key_sr = 'sr'         value1 = column_sr[1].text.strip().replace(',', '')         value2 = column_sr[2].text.strip().replace(',', '')         value3 = column_sr[3].text.strip().replace(',', '')         value4 = column_sr[4].text.strip().replace(',', '')         data_dict[year+key_sr+'1'] = value1         data_dict[year+key_sr+'2'] = value2         data_dict[year+key_sr+'3'] = value3         data_dict[year+key_sr+'4'] = value4     chengBen = all_tr[5]     column_cb = chengBen.find_all('td')     if len(column_cb) >= 2:         key_cb = 'cb'         value1 = column_cb[1].text.strip().replace(',', '')         value2 = column_cb[2].text.strip().replace(',', '')         value3 = column_cb[3].text.strip().replace(',', '')         value4 = column_cb[4].text.strip().replace(',', '')         data_dict[year+key_cb+'1'] = value1         data_dict[year+key_cb+'2'] = value2         data_dict[year+key_cb+'3'] = value3         data_dict[year+key_cb+'4'] = value4     liRun = all_tr[18]     column_lr = liRun.find_all('td')     if len(column_lr) >= 2:         key_lr = 'lr'         value1 = column_lr[1].text.strip().replace(',', '')         value2 = column_lr[2].text.strip().replace(',', '')         value3 = column_lr[3].text.strip().replace(',', '')         value4 = column_lr[4].text.strip().replace(',', '')         data_dict[year+key_lr+'1'] = value1         data_dict[year+key_lr+'2'] = value2         data_dict[year+key_lr+'3'] = value3         data_dict[year+key_lr+'4'] = value4 # 将数据存储字典保存为JSON文件 output_filename = "data.json" with open(output_filename, 'w') as json_file:     json.dump(data_dict, json_file, ensure_ascii=False, indent=4) print(f"数据已保存到{output_filename}")

对数据进行处理。

import json import pandas as pd import matplotlib.pyplot as plt # 将JSON数据解析为字典 with open('data.json', 'r', encoding='utf-8') as json_file: data_dict = json.load(json_file) # 初始化数据存储字典 data = { "year": [], "zongshouru": [], "zongchengben": [] # 解析JSON数据并填充数据存储字典 for year in ["1", "2", "3", "4", "5"]: sr_sum = sum(float(data_dict[f"{year}sr{i}"]) for i in range(1, 5)) cb_sum = sum(float(data_dict[f"{year}cb{i}"]) for i in range(1, 5)) data["year"].append(year) data["zongshouru"].append(sr_sum) data["zongchengben"].append(cb_sum) # 将数据存储字典转换为DataFrame df = pd.DataFrame(data) # 绘制折柱混合图 plt.figure(figsize=(10, 6)) # 绘制折线图 plt.plot(df["year"], df["zsr"], marker='o', label="zsr", color="blue") plt.plot(df["year"], df["zcb"], marker='o', label="zcb", color="orange") # 绘制柱状图 plt.bar(df["year"], df["zsr"], width=0.4, align='center', alpha=0.5, color="blue") plt.bar(df["year"], df["zcb"], width=0.4, align='edge', alpha=0.5, color="orange") plt.xlabel('year') plt.ylabel('amount') plt.title('this is title(unit: 100K)') plt.legend() plt.grid(True) plt.show()

对数据进行处理的部分2，进行折线图绘制使用echart

# 根据季报数据，计算出公司近五年(2018到2022年)的营业利润，
# 分年度展示每一年四个季度的营业利润。
# 要求:年度可以切换，使用折线图展示
import json
import pandas as pd
import matplotlib.pyplot as plt
# 将JSON数据解析为字典
with open('data.json', 'r', encoding='utf-8') as json_file:
    data_dict = json.load(json_file)
# 初始化数据存储字典
data = {
    "年份": [],
    "Q1": [],
    "Q2": [],
    "Q3": [],
    "Q4": []
# 解析JSON数据并填充数据存储字典
for year in ["1", "2", "3", "4", "5"]:
    data["年份"].append(year)
    for quarter in ["Q1", "Q2", "Q3", "Q4"]:
        lr_key = f"{year}lr{quarter[1]}"
        if lr_key in data_dict:
            data[quarter].append(float(data_dict[lr_key]))
        else:
            data[quarter].append(0.0)
# print(data)
# 将数据存储字典转换为DataFrame
df = pd.DataFrame(data)
# 绘制折线图
plt.figure(figsize=(10, 6))
for quarter in ["Q1", "Q2", "Q3", "Q4"]:
    plt.plot(df["年份"], df[quarter], marker='o', label=quarter)
plt.xlabel('year')
plt.ylabel('lirun')
plt.title('Company 5 years Every Quarters LiRun')
plt.legend()
plt.grid(True)
plt.show()
 记录一下python的学习过程。
				
Python-数据序列化：pickle模块1 将Python数据存储为本地文件2 将Python数据存储为程序的一部分
在英语中 pickle 名词是泡菜，动词是腌渍的意思。可以理解为把东西腌起来保存成文件，要用的时候读出来洗洗再用。
python的pickle模块实现了基本的数据序列化和反序列化。
序列化对象可以在磁盘上保存对象，并在需要的时候读取出来。任何对象都可以执行序列化操作。
pickle的本质是将Python数据还原为内存中的二进制数据，共用户转移、储存。
pickle模块通常会在2种场景下使
				
将爬取的数据存为json格式，你会吗？
之前我都是将数据爬取后存为txt、csv或者excel，json格式几乎没有。于是乎我就想试一下，如何将爬取的数据存为json文件。于是我便查了一下使用json格式的好处，不查不知道，一查吓一跳。好家伙呀，json格式的特点和优势可真不少呢。json格式的特点和优势大致为：
JSON数据清晰、易于读写
JSON有很多工具类支持它的转换
JSON在所有主流浏览器有很好的支持
JSON在传输时数据量更小、传输更快
JSON在JS中有天然的语言优势（因为它是标准的子集合）
ms = mssqlhelper.MSSQL(host="192.168.0.108", user="sa", pwd="sa", db="ComPrject")
def getAreas(cityid):
    ar...
今天开发那边给了一个json文件。里面大概有6W的数据。明天需要对数据进行比较。放了方便阅读比较，写了个简单的脚本转换成excel文件。
代码如下：
# -*- coding:utf-8 -*-