2023 年 8 月 – 第 2 页

import time  # to simulate a real time data, time loop

import numpy as np  # np mean, np random
import pandas as pd  # read csv, df manipulation
import plotly.express as px  # interactive charts
import streamlit as st  # 🎈 data web app development

st.set_page_config(
    page_title="Real-Time Data Science Dashboard",
    page_icon="✅",
    layout="wide",
)

# read csv from a github repo
dataset_url = "https://raw.githubusercontent.com/Lexie88rus/bank-marketing-analysis/master/bank.csv"

# read csv from a URL
@st.experimental_memo
def get_data() -> pd.DataFrame:
    return pd.read_csv(dataset_url)

df = get_data()

# dashboard title
st.title("Real-Time / Live Data Science Dashboard")

# top-level filters
job_filter = st.selectbox("Select the Job", pd.unique(df["job"]))

# creating a single-element container
placeholder = st.empty()

# dataframe filter
df = df[df["job"] == job_filter]

# near real-time / live feed simulation
for seconds in range(200):

    df["age_new"] = df["age"] * np.random.choice(range(1, 5))
    df["balance_new"] = df["balance"] * np.random.choice(range(1, 5))

    # creating KPIs
    avg_age = np.mean(df["age_new"])

    count_married = int(
        df[(df["marital"] == "married")]["marital"].count()
        + np.random.choice(range(1, 30))
    )

    balance = np.mean(df["balance_new"])

    with placeholder.container():

        # create three columns
        kpi1, kpi2, kpi3 = st.columns(3)

        # fill in those three columns with respective metrics or KPIs
        kpi1.metric(
            label="Age ⏳",
            value=round(avg_age),
            delta=round(avg_age) - 10,
        )
        
        kpi2.metric(
            label="Married Count 💍",
            value=int(count_married),
            delta=-10 + count_married,
        )
        
        kpi3.metric(
            label="A/C Balance ＄",
            value=f"$ {round(balance,2)} ",
            delta=-round(balance / count_married) * 100,
        )

        # create two columns for charts
        fig_col1, fig_col2 = st.columns(2)
        with fig_col1:
            st.markdown("### First Chart")
            fig = px.density_heatmap(
                data_frame=df, y="age_new", x="marital"
            )
            st.write(fig)
            
        with fig_col2:
            st.markdown("### Second Chart")
            fig2 = px.histogram(data_frame=df, x="age_new")
            st.write(fig2)

        st.markdown("### Detailed Data View")
        st.dataframe(df)
        time.sleep(1)

MagicMirror²魔镜安装

魔镜可以手动安装，也可以使用自动安装程序安装。2020 年初，决定从 MagicMirror² 核心存储库中删除自动安装程序，并将其移动到社区维护的单独存储库。有关此决定的更多信息，请查看问题#1860在 GitHub 上。

因此，唯一官方支持的安装方式是使用手动安装。使用外部安装脚本的风险由您自行承担，但可以使该过程变得容易得多。可用的自动安装程序可以在以下位置找到：替代安装方法。

手动安装
下载并安装最新的 Node.js 版本：
curl -sL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt install -y nodejs
克隆存储库并签出主分支：git clone https://github.com/MichMich/MagicMirror
输入存储库：cd MagicMirror/
安装应用程序：npm run install-mm
复制配置示例文件：cp config/config.js.sample config/config.js
启动应用程序：仅供服务器使用：
。npm run start
npm run server
注意

安装步骤将花费很长时间，通常很少或没有终端响应！对于RPi3，这是~10分钟，对于Rpi2~25分钟。不要打断，否则您可能会被覆盆子果酱弄到。 💔npm run install-mm

替代安装方法
以下安装方法不由 MagicMirror² 核心团队维护。使用这些脚本和方法的风险由您自行承担。

自动安装脚本
Sam（@sdetweil，MagicMirror² 框架的长期贡献者）维护了一个易于使用的安装和更新脚本：https://github.com/sdetweil/MagicMirror_scripts
魔镜包管理器是一个命令行界面，旨在简化 MagicMirror 模块的安装、拆卸和维护。
码头工人镜像
MagicMirror² 可以使用码头工人.前往此存储库了解更多信息。
Kubernetes Helm Chart
如果你想在 kubernetes 集群中运行 MagicMirror²（在仅服务器模式下），那么看看这个魔镜掌舵图.
MagicMirrorOS
这是一个基于Raspberry Pi OS的完整操作系统。因此，您无需下载Raspberry Pi OS并将其放在SD卡上，而是可以使用MagicMirrorOS相反。它开箱即用，默认设置为MagicMirror，在引擎盖下它使用码头工人设置.
其他操作系统
窗户：
要让MagicMirror软件在Windows上运行，除了上述步骤外，您还必须做两件事：

4一.在供应商和字体目录中安装依赖项：

Powershell：

cd fonts; npm install; cd ..
cd vendor; npm install; cd ..
命令提示符：

cd fonts && npm install && cd ..
cd vendor && npm install && cd ..
否则，启动魔镜时屏幕将保持黑色。

5一.修复文件中的启动脚本：package.json

导航到该文件package.json
找到它说的地方
"start": "DISPLAY=\"${DISPLAY:=:0}\" ./node_modules/.bin/electron js/electron.js",
"start:dev": "DISPLAY=\"${DISPLAY:=:0}\" ./node_modules/.bin/electron js/electron.js dev",
并将其替换为
"start": ".\\node_modules\\.bin\\electron js\\electron.js",
"start:dev": ".\\node_modules\\.bin\\electron js\\electron.js dev",
否则，程序将无法启动，但将显示以下错误消息："'DISPLAY' is not recognized as an internal or external command, operable program or batch file."

用法
请注意以下几点：

npm start无法通过 SSH 工作。但你可以改用。
这将启动远程显示器上的镜像。DISPLAY=:0 nohup npm start &
如果你想在你的树莓派上调试，你可以使用它将在启用开发工具的情况下启动MM。npm run start:dev
要在镜像模式下访问工具栏菜单，请按键。ALT
要从镜像模式切换 （Web），请使用 或 并选择 。Developer ToolsCTRL-SHIFT-IALTView
仅服务器
在某些情况下，您希望在没有实际应用程序窗口的情况下启动应用程序。在这种情况下，您可以通过手动运行 来在仅服务器模式下启动 MagicMirror² 。这将启动服务器，之后您可以在所选浏览器中打开应用程序。详细说明如下。npm run server

重要

确保在服务器配置中将接口/ip （） 列入白名单，否则将不允许它连接到服务器。您还需要将本地主机字段设置为 ，以便 RPi 侦听所有接口，而不仅仅是（默认）。ipWhitelistaddress0.0.0.0localhost

let config = {
	address: "0.0.0.0",	// default is "localhost"
	port: 8080,		// default
	ipWhitelist: ["127.0.0.1", "::ffff:127.0.0.1", "::1", "::ffff:172.17.0.1"], // default -- need to add your IP here
	...
};
仅限客户端
这是当您已经有一台服务器远程运行并希望您的 RPi 作为独立客户端连接到此实例时，以显示来自服务器的 MM。然后从您的 RPi 中，您可以使用以下命令运行它： .（指定服务器的 IP 地址和端口号）node clientonly --address 192.168.1.5 --port 8080

然后来到我们魔镜的config文件（路径:/home/pi/MagicMirror/config.js）,然后用文本编辑器打开：
把原本language处的“en”改成“zh-cn”，区域设为 zh,就是中文啦

用树莓派打造一个超薄魔镜的简单教程 | OneV’s Den (onevcat.com)

第 12 章 – Magic mirror 初探 (vbird.tw)

yypro

android版本

app402.apk_下载

FullPageOS进入终端命令|隐藏鼠标|取消启动光标及代码滚动

进入终端

Ctrl+Alt+F4

隐藏鼠标

/usr/share/lightdm/lightdm.conf.d/*.conf

取消光标跳动和代码滚动

sudo nano /boot/cmdline.txt

consoleblank=1 logo.nologo quiet loglevel=0 plymouth.enable=0 vt.global_cursor_default=0 plymouth.ignore-serial-consoles splash fastboot noatime nodiratime noram

树莓派取消光标跳动和代码滚动

sudo nano /boot/cmdline.txt

consoleblank=1 logo.nologo quiet loglevel=0 plymouth.enable=0 vt.global_cursor_default=0 plymouth.ignore-serial-consoles splash fastboot noatime nodiratime noram

树莓派系列-5-4B配置关闭休眠、去掉滚动代码，彩虹瓶，增加开机动画_51CTO博客_树莓派关闭自动休眠

pandas环比和同比分析

import pandas as pd
import random

date_M = list(pd.date_range('1/1/2019', periods=24, freq='M')) #生成日期
mony = [random.randint(18000,20000) for i in range(0,24)] #随机生成销售额
data = pd.DataFrame({'date_M':date_M,'mony':mony}) #构建一个dataframe
data['huanbi_03'] = data.mony.pct_change()
data.fillna(0,inplace=True) #Null值填充
print(data)

第一步：生成测试数据

#生成测试数据
import pandas as pd
import random

date_M = list(pd.date_range('1/1/2019', periods=24, freq='M')) #生成日期
mony = [random.randint(18000,20000) for i in range(0,24)] #随机生成销售额
data = pd.DataFrame({'date_M':date_M,'mony':mony}) #构建一个dataframe
第二步：计算环比增长

这里有三个方法，我们逐一介绍。

----------------------------------------------------------
#方法1
----------------------------------------------------------
'''
 #升序排列-按照日期
data.sort_values(by=['date_M'],inplace=True)

 #新增列 -'huanbi' 环比的意思
data['huanbi_01']=0

#计算环比列数值
for i in range(0,len(data)):
    if i == 0:
        data['huanbi_01'][i] = 'null'
    else:
        data['huanbi_01'][i] = format((data['mony'][i] - data['mony'][i-1])/data['mony'][i-1],'.2%')
        #format(res,'.2%') 小数格式化为百分数
'''
----------------------------------------------------------
#方法2:
使用diff（periods=1, axis=0)） 一阶差分函数
periods：移动的幅度 默认值为1
axis:移动的方向，{0 or ‘index’, 1 or ‘columns’}，如果为0或者’index’，则上下移动，如果为1或者’columns’，则左右移动。默认列向移动
----------------------------------------------------------
'''
data['huanbi_02'] = data['mony']/(data['mony']-data['mony'].diff())-1

data.fillna(0,inplace=True) #Null值填充

'''
----------------------------------------------------------
#方法3:
使用pct_change()
----------------------------------------------------------
'''
data['huanbi_03'] = data.mony.pct_change()

data.fillna(0,inplace=True) #Null值填充

月度归档： 2023 年 8 月

streamlit一些使用技巧

密码保护：销售数据录入

streamlit的几个例子

eshop datasheet

用streamlit创建实时看板

MagicMirror²魔镜安装

yypro

FullPageOS进入终端命令|隐藏鼠标|取消启动光标及代码滚动

树莓派取消光标跳动和代码滚动

pandas环比和同比分析