尧图网页设计 
简介新冠肺炎疫情数据分析与可视化是一套完整的Python课程设计项目适合计算机、电子信息工程、数学等专业学生用于课程设计、期末大作业或毕业设计参考。项目由导师指导并通过以98分的高分完成涵盖数据爬取、清洗、时序预测、情感分析与可视化展示等完整流程。压缩包共57个文件包含17个Python脚本、2个Jupyter Notebook、5个CSV数据集、5个HTML可视化页面、图表与文档报告等整体大小3.94MB结构清晰便于按模块学习和二次开发。目前已有424人学习下载。资源中提供了疫情时序数据预测算法设计文档、微博评论情感分析、地图可视化、词云生成等具体实现并附带完整报告与说明文档适合作为毕业设计或课程作业的参考资料可帮助快速理解数据分析项目的方法论与工程实现。1. 疫情数据分析与可视化课设一套能跑通全流程的Python项目把这份《新冠肺炎疫情数据分析与可视化python完整课设和代码报告.zip》整个拆开看我第一反应是这是个典型的Python课程设计全家桶。它不只是几个孤立的脚本而是从微博评论和疫情快讯的爬取、CSV数据预处理到logistic时序预测、NLP情感分析和TF-IDF关键词提取最后落到ECharts地图、词云和Web仪表盘的完整链路。对计算机、电子信息工程、数学类专业的学生来说拿它当毕业设计或期末大作业的结构模板是够格的尤其是那份《新冠肺炎时序数据预测算法设计.docx》报告解决了“有代码但不会写文档”的常见痛点。适合两种人一是想快速搭一个疫情数据分析与可视化Demo的课设选手二是想理解数据采集到可视化全流程的Python新手。需要强调的是这套代码是参考资料不是提交即通过的成品真正花时间的反而是读懂每个脚本在干什么、怎么按你的场景改参数。2. 项目结构与运行环境先看懂pyvenv.cfg再动手启动2.1 从目录树看懂项目的职责边界解压后第一眼是COVID-19-NLP-vis-master这个顶层文件夹里面所有代码和数据都按职责分好了目录。我的习惯是先列目录树再对照项目正文里那份文件清单确认每个文件的位置避免后面找错路径。下面是按功能重组的文件清单目录/文件职责scripts/全部Python脚本爬虫、清洗、分析、可视化dataSets/CSV原始数据微博评论、疫情快讯、省份数据、人口数据templates/Web页面模板index.html、test.html等results/分析结果输出图表和JSON中间文件img/页面引用的图片与静态资源疫情分析和预测部分.ipynb时序预测主notebook可逐步执行NLP.ipynbNLP分析notebook分词、TF-IDF情感分析server.pyWeb服务入口把分析结果通过页面展示pyvenv.cfg项目虚拟环境配置文件pyvenv.cfg和pip-selfcheck.json的出现说明原项目是用venv创建的虚拟环境跑通的这非常关键。跨机器复用课设代码时千万不要直接跑python server.py因为原虚拟环境依赖的是开发机的Python路径直接使用大概率会报错。正确做法是把这个目录当普通代码库重新创建属于自己的虚拟环境。2.2 重建虚拟环境并启动server.py我拆这类课设项目时第一件事就是把环境重建干净。常见步骤是先在项目根目录创建.venv激活后安装依赖再启动服务。代码参考如下cd COVID-19-NLP-vis-master python -m venv .venv source .venv/bin/activate # Windows用户执行 .venv\Scripts\activate pip install pandas numpy matplotlib scikit-learn flask jieba python server.py我一般会先装上面这些核心库因为课设代码极少搞复杂依赖最多再加snownlp做情感分析、wordcloud做词云。装完依赖后先启动server.py试水服务起来后在浏览器打开http://127.0.0.1:5000看仪表盘是否正常渲染。参数说明server.py默认监听5000端口如果要换端口在代码里改app.run(portxxxx)即可如果页面引用了templates/下的HTML检查一下服务启动路径是不是在项目根目录否则模板路径会错位导致白屏。如果只想单独跑分析不想启动Web服务两个.ipynb才是入口。疫情分析和预测部分.ipynb可以一步步复现logistic预测流程NLP.ipynb则对应分词和情感分析。每次课设答辩前我建议把notebook从头到尾执行一两次确认无红色报错再启动server.py演示页面这两条路最好都能在手边演示防止现场翻车。3. 数据获取与预处理爬虫脚本、合并去重与编码处理3.1 爬虫脚本的三个入口与参数位置scripts/下爬虫有三个weibo_战疫情爬虫_spider.py、spider-yqkx.py、spider-社会组织.py。这三个脚本分别对应微博评论、疫情快讯、社会组织相关数据的采集。我拆开看逻辑后发现它们的思路很一致请求页面或接口解析JSON或HTML把结果追加写入dataSets/下的CSV。微博评论爬虫是这套项目里最需要改的脚本。因为微博页面需要登录Cookie原脚本里大概率写死了一个Cookie字符串或读取本地配置文件。我的血泪经验是把Cookie放脚本顶部统一管理不要把Cookie散落在多个函数里。如下示例# weibo_战疫情爬虫_spider.py 关键参数区 COOKIE 你的登录Cookie # 长时间不用会过期 KEYWORD 疫情 # 搜索关键词 MAX_PAGE 5 # 最大翻页数越大越容易被风控 OUTPUT dataSets/weiboComments-5_21.csv代码逻辑说明爬虫按关键词搜索微博翻页解析每页的评论区内容把用户名、评论时间、评论文本提取出来存成CSV。参数设置建议MAX_PAGE先从2试能跑通再调大微博对高频请求的风控很敏感COOKIE登录后复制浏览器请求头里的Cookie字符串不带登录态基本抓不到数据。spider-yqkx.py主要用于抓疫情快讯数据一般是从公开数据接口拿JSON速度比微博评论快但字段格式经常变如果接口字段变了会直接报KeyError改起来就是同步改字段名。3.2 清洗流程weiboProcess.py与mergeweibos.py怎么配合原始CSV往往是脏的。weiboProcess.py干的是清洗活去掉评论文本里的URL、用户名、表情符号和多余空白再补全缺失字段mergeweibos.py负责把多批次抓取的CSV按评论ID去重合并成一个总表。两者配合顺序很重要先合并再清洗或先清洗再合并都有可能我见过的课设代码常见的正确顺序是先合并去重再清洗正文。# mergeweibos.py 核心逻辑示意 import pandas as pd files [dataSets/weiboComments-5_21.csv, dataSets/weiboComments-5_22.csv] df pd.concat([pd.read_csv(f, encodingutf-8) for f in files], ignore_indexTrue) df df.drop_duplicates(subset[comment_id], keepfirst) # 按评论ID去重 df.to_csv(dataSets/weibo_comments_all.csv, indexFalse, encodingutf-8-sig)参数说明encodingutf-8读取时如果报UnicodeDecodeError把读取编码改成gbk或utf-8-sigdrop_duplicates的subset字段看你的CSV实际列名通常是comment_id或id如果原文件没有ID字段就按用户名评论时间评论内容三列组合去重。utf-8-sig写入是为了Excel打开不乱码如果后续用Python读回用utf-8就够了。3.3 数据集的字段脉络dataSets/下有四个高频数据集weiboComments-5_21.csv存放微博评论文本yqkx_data-5_21.csv存放疫情快讯china_provincedata.csv存放国内各省疫情数据API_SP.POP.TOTL_DS2_zh_csv_v2_1075183.csv是世界银行的人口数据。各省疫情表里一般包含日期、省份、新增确诊、累计确诊、治愈、死亡这些字段人口数据表主要用来在绘制世界疫情地图时做归一化。拿到手先不要急着跑脚本用pd.read_csv把每个CSV的列名打出来对照脚本里引用的字段名是否一致不一致就改脚本里的列名。这个动作能避开后面90%的KeyError问题。4. 分析脚本拆解时序预测、情感分析与TF-IDF关键词怎么跑4.1 logistic.py预测新增确诊训练期与未来天数的取舍logistic.py是用logistic曲线拟合疫情时序数据。它的数学假设是累计确诊曲线呈S型增长前期指数上升、中期趋缓、后期接近饱和。这个假设对疫情早期数据拟合效果尚可放到实际场景里只能做参考不能当精确预报。脚本里通常以日期为横轴、累计确诊为纵轴用scipy.optimize.curve_fit拟合logistic函数然后外推未来N天。参考实现如下import numpy as np from scipy.optimize import curve_fit import pandas as pd def logistic_func(t, a, b, c): return c / (1 np.exp(-b * (t - a))) df pd.read_csv(dataSets/china_provincedata.csv, encodingutf-8) df df.sort_values(date) # 保证按时间排序 t np.arange(len(df)) y df[cum_confirmed].values # 累计确诊列 popt, _ curve_fit(logistic_func, t, y, p0[20, 0.2, 10000], maxfev5000) future_days 15 # 外推天数 t_future np.arange(len(df) future_days) pred logistic_func(t_future, *popt)参数说明p0是初值猜测三个参数分别控制拐点位置、增长速率和饱和值初值给得离谱会让拟合跑到局部最优甚至直接NaNmaxfev是最大迭代次数默认600在曲线复杂时会不够我一般拉到5000以上。外推的天数越远误差越大课设演示控制在7到15天就好。如果想要更稳的结果可以先对原始序列做3日滑动平均再拟合能有效降低个别天数据突变造成的抖动。拟合完建议顺手画一张真实值与预测值的对比图这张图在答辩时比代码本身更有说服力。输出的预测结果通常也会被保存成JSON或CSV交给可视化页面读取。4.2 微博评论NLPjiebafenci.py、tfidf.py与sentiments.py串起来NLP部分是这套项目里最容易出彩也最容易翻车的模块流程是jieba分词去停用词TF-IDF提取关键词再做情感分析。jiebafenci.py负责把评论文本切词并过滤掉无意义的停用词tfidf.py统计每个词在全部评论中的重要性输出top关键词sentiments.py给每条评论打情感分汇总出正负面比例。三个脚本的协作逻辑参照下面这段import jieba from sklearn.feature_extraction.text import TfidfVectorizer stopwords set(line.strip() for line in open(dataSets/stopwords.txt, encodingutf-8)) def cut_words(text): words [w for w in jieba.lcut(text) if w.strip() and w not in stopwords] return .join(words) comments [致敬所有逆行者, 什么时候疫苗能普及, 大家都要保护好自己] corpus [cut_words(c) for c in comments] vectorizer TfidfVectorizer() tfidf_matrix vectorizer.fit_transform(corpus) keywords vectorizer.get_feature_names_out()参数说明停用词表要自己准备常见做法是网上搜一份中文停用词表存成stopwords.txt没有停用词表时TF-IDF结果里会堆满“我们”“可以”“这个”这类词关键词列表瞬间失真。TfidfVectorizer有两个常用超参max_features限制关键词数量min_df控制最低文档频率把min_df设为3可以有效过滤只在个别评论里出现一次的生僻词。情感分析部分的实现通常有两种一种是用SnowNLP的sentiment接口直接打分另一种是词典打分法。课设代码里常见的是维护正面词表和负面词表逐条统计命中数量得到情感倾向。前者省力但精度一般后者自定义空间大。如果你想在答辩时讲出深度我建议用词典法并把自己的词表说明白。4.3 notebooks与脚本的关系疫情分析和预测部分.ipynb和NLP.ipynb基本是上面脚本的“演示版”。我拆过不少课设项目常见设计是脚本负责批处理notebook负责展示调参过程。你完全可以只信notebook但脚本更稳定。答辩时打开notebook一步步运行比在终端跑脚本更有观赏性。唯一需要注意的是notebook里的代码如果是从脚本复制出去的kernel选择虚拟环境时不要选错否则会提示缺少依赖。5. 高频踩坑与排查中文乱码、虚拟环境和端口占用怎么办5.1 三个最容易翻车的启动问题问题1server.py启动后浏览器白屏控制台报TemplateNotFound。现象是页面打开后没有内容终端提示找不到index.html。原因多半是启动路径不在项目根目录Flask或模板引擎会按相对路径拼模板目录。解决方法是先把工作目录切到COVID-19-NLP-vis-master下再执行python server.py或者脚本里用绝对路径指定模板目录app Flask(__name__, template_folderos.path.abspath(templates))。问题2notebook里报ModuleNotFoundError但终端里import正常。现象是在终端python能import pandas在notebook里却报错。原因是notebook的kernel挂的是系统Python环境不是项目虚拟环境。解决思路是先激活虚拟环境再执行python -m ipykernel install --user --namecovid19-env在notebook右上角切换kernel。这个坑我已经踩过多次属于典型的“环境错位”问题逻辑本身没毛病就是解释器指向错了。问题3端口5000被占用服务起不来。现象是启动后提示Address already in use。原因是macOS的AirPlay或其它开发服务常占用5000端口。解决方法是换端口找server.py里的app.run改成port5001。这类问题最玄学明明代码没动过却因为端口被占给人“代码不行”的错觉。5.2 数据分析环节的经典报错与修复问题4读取CSV时UnicodeDecodeError中文全部乱码。现象是pd.read_csv(xxx.csv)直接抛编码异常或者读出来全是乱码。原因是CSV实际编码是gbkPython默认按utf-8解析。解决方法是先用chardet检测编码或者直接尝试pd.read_csv(path, encodinggbk)。在写入结果时用encodingutf-8-sig保证Excel打开不乱码。我自己的习惯是写一个通用读取函数先试utf-8再降级到gbk能省下很多来回试编码的时间。问题5wordcloud词云中文全变成方块。现象是词云图片生成成功但所有中文都显示成小方块英文正常。原因是字体文件没有指定中文字体PIL默认字体不支持中文。解决方法是下载或本机找一款中文字体比如SimHei.ttf在WordCloud对象里指定WordCloud(font_pathC:/Windows/Fonts/simhei.ttf, width800, height600)。这一步几乎是必踩的坑属于所有中文绘图的共性问题不只词云matplotlib画图中文乱码也可以用这个思路解决。5.3 把排查顺序固定成习惯基本排查顺序我建议固定为“环境-路径-编码”三步。环境问题看报错前两行是ModuleNotFound还是ImportError路径问题看有没有FileNotFoundError编码问题看UnicodeDecodeError。这三个大类覆盖了这套课设90%的启动故障。遇到过不去的报错优先看完整traceback的倒数第二行那才是真正出错的那一行代码而不是被最后一行的调用信息带偏。6. 进阶验证换自己的数据源校验logistic预测误差把这份资源吃透之后最有价值的进阶动作是换一套新数据验证流程能复用同时量化logistic预测的误差。我自己的做法是准备三列新CSV日期、累计确诊、新增确诊尽量保持列名与china_provincedata.csv一致替换后重新跑logistic.py用最近10天真实值和预测值算误差代码参考如下import numpy as np from sklearn.metrics import mean_absolute_error # pred[-10:] 是最近10天预测累计确诊, actual 是真实累计确诊 mae mean_absolute_error(actual[-10:], pred[-10:]) print(fMAE: {mae:.2f})逻辑说明MAE代表平均每天预测偏差多少例数值越小越好。如果MAE明显偏大优先检查训练数据是否跨度过长、是否包含政策变化造成的突变再调整p0初值或把训练序列做平滑。可视化扩展也是一样套路改wordcloud.js里的输入JSON路径或者替换index.html里ECharts图表的data字段就能把预测结果和词云页面换成你自己的数据分析结果。从那以后我每次接手课设代码都强制自己先跑通原始脚本、再做最小改动换数据验证预测后再改可视化。这个顺序看着慢实际能省掉大量“改代码改到一半发现是环境坏了”的时间。希望帮到你。本文还有配套的精品资源点击获取 Python疫情数据分析与可视化：从爬虫到Logistic预测全流程
简介新冠肺炎疫情数据分析与可视化是一套完整的Python课程设计项目适合计算机、电子信息工程、数学等专业学生用于课程设计、期末大作业或毕业设计参考。项目由导师指导并通过以98分的高分完成涵盖数据爬取、清洗、时序预测、情感分析与可视化展示等完整流程。压缩包共57个文件包含17个Python脚本、2个Jupyter Notebook、5个CSV数据集、5个HTML可视化页面、图表与文档报告等整体大小3.94MB结构清晰便于按模块学习和二次开发。目前已有424人学习下载。资源中提供了疫情时序数据预测算法设计文档、微博评论情感分析、地图可视化、词云生成等具体实现并附带完整报告与说明文档适合作为毕业设计或课程作业的参考资料可帮助快速理解数据分析项目的方法论与工程实现。1. 疫情数据分析与可视化课设一套能跑通全流程的Python项目把这份《新冠肺炎疫情数据分析与可视化python完整课设和代码报告.zip》整个拆开看我第一反应是这是个典型的Python课程设计全家桶。它不只是几个孤立的脚本而是从微博评论和疫情快讯的爬取、CSV数据预处理到logistic时序预测、NLP情感分析和TF-IDF关键词提取最后落到ECharts地图、词云和Web仪表盘的完整链路。对计算机、电子信息工程、数学类专业的学生来说拿它当毕业设计或期末大作业的结构模板是够格的尤其是那份《新冠肺炎时序数据预测算法设计.docx》报告解决了“有代码但不会写文档”的常见痛点。适合两种人一是想快速搭一个疫情数据分析与可视化Demo的课设选手二是想理解数据采集到可视化全流程的Python新手。需要强调的是这套代码是参考资料不是提交即通过的成品真正花时间的反而是读懂每个脚本在干什么、怎么按你的场景改参数。2. 项目结构与运行环境先看懂pyvenv.cfg再动手启动2.1 从目录树看懂项目的职责边界解压后第一眼是COVID-19-NLP-vis-master这个顶层文件夹里面所有代码和数据都按职责分好了目录。我的习惯是先列目录树再对照项目正文里那份文件清单确认每个文件的位置避免后面找错路径。下面是按功能重组的文件清单目录/文件职责scripts/全部Python脚本爬虫、清洗、分析、可视化dataSets/CSV原始数据微博评论、疫情快讯、省份数据、人口数据templates/Web页面模板index.html、test.html等results/分析结果输出图表和JSON中间文件img/页面引用的图片与静态资源疫情分析和预测部分.ipynb时序预测主notebook可逐步执行NLP.ipynbNLP分析notebook分词、TF-IDF情感分析server.pyWeb服务入口把分析结果通过页面展示pyvenv.cfg项目虚拟环境配置文件pyvenv.cfg和pip-selfcheck.json的出现说明原项目是用venv创建的虚拟环境跑通的这非常关键。跨机器复用课设代码时千万不要直接跑python server.py因为原虚拟环境依赖的是开发机的Python路径直接使用大概率会报错。正确做法是把这个目录当普通代码库重新创建属于自己的虚拟环境。2.2 重建虚拟环境并启动server.py我拆这类课设项目时第一件事就是把环境重建干净。常见步骤是先在项目根目录创建.venv激活后安装依赖再启动服务。代码参考如下cd COVID-19-NLP-vis-master python -m venv .venv source .venv/bin/activate # Windows用户执行 .venv\Scripts\activate pip install pandas numpy matplotlib scikit-learn flask jieba python server.py我一般会先装上面这些核心库因为课设代码极少搞复杂依赖最多再加snownlp做情感分析、wordcloud做词云。装完依赖后先启动server.py试水服务起来后在浏览器打开http://127.0.0.1:5000看仪表盘是否正常渲染。参数说明server.py默认监听5000端口如果要换端口在代码里改app.run(portxxxx)即可如果页面引用了templates/下的HTML检查一下服务启动路径是不是在项目根目录否则模板路径会错位导致白屏。如果只想单独跑分析不想启动Web服务两个.ipynb才是入口。疫情分析和预测部分.ipynb可以一步步复现logistic预测流程NLP.ipynb则对应分词和情感分析。每次课设答辩前我建议把notebook从头到尾执行一两次确认无红色报错再启动server.py演示页面这两条路最好都能在手边演示防止现场翻车。3. 数据获取与预处理爬虫脚本、合并去重与编码处理3.1 爬虫脚本的三个入口与参数位置scripts/下爬虫有三个weibo_战疫情爬虫_spider.py、spider-yqkx.py、spider-社会组织.py。这三个脚本分别对应微博评论、疫情快讯、社会组织相关数据的采集。我拆开看逻辑后发现它们的思路很一致请求页面或接口解析JSON或HTML把结果追加写入dataSets/下的CSV。微博评论爬虫是这套项目里最需要改的脚本。因为微博页面需要登录Cookie原脚本里大概率写死了一个Cookie字符串或读取本地配置文件。我的血泪经验是把Cookie放脚本顶部统一管理不要把Cookie散落在多个函数里。如下示例# weibo_战疫情爬虫_spider.py 关键参数区 COOKIE 你的登录Cookie # 长时间不用会过期 KEYWORD 疫情 # 搜索关键词 MAX_PAGE 5 # 最大翻页数越大越容易被风控 OUTPUT dataSets/weiboComments-5_21.csv代码逻辑说明爬虫按关键词搜索微博翻页解析每页的评论区内容把用户名、评论时间、评论文本提取出来存成CSV。参数设置建议MAX_PAGE先从2试能跑通再调大微博对高频请求的风控很敏感COOKIE登录后复制浏览器请求头里的Cookie字符串不带登录态基本抓不到数据。spider-yqkx.py主要用于抓疫情快讯数据一般是从公开数据接口拿JSON速度比微博评论快但字段格式经常变如果接口字段变了会直接报KeyError改起来就是同步改字段名。3.2 清洗流程weiboProcess.py与mergeweibos.py怎么配合原始CSV往往是脏的。weiboProcess.py干的是清洗活去掉评论文本里的URL、用户名、表情符号和多余空白再补全缺失字段mergeweibos.py负责把多批次抓取的CSV按评论ID去重合并成一个总表。两者配合顺序很重要先合并再清洗或先清洗再合并都有可能我见过的课设代码常见的正确顺序是先合并去重再清洗正文。# mergeweibos.py 核心逻辑示意 import pandas as pd files [dataSets/weiboComments-5_21.csv, dataSets/weiboComments-5_22.csv] df pd.concat([pd.read_csv(f, encodingutf-8) for f in files], ignore_indexTrue) df df.drop_duplicates(subset[comment_id], keepfirst) # 按评论ID去重 df.to_csv(dataSets/weibo_comments_all.csv, indexFalse, encodingutf-8-sig)参数说明encodingutf-8读取时如果报UnicodeDecodeError把读取编码改成gbk或utf-8-sigdrop_duplicates的subset字段看你的CSV实际列名通常是comment_id或id如果原文件没有ID字段就按用户名评论时间评论内容三列组合去重。utf-8-sig写入是为了Excel打开不乱码如果后续用Python读回用utf-8就够了。3.3 数据集的字段脉络dataSets/下有四个高频数据集weiboComments-5_21.csv存放微博评论文本yqkx_data-5_21.csv存放疫情快讯china_provincedata.csv存放国内各省疫情数据API_SP.POP.TOTL_DS2_zh_csv_v2_1075183.csv是世界银行的人口数据。各省疫情表里一般包含日期、省份、新增确诊、累计确诊、治愈、死亡这些字段人口数据表主要用来在绘制世界疫情地图时做归一化。拿到手先不要急着跑脚本用pd.read_csv把每个CSV的列名打出来对照脚本里引用的字段名是否一致不一致就改脚本里的列名。这个动作能避开后面90%的KeyError问题。4. 分析脚本拆解时序预测、情感分析与TF-IDF关键词怎么跑4.1 logistic.py预测新增确诊训练期与未来天数的取舍logistic.py是用logistic曲线拟合疫情时序数据。它的数学假设是累计确诊曲线呈S型增长前期指数上升、中期趋缓、后期接近饱和。这个假设对疫情早期数据拟合效果尚可放到实际场景里只能做参考不能当精确预报。脚本里通常以日期为横轴、累计确诊为纵轴用scipy.optimize.curve_fit拟合logistic函数然后外推未来N天。参考实现如下import numpy as np from scipy.optimize import curve_fit import pandas as pd def logistic_func(t, a, b, c): return c / (1 np.exp(-b * (t - a))) df pd.read_csv(dataSets/china_provincedata.csv, encodingutf-8) df df.sort_values(date) # 保证按时间排序 t np.arange(len(df)) y df[cum_confirmed].values # 累计确诊列 popt, _ curve_fit(logistic_func, t, y, p0[20, 0.2, 10000], maxfev5000) future_days 15 # 外推天数 t_future np.arange(len(df) future_days) pred logistic_func(t_future, *popt)参数说明p0是初值猜测三个参数分别控制拐点位置、增长速率和饱和值初值给得离谱会让拟合跑到局部最优甚至直接NaNmaxfev是最大迭代次数默认600在曲线复杂时会不够我一般拉到5000以上。外推的天数越远误差越大课设演示控制在7到15天就好。如果想要更稳的结果可以先对原始序列做3日滑动平均再拟合能有效降低个别天数据突变造成的抖动。拟合完建议顺手画一张真实值与预测值的对比图这张图在答辩时比代码本身更有说服力。输出的预测结果通常也会被保存成JSON或CSV交给可视化页面读取。4.2 微博评论NLPjiebafenci.py、tfidf.py与sentiments.py串起来NLP部分是这套项目里最容易出彩也最容易翻车的模块流程是jieba分词去停用词TF-IDF提取关键词再做情感分析。jiebafenci.py负责把评论文本切词并过滤掉无意义的停用词tfidf.py统计每个词在全部评论中的重要性输出top关键词sentiments.py给每条评论打情感分汇总出正负面比例。三个脚本的协作逻辑参照下面这段import jieba from sklearn.feature_extraction.text import TfidfVectorizer stopwords set(line.strip() for line in open(dataSets/stopwords.txt, encodingutf-8)) def cut_words(text): words [w for w in jieba.lcut(text) if w.strip() and w not in stopwords] return .join(words) comments [致敬所有逆行者, 什么时候疫苗能普及, 大家都要保护好自己] corpus [cut_words(c) for c in comments] vectorizer TfidfVectorizer() tfidf_matrix vectorizer.fit_transform(corpus) keywords vectorizer.get_feature_names_out()参数说明停用词表要自己准备常见做法是网上搜一份中文停用词表存成stopwords.txt没有停用词表时TF-IDF结果里会堆满“我们”“可以”“这个”这类词关键词列表瞬间失真。TfidfVectorizer有两个常用超参max_features限制关键词数量min_df控制最低文档频率把min_df设为3可以有效过滤只在个别评论里出现一次的生僻词。情感分析部分的实现通常有两种一种是用SnowNLP的sentiment接口直接打分另一种是词典打分法。课设代码里常见的是维护正面词表和负面词表逐条统计命中数量得到情感倾向。前者省力但精度一般后者自定义空间大。如果你想在答辩时讲出深度我建议用词典法并把自己的词表说明白。4.3 notebooks与脚本的关系疫情分析和预测部分.ipynb和NLP.ipynb基本是上面脚本的“演示版”。我拆过不少课设项目常见设计是脚本负责批处理notebook负责展示调参过程。你完全可以只信notebook但脚本更稳定。答辩时打开notebook一步步运行比在终端跑脚本更有观赏性。唯一需要注意的是notebook里的代码如果是从脚本复制出去的kernel选择虚拟环境时不要选错否则会提示缺少依赖。5. 高频踩坑与排查中文乱码、虚拟环境和端口占用怎么办5.1 三个最容易翻车的启动问题问题1server.py启动后浏览器白屏控制台报TemplateNotFound。现象是页面打开后没有内容终端提示找不到index.html。原因多半是启动路径不在项目根目录Flask或模板引擎会按相对路径拼模板目录。解决方法是先把工作目录切到COVID-19-NLP-vis-master下再执行python server.py或者脚本里用绝对路径指定模板目录app Flask(__name__, template_folderos.path.abspath(templates))。问题2notebook里报ModuleNotFoundError但终端里import正常。现象是在终端python能import pandas在notebook里却报错。原因是notebook的kernel挂的是系统Python环境不是项目虚拟环境。解决思路是先激活虚拟环境再执行python -m ipykernel install --user --namecovid19-env在notebook右上角切换kernel。这个坑我已经踩过多次属于典型的“环境错位”问题逻辑本身没毛病就是解释器指向错了。问题3端口5000被占用服务起不来。现象是启动后提示Address already in use。原因是macOS的AirPlay或其它开发服务常占用5000端口。解决方法是换端口找server.py里的app.run改成port5001。这类问题最玄学明明代码没动过却因为端口被占给人“代码不行”的错觉。5.2 数据分析环节的经典报错与修复问题4读取CSV时UnicodeDecodeError中文全部乱码。现象是pd.read_csv(xxx.csv)直接抛编码异常或者读出来全是乱码。原因是CSV实际编码是gbkPython默认按utf-8解析。解决方法是先用chardet检测编码或者直接尝试pd.read_csv(path, encodinggbk)。在写入结果时用encodingutf-8-sig保证Excel打开不乱码。我自己的习惯是写一个通用读取函数先试utf-8再降级到gbk能省下很多来回试编码的时间。问题5wordcloud词云中文全变成方块。现象是词云图片生成成功但所有中文都显示成小方块英文正常。原因是字体文件没有指定中文字体PIL默认字体不支持中文。解决方法是下载或本机找一款中文字体比如SimHei.ttf在WordCloud对象里指定WordCloud(font_pathC:/Windows/Fonts/simhei.ttf, width800, height600)。这一步几乎是必踩的坑属于所有中文绘图的共性问题不只词云matplotlib画图中文乱码也可以用这个思路解决。5.3 把排查顺序固定成习惯基本排查顺序我建议固定为“环境-路径-编码”三步。环境问题看报错前两行是ModuleNotFound还是ImportError路径问题看有没有FileNotFoundError编码问题看UnicodeDecodeError。这三个大类覆盖了这套课设90%的启动故障。遇到过不去的报错优先看完整traceback的倒数第二行那才是真正出错的那一行代码而不是被最后一行的调用信息带偏。6. 进阶验证换自己的数据源校验logistic预测误差把这份资源吃透之后最有价值的进阶动作是换一套新数据验证流程能复用同时量化logistic预测的误差。我自己的做法是准备三列新CSV日期、累计确诊、新增确诊尽量保持列名与china_provincedata.csv一致替换后重新跑logistic.py用最近10天真实值和预测值算误差代码参考如下import numpy as np from sklearn.metrics import mean_absolute_error # pred[-10:] 是最近10天预测累计确诊, actual 是真实累计确诊 mae mean_absolute_error(actual[-10:], pred[-10:]) print(fMAE: {mae:.2f})逻辑说明MAE代表平均每天预测偏差多少例数值越小越好。如果MAE明显偏大优先检查训练数据是否跨度过长、是否包含政策变化造成的突变再调整p0初值或把训练序列做平滑。可视化扩展也是一样套路改wordcloud.js里的输入JSON路径或者替换index.html里ECharts图表的data字段就能把预测结果和词云页面换成你自己的数据分析结果。从那以后我每次接手课设代码都强制自己先跑通原始脚本、再做最小改动换数据验证预测后再改可视化。这个顺序看着慢实际能省掉大量“改代码改到一半发现是环境坏了”的时间。希望帮到你。本文还有配套的精品资源点击获取