作者计算机毕业设计杰瑞个人简介曾长期从事计算机专业培训教学本人也热爱上课教学语言擅长Java、微信小程序、Python、Golang、安卓Android等开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。平常喜欢分享一些自己开发中遇到的问题的解决办法也喜欢交流技术大家有技术代码这一块的问题可以问我想说的话感谢大家的关注与支持网站实战项目安卓/小程序实战项目大数据实战项目深度学校实战项目计算机毕业设计选题推荐目录基于大数据的全国各地景点指数数据可视化分析介绍基于大数据的全国各地景点指数数据可视化分析演示视频基于大数据的全国各地景点指数数据可视化分析演示图片基于大数据的全国各地景点指数数据可视化分析代码展示基于大数据的全国各地景点指数数据可视化分析文档展示基于大数据的全国各地景点指数数据可视化分析介绍本系统名为《基于大数据的全国各地景点指数数据可视化分析》是一套面向旅游景点数据的采集、存储、计算与可视化展示平台。系统以 Hadoop 分布式文件系统作为底层数据存储支撑将全国各地景点的基础信息、游客流量、热度评分、季节波动等多源数据统一上传至 HDFS 进行管理再借助 Spark 与 Spark SQL 完成数据清洗、聚合统计与指标计算通过 Pandas 与 NumPy 对计算结果做进一步整理最终将处理后的景点指数结果写入 MySQL 数据库并由 Django 或 Spring Boot 提供后端接口前端采用 Vue、ElementUI、ECharts、HTML、CSS、JavaScript 与 jQuery 完成页面渲染与图表展示。系统整体包含系统首页、用户管理、景区信息管理和景点指数分析四大模块用户可以通过首页快速了解平台整体数据概况在景区信息模块中查看各景点的详细资料在景点指数分析模块中按照地区、时间、热度等维度观察景点指数的变化趋势从而直观感受到大数据计算在旅游数据分析场景中的实际作用。基于大数据的全国各地景点指数数据可视化分析演示视频演示视频基于大数据的全国各地景点指数数据可视化分析演示图片基于大数据的全国各地景点指数数据可视化分析代码展示frompyspark.sqlimportSparkSessionfrompyspark.sql.functionsimportcol,sum,avg,count,desc,whenfromdjango.httpimportJsonResponsefromdjango.views.decorators.csrfimportcsrf_exemptfromdjango.dbimportconnectionimportpandasaspdimportnumpyasnpimportjson sparkSparkSession.builder.appName(ScenicIndexAnalysis).master(local[*]).config(spark.sql.shuffle.partitions,4).enableHiveSupport().getOrCreate()defscenic_info_manage(request):ifrequest.methodPOST:bodyjson.loads(request.body)scenic_namebody.get(scenic_name)provincebody.get(province)citybody.get(city)levelbody.get(level)ifnotscenic_nameornotprovince:returnJsonResponse({code:400,msg:景区名称和省份不能为空})withconnection.cursor()ascursor:cursor.execute(SELECT id FROM scenic_info WHERE scenic_name%s AND province%s,[scenic_name,province])existcursor.fetchone()ifexist:returnJsonResponse({code:409,msg:该景区已存在})cursor.execute(INSERT INTO scenic_info(scenic_name, province, city, level) VALUES(%s,%s,%s,%s),[scenic_name,province,city,level])returnJsonResponse({code:200,msg:景区信息添加成功})elifrequest.methodGET:pageint(request.GET.get(page,1))sizeint(request.GET.get(size,10))offset(page-1)*sizewithconnection.cursor()ascursor:cursor.execute(SELECT COUNT(*) FROM scenic_info)totalcursor.fetchone()[0]cursor.execute(SELECT id, scenic_name, province, city, level FROM scenic_info LIMIT %s OFFSET %s,[size,offset])rowscursor.fetchall()result[{id:r[0],scenic_name:r[1],province:r[2],city:r[3],level:r[4]}forrinrows]returnJsonResponse({code:200,total:total,data:result})defscenic_index_analysis(request):provincerequest.GET.get(province,)start_daterequest.GET.get(start_date,)end_daterequest.GET.get(end_date,)dfspark.read.format(csv).option(header,true).option(inferSchema,true).load(hdfs://localhost:9000/scenic/index_data.csv)dfdf.filter(col(dt).isNotNull())ifprovince:dfdf.filter(col(province)province)ifstart_dateandend_date:dfdf.filter((col(dt)start_date)(col(dt)end_date))df.createOrReplaceTempView(scenic_index)result_dfspark.sql(SELECT province, city, scenic_name, SUM(visitor_count) AS total_visitor, AVG(heat_score) AS avg_heat, AVG(comment_score) AS avg_comment, COUNT(DISTINCT dt) AS days FROM scenic_index GROUP BY province, city, scenic_name ORDER BY total_visitor DESC)pdfresult_df.toPandas()pdf[avg_heat]pdf[avg_heat].round(2)pdf[avg_comment]pdf[avg_comment].round(2)pdf[heat_level]np.where(pdf[avg_heat]80,高热,np.where(pdf[avg_heat]50,中热,低热))data_listpdf.to_dict(orientrecords)withconnection.cursor()ascursor:cursor.execute(DELETE FROM scenic_index_result WHERE dt%s,[end_date])forrowindata_list:cursor.execute(INSERT INTO scenic_index_result(province, city, scenic_name, total_visitor, avg_heat, avg_comment, heat_level, dt) VALUES(%s,%s,%s,%s,%s,%s,%s,%s),[row[province],row[city],row[scenic_name],int(row[total_visitor]),float(row[avg_heat]),float(row[avg_comment]),row[heat_level],end_date])returnJsonResponse({code:200,data:data_list})defindex_chart_data(request):provincerequest.GET.get(province,)dfspark.read.format(csv).option(header,true).option(inferSchema,true).load(hdfs://localhost:9000/scenic/index_data.csv)ifprovince:dfdf.filter(col(province)province)df.createOrReplaceTempView(scenic_index_chart)trend_dfspark.sql(SELECT dt, SUM(visitor_count) AS total_visitor, AVG(heat_score) AS avg_heat FROM scenic_index_chart GROUP BY dt ORDER BY dt)trend_pdftrend_df.toPandas()trend_pdf[avg_heat]trend_pdf[avg_heat].round(2)datestrend_pdf[dt].tolist()visitorstrend_pdf[total_visitor].tolist()heatstrend_pdf[avg_heat].tolist()rank_dfspark.sql(SELECT scenic_name, SUM(visitor_count) AS total_visitor FROM scenic_index_chart GROUP BY scenic_name ORDER BY total_visitor DESC LIMIT 10)rank_pdfrank_df.toPandas()rank_namesrank_pdf[scenic_name].tolist()rank_valuesrank_pdf[total_visitor].tolist()chart_data{trend:{dates:dates,visitors:visitors,heats:heats},rank:{names:rank_names,values:rank_values}}returnJsonResponse({code:200,chart_data:chart_data})基于大数据的全国各地景点指数数据可视化分析文档展示作者计算机毕业设计杰瑞个人简介曾长期从事计算机专业培训教学本人也热爱上课教学语言擅长Java、微信小程序、Python、Golang、安卓Android等开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。平常喜欢分享一些自己开发中遇到的问题的解决办法也喜欢交流技术大家有技术代码这一块的问题可以问我想说的话感谢大家的关注与支持网站实战项目安卓/小程序实战项目大数据实战项目深度学校实战项目计算机毕业设计选题推荐