vue-flask-blog 基于Vue-Flask实现的前后端分离博客 在线访问地址

ZJUT_Scorer_Web 一个用于查询浙江工业大学平时成绩的Flask应用 使用方法 运行 python3 app.py 命令即可在本地启动服务

基于 Python + Flask + Echarts 的疫情监控系统 1.1 项目名称 新冠肺炎疫情实时监控。项目地址：http://121.41.228.239 1.2 项目介绍 疫情在家期间独立开发此项目。该项目是一个基于 Python + Flask + Echarts 打造的一个全球疫情监控系统，它能够实时监控并统计中国以及全世界各国新冠肺炎的确诊人数，同时以图表和地图的形式展现出来。项目完成的功能如下： • 统计全国各省市地区每日疫情数据，并以图表形式展现。 • 统计全国疫情历史数据，并以图表形式展现。 • 统计百度热搜数据，并以词云图形式展现。 • 统计全球各国疫情数据。 项目涉及的主要技术栈有： • Python 网络爬虫 • Python 与 MySQL 数据库交互 • Flask 构建 Web 项目 • 基于 Echarts 数据可视化展示 • 在阿里云部署 Web 项目以及爬虫 1.3 项目流程图

一、实战场景 二、知识点 python 基础语法 python 文件读写 pandas 数据处理 flask web 框架 echarts 图表 jinja 模版 三、菜鸟实战 初始化 Flask 框架，设置路由 各行政区房屋均价柱状图分析 echarts 渲染柱状图 各面积区间房屋占比饼状图 echarts 渲染饼状图 运行结果 运行截图 数据示例

Python Web开发框架

烧瓶薪水预测器 该项目根据经验预测员工的薪水。 模型 model.py训练并将模型保存到磁盘。 model.pkb泡菜模型 应用程式 app.py包含烧瓶和管理API所需的所有内容。 程序-打开命令提示符并转到给定目录，然后运行python app.py

机器学习模型房屋价格预测 使用Flask Web框架的机器学习模型进行房价预测

薪水预测-烧瓶部署 这是一个演示项目，用于详细说明如何使用Flask API在生产环境中部署机器学习模型 先决条件 您必须安装Scikit Learn，Pandas（用于机器学习模型）和Flask（用于API）。 项目结构 该项目包括四个主要部分： model.py-这包含我们的机器学习模型的代码，以预测hiring.csv文件中训练型数据上缺少的员工薪水。 app.py-包含Flask API，这些API通过GUI接收员工详细信息，根据我们的模型计算推定值并返回。 模板-此文件夹包含HTML模板，允许用户输入员工详细信息并显示预测的员工薪水。 运行项目 确保您在项目主目录中。 通过运行以下命令来创建机器学习模型- python model.py 这会将我们模型的序列化版本创建到文件model.pkl中 使用以下命令运行app.py以启动Flask API python app.

一、实战场景 二、知识点 python 基础语法 python 文件读写 pandas 数据处理 flask web 框架 echarts 图表 bootstrap jinja 模版 三、菜鸟实战 初始化 Flask 框架，设置路由 各行政区房屋数量柱状图分析 区域二手房房源朝向分布情况 二手房单价最高Top10 图 echarts 渲染房屋数量柱状图 运行结果 运行截图 数据示例

注：以前学习flask框架时老师期末留的大作业。想要学习flask框架的可以用来学习学习常用的知识点。本次大作业的内容如下：实现一个机器学习算法演示网站，要求网站使用flask-bootstrap模板，能够同时在手机和计算机上良好地显示页面（即响应式页面） 2.1 注册和登录功能，要求使用数据库，并且计算密码散列值 2.2 登录成功后，显示算法演示主页面 2.2.1 主页面先显示三种鸢尾花的图片（图片自己上网搜索） 2.2.2 再下一行显示带链接机器学习算法：线性回归算法、决策树算法、支持向量机算法、朴素贝叶斯算法、KNN聚类算法 2.2.3 点击文字可以跳转到相应的演示页面 2.3 单个算法演示页面，包括但不限于如下功能 2.3.1 用flash函数显示文字：服务端正在使用某某算法进行鸢尾花分类计算，此时服务端程序即时运行相应的机器学习算法 2.3.2 然后显示算法名称和运行算法程序得到的训练得分 2.3.3 下面再显示一张图片，图片是算法的文字描述和相应的公式 2.3.4 下面一行显示带链接的文字：返回主页，点击则返回演示主页面 实现了flask框架与机器学习相结合，在页面中显示。