faker

pyecharts绘制map地图

由 青春壹個敷衍的年華 提交于 2021-02-13 20:24:58
pyecharts的安装和地图库的安装可以参照 geo绘图 ： https://www.cnblogs.com/qi-yuan-008/p/12025123.html 直接进入 python的具体使用阶段： 首先是导入库和数据，数据可以换成自己想绘制的数据 from pyecharts.faker import Faker from pyecharts import options as opts from pyecharts.charts import Map # 用于测试的例子，部分取自 Faker ，也就是 from pyecharts.faker import Faker provinces = [ " 广东 " , " 北京 " , " 上海 " , " 辽宁 " , " 湖南 " , " 四川 " , " 西藏 " ] guangdong_city = [ " 汕头市 " , " 汕尾市 " , " 揭阳市 " , " 阳江市 " , " 肇庆市 " , " 广州市 " , " 惠州市 " ] country = [ " China " , " Canada " , " Brazil " , " Russia " , " United States " , " Africa " , " Germany " ] value = [300, 100, 2000, 800,

Laravel: seeding a nested set table with Faker

由 我的未来我决定 提交于 2021-02-08 07:28:36
问题 I'm using Kalnoy/Nestedset and trying to seed my comments table using faker, but get "Array to string conversion" error. The comment table looks like this: Schema::create('comments', function (Blueprint $table) { $table->increments('id'); $table->unsignedInteger('user_id'); $table->unsignedInteger('post_id'); $table->text('body'); $table->timestamps(); $table->nestedSet(); }); The comment factory: use Faker\Generator as Faker; $factory->define( App\Models\Comment::class, function (Faker

How to use Faker from Factory_boy

由 点点圈 提交于 2021-02-04 14:25:28
问题 Factory_boy uses fake-factory (Faker) to generate random values, I would like to generate some random values in my Django tests using Faker directly. Factory_boy docs suggests using factory.Faker and its provider as : class RandomUserFactory(factory.Factory): class Meta: model = models.User first_name = factory.Faker('first_name') But this isn't generating any name: >>> import factory >>> factory.Faker('name') <factory.faker.Faker object at 0x7f1807bf5278> >>> type(factory.Faker('name'))

酷！一个仿漫画手绘风格的 Python 图表库

由 天涯浪子 提交于 2021-02-02 11:53:00
【导读】：关于数据可视化工具，如果你有点厌烦了常见风格（比如： Matplotlib 和 pyecharts ），那可以试试换一种风格。 本文前哨君给大家介绍一个风格完全不一样的开源库： cutecharts ，其 UI 效仿 XKCD 漫画风格，在部分场景（比如：个人作品展示）的效果或许会更好。 补充：XKCD 是一个 IT 漫画网站，在国外非常有名气。 为什么会有 cutecharts？ 据 cutecharts 的开发者介绍，他个人非常喜欢一个 JS 图表库 chart.xkcd ，但它支持的图表类型不多，比 pyecharts 少很多。 Javascript 在数据交互和视觉效果上更有优势，而 Python 是一种深受数据科学界的喜爱的语言。因此，他想结合这两种技术的力量，于是就开发了 cutecharts.py。 此外，cutecharts 更多的是一个库，用来学习如何将 Javascript 世界与 Python/notebook 相结合。cutecharts 的项目结构与 pyecharts 相同，它支持 pyechart s的所有核心功能，同时更轻量级，总体上也更简洁。 GitHub 地址： https://github.com/chenjiandongx/cutecharts 简单使用 一行命令先安装好该库： pip install cutecharts 下面就是

Python中使用cutecharts实现简单的手绘风格的图表

由 孤人 提交于 2021-01-05 10:21:35
场景 效果 cutecharts的Github: https://github.com/chenjiandongx/cutecharts 注： 博客： https://blog.csdn.net/badao_liumang_qizhi 关注公众号 霸道的程序猿 获取编程相关电子书、教程推送与免费下载。 实现 安装cutecharts pip install cutecharts 简单折线图 新建cutecharts.py from cutecharts.charts import Line chart = Line( " 某商场销售情况 " ) chart.set_options( labels =[ " 衬衫 " , " 毛衣 " , " 领带 " , " 裤子 " , " 风衣 " , " 高跟鞋 " , " 袜子 " ], x_label = " I'm xlabel " , y_label = " I'm ylabel " , ) chart.add_series( " series-A " , [ 57 , 134 , 137 , 129 , 145 , 60 , 49 ]) chart.add_series( " series-B " , [ 114 , 55 , 27 , 101 , 125 , 27 , 105 ]) chart.render()

最新Pyecharts-基本图表

由 百般思念 提交于 2020-12-26 07:55:16
Pyecharts是由Echarts而来，Echarts是百度开源的数据可视化的库，适合用来做图表设计开发，当使用Python与Echarts结合时就产生了Pyecharts。可使用pip安装，默认是最新版本的Pyecharts，查看安装的版本号可以使用pycharts.__version__查看。 ###安装### 现在安装的v1版本与以前的0.5版本是不兼容的，使用方法上存在较大的差异，并且v0.5版本对Python的支持在Python2.7和3.4+的版本上，v1版本支持最新的Python版本。所以网上的很多关于Pyecharts的代码在新版本上并不适用，安装命令： pin install pyecharts ###链式调用### 可以使用链式调用的方法来创建一个图表 from pyecharts.charts import Bar from pyecharts import options as opts bar= ( Bar() .add_xaxis(["裤子", "高跟鞋", "袜子"]) .add_yaxis(["销售额"]，[300,509,300]) .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题")) ) bar.render() 上述代码中我们可以加入主题： from

年薪50万的人如何工作

由 本小妞迷上赌 提交于 2020-12-26 06:26:45
文章转载自公众号：【颜玉涵】，本文作者：颜玉涵。 朋友圈是一个江湖。 这个江湖里， 世外高人、 武林高手、无耻宵小，像过江之鲫。 而 『职场鸡汤』 ，在这个江湖里声名赫赫，不容置喙！ 他有时是大侠，有时是女侠。 他左手鸡汤，右手价值观。 威风凛凛，顾盼生辉。 谁见了不得拱手道一声：呔！精英你好！ 而他们当中的一些，长 成这样： 《年薪5万和年薪50万的人，到底差在哪里》 《月薪3000和月薪8000的区别》 …… 哇，太吸引人了！ 打开一看，更是有理有据，振聋发聩。 不愧是职场高手，功力如此高深！难怪我们凡人只能仰望。 滚烫的热泪留下来。 陷入了深深的思考。 看完。 第二天还是老样子。 到底怎么改变？ 怎么练就这一身武功？ 没有说。 鸡汤只能“双击666，老铁扎心了”。 而干货就必须能用得上、能改变现状。 ————鲁迅 这篇文章，就是一篇干货。 不信你看完试试， 一字不落的那种。 01 正正经经的概述 这篇文章，我就来深度揭秘一下，年薪50万的职场秘密。 老实说，这也不算什么秘密。 因为我身边这样的人不在少数。 在互联网、金融、咨询等行业里，25、6岁的年轻人，就有一些已经能够拿到这样的薪资了。 在这个圈子里，年薪50万，算优秀但不算稀奇。 再说了，年薪50万，税后就只有30多万了。 看到税单都是这个表情。 有人就想问了，凭什么？ 技术岗也就罢了，可还有辣么多，不会写代码

基于Pyecharts V1.x.x的数据可视化（一）

由 老子叫甜甜 提交于 2020-12-21 06:56:55
基于Pyecharts v1.x 的数据可视化 1、Pyecharts简介 Echarts是一个由百度开源的数据可视化工具，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，Pyecharts诞生了。 Pyecharts最早只适用于工程领域的可视化开发，但是随着其对Jupyter notebook、Jupyter lab等交互式开发工具的支持不断加强，现在也开始被许多数据分析师应用到数据探索中。 1.1、Pyecharts各个版本与Python的对应关系 pyecharts 分为 v0.5.x 和 v1.x 两个大版本，v0.5.x 和 v1.x 间不兼容，v1.x 是一个全新的版本。 Pyecharts各版本与python的对应关系见下表 版本 V0.5.x V1.x.x python 版本选择 Python2.7，3.4+ Python3.6+ 注 : 经Pyecharts开发团队决定，0.5.x 版本将不再进行维护 1.2、Pyecharts v1系列的新特性 全面拥抱 Python3 和 TypeHint pyecharts v1.0.0 停止对 Python2.7，3.4~3.5 版本的支持和维护，仅支持 Python3.6+。如果还不知道什么是 TypeHint 的同学

工作中如何构造测试数据

由 假装没事ソ 提交于 2020-12-12 21:45:19
在日常的测试工作中，大家是否会遇到类似的问题呢？ 1、比如页面数据不够，翻页功能无法测试 2、页面某些功能暂时没有找到满足要求的数据 3、做数据分析的时候，需要用到大量的数据，而现有环境中数据量满足不了 ...... 怎么去解决数据的问题呢？ 1）、基于GUI构造测试数据 好处： 1、不光是在造数据，本质上还是一次端到端的测试 2、没有过多技能要求，熟悉页面，能在页面进行操作就行 缺点： 1、创建数据的效率很低 2、创建数据依赖太多（依赖后台接口、测试环境和开发的支持） 3、基于 GUI 的测试数据创建方法不适合封装成测试数据工具 4、造数据的成本高，稳定性差，依赖性太强 2）通过api调用（python的faker库，jmeter等方式） 优点： 1、生成的数据可靠 2、效率高 3、构造数据的脚本可以改成接口case 4、能跳过前台，不依赖于前端 缺点： 1、需要学习成本 2、需要整理接口 3、有个别的业务，需要用到接口之外的一些其他参数（可能有部分数据是前端处理之后传给接口的），处理起来非常麻烦 3)通过数据库(sql)生成测试数据 优点： 1、效率比较高 缺点 1、整理数据库的关系非常困难，整理一个业务对应的所有sql很不容易 4）基于线上现有业务数据脱敏后导入测试环境 在涉及到大数据测试时，往往需要大量的数据用于验证逻辑，这个时候可以考虑将线上数据脱敏后
订阅 faker