.csv', delimiter=",") grouped_df = data.groupby([data['month'], data['day']]).mean() qw = grouped_df.loc[(12, slice(None)), 'wind Speed'].round(2)所有月份平均值怎么改
如果你想计算所有月份的平均值,你可以将 `groupby` 方法中的参数改为 `data['month']` 即可。修改后的代码如下所示:
```
data = pd.read_csv('tem.csv', delimiter=",")
grouped_df = data.groupby(data['month']).mean()
qw = grouped_df['wind Speed'].round(2)
```
这样就可以计算出所有月份的风速平均值,并且保留两位小数。