简介基于Python的旅游网站数据分析及可视化项目是一份评审得分95分以上的期末大作业源码包适合正在学习数据分析、数据可视化或需要完成课程设计、毕业设计的开发者参考。压缩包内共有74个文件大小约13.62MB主体包括Python程序脚本、Jupyter Notebook分析文档、36个网页可视化页面、配套样式与交互脚本以及原始旅游数据表、图片素材和使用手册目录按分析模块划分清晰便于翻阅和修改。项目围绕2020年五一假期旅游数据从热门城市景点评分、全国热门景点类型、各省景区等级分布、景点门票销售、不同价位消费区间等多个角度展开分析并生成景点评价率水球图、热门景点词云图、最受欢迎景点漏斗图等交互式图表内容全面、可视化效果丰富。源码经过严格调试运行稳定附带的文档手册可以帮助新手快速上手理解旅游网站数据分析的完整设计思路。目前已有616人浏览学习是一份很有参考价值的优秀大作业样本。1. 旅游网站数据分析与可视化这个期末作业为什么值得认真做在期末大作业的选题里基于 Python 的旅游网站数据分析及可视化几乎是性价比最高的一个数据好拿、图表好看、分析链路完整。我的反直觉结论是拿 95 分以上的作业通常不是靠炫酷大屏而是靠数据链路的完整性和结论闭环——从爬虫或公开数据出发做清洗、分析、可视化最后落到“暑期去哪个城市玩性价比更高”这样的业务判断上。适合三类人想独立完成第一个 Python 数据分析项目的新手、需要提交结课大作业的本科生、以及想积累数据看板实战经验的数据方向学生。下面这套方案可以直接套代码和参数都是踩过坑之后留下的版本。2. 搭建旅游数据分析项目的第一层环境、数据源与采集清洗大作业最容易被忽视的不是分析算法而是数据能不能被干净地读进来。这一章先解决地基问题Python 环境怎么钉死、数据从哪来、采集脚本怎么写、脏数据怎么洗。地基打不牢后面所有图表都会跟着翻车。2.1 先把 Python 环境钉住venv 里装这 7 个包Python 环境是期末作业翻车的第一高发区。我一般会用 Python 3.10 起步不建议再用 3.6 以下的老版本pandas 和 pyecharts 的新接口很多都已经放弃了对旧版本的支持。安装好 Python 之后先建虚拟环境别图省事把包直接装到全局否则交作业到另一台机器上运行时依赖冲突会让老师直接给你扣分。python -m venv venv # Windows 下激活 venv\Scripts\activate # macOS / Linux 下激活 source venv/bin/activate python -m pip install --upgrade pip pip install pandas numpy matplotlib pyecharts requests beautifulsoup4 lxml openpyxl这一行 pip install 装的是整套作业的弹药pandas 和 numpy 负责数据处理与计算matplotlib 作为备用的静态绘图方案pyecharts 负责生成可视化大屏和 HTML 看板requests 和 beautifulsoup4 负责网页数据采集lxml 是 BeautifulSoup 的解析引擎openpyxl 用来把 DataFrame 导出成 xlsx 格式。很多老师要求最终交付物里带 Excel 表格不装 openpyxl 的话df.to_excel()会直接报 ImportError。关于版本建议写完代码后执行pip freeze requirements.txt把版本号锁死。虚拟环境本身不占多少空间删掉重建的成本也很低这比换机器换 Python 版本后一地依赖报错要省心得多。环境问题的排查顺序永远是先看激活没激活再看 Python 路径对不对最后才轮到包版本冲突。2.2 景区数据从哪来自采、公开数据集和可接受的替代方案旅游网站数据分析的第一步是确定数据来源。常见的做法有三种自己写爬虫从景区点评网站采集、使用高校或竞赛平台的点评脱敏数据集、自己构造模拟数据。我的建议是优先自己采集因为老师评分表里通常有一项叫“数据来源与真实性”自采数据能把这个分数拿满。自己写 Python 爬虫前先看一眼目标网站的robots.txt只抓公开的列表页和详情页不碰需要登录的页面和用户隐私字段。点评网站的结构这几年改得很快写采集脚本时不要死磕某一条 CSS 选择器而是先抓一个页面存到本地手动确认字段位置再写通用逻辑。如果目标网站反爬比较强比如短时间内要求验证码就退回到公开数据集并在 README 里写明数据来源和采集时间。用模拟数据不是不能做但答辩时老师一句“你的数据怎么证明可信”很容易把整套分析问穿。我见过太多用random生成的作业图表很漂亮一追问数据分布就露馅。相比之下哪怕只采了 100 条真实数据加上采集脚本和原始 HTML 存档说服力完全不是一档。这也是“95 分以上”和“80 分能跑”的真正分水岭。2.3 用 requests BeautifulSoup 采集景区点评信息的最小脚本确定目标网站后先写一个单页采样脚本验证字段能抓到再扩展成批量采集。下面是景区详情页的最小实现URL 和选择器按你实际要采集的站点调整即可。# collect_scenic.py 单页采样脚本 import csv import time import requests from bs4 import BeautifulSoup HEADERS { # 模拟真实浏览器的 HTTP 头降低被服务器拒绝的概率 User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) } def fetch_page(url: str) - BeautifulSoup: resp requests.get(url, headersHEADERS, timeout15) resp.raise_for_status() resp.encoding resp.apparent_encoding return BeautifulSoup(resp.text, lxml) def parse_detail(soup: BeautifulSoup) - dict: # 注意选择器必须按目标站的 HTML 结构调整没有通用的万能选择器 return { 景点名: soup.select_one(.scenic-name h3 a).text.strip(), 评分: soup.select_one(.score strong).text.strip(), 评论量: soup.select_one(.comments-count span).text.strip(), 价格: soup.select_one(.price em).text.strip(), 城市: soup.select_one(.city).text.strip(), } def main(): rows [] for sid in range(1010, 1040): url fhttps://example.com/scenic/{sid} try: soup fetch_page(url) rows.append(parse_detail(soup)) print(已采集, rows[-1][景点名]) except Exception as exc: print(采集失败, url, exc) time.sleep(2) # 每页间隔 2 秒避免对目标站点造成压力 with open(data/scenic.csv, w, encodingutf-8-sig, newline) as f: writer csv.DictWriter(f, fieldnameslist(rows[0].keys())) writer.writeheader() writer.writerows(rows) if __name__ __main__: main()这里有两个关键逻辑要说明。timeout15是请求超时防止某个页面卡死把整个采集流程拖住resp.encoding resp.apparent_encoding是用页面的实际编码覆盖 HTTP 头里的声明很多站点返回的是 gbk 或 gb2312不覆盖的话中文会直接变成乱码。time.sleep(2)是每页间隔 2 秒既是对目标站点的礼貌也是避免采集频率过高触发反爬。字段解析用select_one()只取第一个匹配的节点比find_all()[0]更稳妥。如果某条数据缺少某个字段.text会抛 AttributeError被外面的try...except捕获后打印失败地址这样后续检查原始日志就知道哪几个页面出了问题。CSV 写入时加了newline这是为了在 Windows 下避免每行后面多出一个空行。2.4 用 pandas 接管脏数据去重、类型转换与缺失值处理采集下来的数据不能直接进图表。真实网站的数据里同一个景点可能被采集了两次评论量可能是“1.2万”这种带中文的字符串价格里混着“¥”符号评分列里还有空值。这一节的目标是把原始 DataFrame 洗成可以直接算指标的样子。import pandas as pd df pd.read_csv(data/scenic.csv, encodingutf-8-sig) print(df.shape) # 黑匣子要先打开多少行、多少列 print(df.dtypes) # 再看每一列的类型 print(df.head()) # 最后看开头 5 行长什么样 # 1) 去重同一个景点被重复采集时保留第一次 df df.drop_duplicates(subset[景点名], keepfirst) # 2) 类型转换评论量里的 1.2万 / 3,456 都要先统一 df[评论量] df[评论量].str.replace(,, ).str.replace(万, 0000) df[评论量] pd.to_numeric(df[评论量], errorscoerce) # 3) 评分和价格转成数值 df[评分] pd.to_numeric(df[评分], errorscoerce) df[价格] pd.to_numeric(df[价格].str.replace(¥, ), errorscoerce) # 4) 缺失值评分为空的行没有分析价值直接丢弃 df df.dropna(subset[评分, 评论量]) df df.reset_index(dropTrue) print(df.describe())去重时subset[景点名]表示只看这一列是否重复keepfirst保留第一次出现的那行这样不会把数据顺序打乱。str.replace(万, 0000)是个偷懒但好用的写法“1.2万”会先变成“1.20000”再被pd.to_numeric转成浮点数虽然对百万级数字不严谨但景区评论量基本不会超过这个量级。errorscoerce是这里最重要的参数它的意思是“转不成就变成 NaN”而不是抛异常中断整个脚本。转数值之后再dropna()把缺失行丢掉最后reset_index(dropTrue)重新编号索引。这一套动作下来DataFrame 的类型和完整性才达到做统计分析的底线。2.5 数据看板实践中的字段设计一列数据对应一个图表数据看板实践中最常见的问题不是分析代码写错而是字段设计混乱导致每个图表都要临时写一遍清洗逻辑。我的习惯是在采集阶段就把字段规划成“一列对应一张图”的形态后面做可视化时基本不需要再处理数据。字段含义清洗后类型对应图表景点名景区名称字符串排名柱状图城市景区所在城市字符串城市分布地图评分综合评分float评分分布、趋势线评论量讨论热度intTop 排行图价格门票参考价float散点图、相关系数月份数据所属月份datetime月度趋势折线图我在做数据看板时经常犯的一个错误是把“价格”存成字符串到了画图阶段再挨个转换。其实这个转换完全可以在第 2.4 节一步做完。字段设计还决定了大屏的叙事结构景点名对应“哪些值得去”城市对应“去哪片区域”评分和价格对应“性价比判断”评论量对应“热度与口碑是否一致”。每个字段都能讲一个故事大屏才不会变成单纯的图表堆砌。3. 用 pandas 把“去哪个城市玩”拆成大作业的分析结论数据清洗完只是开始真正拿分的是分析部分。这一章的核心思路是先定业务问题再用 pandas 的聚合、排序、相关分析和透视表去验证它。整套流程走下来就是一次 Python 数据分析与数据挖掘实战的完整骨架。3.1 先定业务问题再写代码期末大作业的分析框架拿到干净数据后最忌讳的就是上来画图。我一般会先写一段分析目标贴在 Notebook 最上方比如“暑期去哪些城市游玩性价比更高”。这个目标能拆出三个可验证的问题热度最高的景区集中在哪些城市评分和评论量有没有关系价格贵的是不是一定评分高分析框架决定图表顺序也决定论文目录。我的推荐结构是先做城市维度的热度排行再对评分和评论量做相关性分析接着用透视表看城市和景区类型的交叉关系最后把所有结论收拢成两三句业务建议。老师喜欢看到“分析有逻辑”而逻辑就藏在你提出的问题和选择的指标里。反过来说最掉分的就是拿到数据把每个字段都画一遍图最后在结论里写“数据表明评分在 4.5 左右”。这种作业在老师眼里只有数据处理没有数据分析。记住一个原则每一个图表都是为了回答你在开头提出的问题不是为了让页面显得热闹。3.2 城市与景区热度排名groupby 与 nlargest 怎么搭配热度排名是最容易出彩的一节因为柱状图和地图都能直接支撑它。用 pandas 实现要注意的是景区排名用nlargest城市汇总用groupby两者不要混在一起。# 景区热度 Top10 top10 df.nlargest(10, 评论量)[[景点名, 城市, 评分, 评论量]] print(top10) # 城市汇总评论总量、平均评分、景区数量 city_stat ( df.groupby(城市) .agg(平均评分(评分, mean), 评论总量(评论量, sum), 景区数量(景点名, count)) .sort_values(评论总量, ascendingFalse) ) city_stat[平均评分] city_stat[平均评分].round(2) print(city_stat.head(10))nlargest(10, 评论量)是 pandas 里专门取 Top N 的方法比先sort_values()再head(10)更直观而且在数据量大一点时性能也更好。groupby(城市).agg()里我用的是新写法平均评分(评分, mean)含义是对评分列求均值输出列名叫“平均评分”比旧的df.groupby(城市)[评分].mean()更容易同时汇总多个字段。城市汇总后按评论总量降序排列这个排序决定了后面地图的层级。如果只算平均评分城市可能会被人口小城顶到前面所以排序字段优先选“评论总量”它代表真实热度。“平均评分”保留两位小数避免图表上出现一长串小数位。3.3 评分、评论量与价格的相关关系相关系数与它的解释边界评分的可信度是旅游网站分析里绕不开的问题。一个景区评论量很小但评分很高和另一个评论量上万但只有 4.2 分的景区谁更值得推荐用相关系数可以把这个话题变成一个可以量化的结论。# 价格与评分的关系 corr_price_score df[价格].corr(df[评分]) # 评论量与评分的关系 corr_comment_score df[评论量].corr(df[评分]) print(价格与评分相关系数:, round(corr_price_score, 3)) print(评论量与评分相关系数:, round(corr_comment_score, 3))corr()默认计算皮尔逊相关系数取值范围在 -1 到 1 之间。绝对值在 0.3 以下通常认为相关性很弱0.3 到 0.7 算中等0.7 以上才是强相关。这个阈值没有绝对标准但在期末作业里写清楚“我采用 0.3 作为弱相关分界”会让结论更严谨。实际分析中价格与评分经常出现弱正相关说明贵的不一定服务好评论量与评分可能出现负相关原因是热门景区游客基数大评分容易被大量普通体验拉低。这里必须注意解释边界相关系数只能说明两个变量一起变化的趋势不能论证因果关系。期末答辩时老师很爱追问“你能确定是价格导致评分高吗”回答“只能说明存在关联”远比强行解释更稳。3.4 用 pivot_table 做城市 × 景类的二维透视城市和景区类型是分析中常见的两个维度透视表能把它们放进同一张表里一眼看出“哪个城市的自然风景区评分更高”这类问题。pivot pd.pivot_table( df, index城市, columns景区类型, values评分, aggfuncmean ).round(2) pivot pivot.fillna(-) print(pivot.head(15)) # 导出交给老师的 Excel pivot.to_excel(output/city_type_matrix.xlsx, sheet_name评分透视)pd.pivot_table的核心参数是index、columns、values和aggfunc。index城市决定行维度columns景区类型决定列维度values评分表示表格里填的是评分aggfuncmean表示聚合方式是取平均。.round(2)统一小数位fillna(-)把没有数据的格子变成短横线避免表格里出现一堆 NaN 影响观感。透视表最值钱的地方在于它能支撑“区域运营建议”。比如表格里如果显示“成都的古镇类景区评分普遍高于自然风光类”那分析结论就可以写成“该平台在成都地区应优先运营古镇品类的内容”。这类结论在期末作业里非常吃香因为它直接模拟了商业数据分析里常见的交叉维度拆解。4. 用 pyecharts 做可视化大屏从单图表到可交付的 HTML 看板分析做完下一步是把结论变成能演示的东西。pyecharts 本质上是 ECharts 数据可视化生态的 Python 封装生成的是 HTML 文件支持鼠标悬停、缩放和图例联动比 matplotlib 导出的静态 PNG 更适合期末答辩场景。这一章从图表选型讲到完整的大屏代码骨架最后给几个能直接抄的全局参数。4.1 图表选型对照什么场景用 Bar、Line、Pie、Geo可视化大屏的图表选型比代码本身更影响观感。下面这张表是我在做数据看板实践时常用的对照表直接照抄可以少走很多弯路。图表类型适用场景关键参数说明Bar 柱状图Top 10 景区排名、城市评论量对比rotate、interval分类轴标签多时必须旋转Line 折线图月度评分走势、价格波动is_smooth适合展示连续时间变化Pie 饼图景区类型占比、城市占比radius数据类别超过 6 个就换 BarGeo 地理图城市分布、区域热度maptype需要地图扩展包支持Scatter 散点图价格 vs 评分关系label_opts适合做相关性可视化选型有一个非常朴素的原则如果某种关系能用更简单的图表达就不要用更复杂的图。比如“占比”用饼图没问题但超过 6 个类别时饼图会变得像一块打翻的调色盘这时候改用柱状图反而更清楚。“城市分布”用 Geo 地图可以加分但如果老师明确不在本地运行你的代码地图依赖就变成风险下面避坑章会专门讲这个问题。4.2 大屏代码骨架Page 组合多个图表pyecharts 的可视化大屏一般用Page把多个图表串起来渲染成一个纵向滚动的 HTML 文件。下面这段代码是一个可以直接跑通的最小大屏包含柱状图、地图、折线图和饼图。from pyecharts import options as opts from pyecharts.charts import Bar, Geo, Line, Pie, Page # 每个“图”都是独立对象先各自设置再加进 Page bar ( Bar() .add_xaxis(top10[景点名].tolist()) .add_yaxis(评论量, top10[评论量].tolist()) .set_global_opts( title_optsopts.TitleOpts(title景区评论量 Top 10), xaxis_optsopts.AxisOpts( axislabel_optsopts.LabelOpts(rotate30, interval0) ), ) ) city_values [ (row[城市], int(row[评论总量])) for _, row in city_stat.head(15).iterrows() ] geo ( Geo() .add_schema(maptypechina) .add(评论量分布, city_values, type_opts.GeoType.EFFECTS_SCATTER) .set_series_opts(label_optsopts.LabelOpts(is_showFalse)) .set_global_opts(title_optsopts.TitleOpts(title景区评论量城市分布)) ) line ( Line() .add_xaxis(df[月份].astype(str).tolist()) .add_yaxis(平均评分, df.groupby(月份)[评分].mean().round(2).tolist()) .set_global_opts(title_optsopts.TitleOpts(title月度平均评分走势)) ) pie ( Pie() .add(, [(t, int(v)) for t, v in df[景区类型].value_counts().items()]) .set_global_opts(title_optsopts.TitleOpts(title景区类型占比)) .set_series_opts(label_optsopts.LabelOpts(formatter{b}: {d}%)) ) page Page(layoutPage.SimplePageLayout) page.add(bar, geo, line, pie) page.render(output/tourism_dashboard.html)这段代码里有三个细节需要注意。Geo传入的数据格式是[(城市, 数值), ...]的列表不是 DataFrame所以用列表推导式转换int(row[评论总量])确保数值是整数类型避免 map 图例上出现4.2这种异常刻度。formatter{b}: {d}%是饼图的标签格式{b}表示类别名{d}表示百分比这样图上直接显示“自然风光: 35%”比只显示数字更专业。图表之间的顺序就是页面上的展示顺序。我的习惯是Top 排名柱状图放最上面地图放中间撑住全场趋势线和饼图放后面收尾。页面上图表数量控制在 4 到 6 个再多就失去重点了。4.3 大屏参数调整标题、坐标轴旋转、全局尺寸第一次跑通大屏后最常遇到的问题就是显示效果不理想横轴标签挤成一团、标题离图太远、图表之间没间隔。这些都可以用参数修正不用重新改数据结构。bar.set_global_opts( title_optsopts.TitleOpts(title景区评论量 Top 10, subtitle按评论量降序排列), xaxis_optsopts.AxisOpts( axislabel_optsopts.LabelOpts(rotate30, interval0), ), yaxis_optsopts.AxisOpts(name评论量), datazoom_opts[opts.DataZoomOpts(range_start0, range_end80)], ) page Page(layoutPage.SimplePageLayout) page.add(bar, geo, line, pie) page.render(output/tourism_dashboard.html)interval0表示强制显示所有横轴标签如果不设置pyecharts 会自动跳着显示导致“第 1、3、5 个景点名出现第 2、4 个消失”的尴尬情况。rotate30是标签旋转 30 度再把长名字的挤压问题缓解掉。subtitle可以给副标题用来交代数据口径比如“按评论量降序排列”或“数据来自公开页面采集”。datazoom_opts给柱状图加了一个滑动缩放条这时老师可以通过滚动条查看 Top 20而不是只能看挤在一起的 Top 10。这个交互细节在答辩现场很加分因为演示时你可以亲手拖动它比干巴巴讲图生动得多。Page.SimplePageLayout是让多个图表垂直排列的标准布局如果改用Page.DraggablePageLayout还能在生成的 HTML 里手动拖拽调整图表位置不过我通常不会花时间在拖布局上意义不大。4.4 HTML 导出与嵌入 Notebook 的两种落地方式大屏渲染出 HTML 后交付方式有两种。第一种是直接用浏览器打开output/tourism_dashboard.html适合现场演示和提交第二种是在 Jupyter Notebook 里用page.render_notebook()内嵌展示适合写分析报告时边写边看。我一般两个都用Notebook 里展示代码流程HTML 文件作为最终交付物。需要注意的是render()生成的是静态 HTML不需要 Python 环境也能打开这对老师评分非常友好——他不用装 pyecharts 就能看到你的可视化结果。但如果你把 HTML 里的图表依赖本地资源直接发给老师可能会白屏所以交付时要把整个output目录连同 HTML 一起打包。另一个实用技巧是给每个图表单独保存一个 HTML 文件比如bar_top10.html、geo_distribution.html方便老师快速定位某一张图。我以前只交一个合成大屏老师想单独看某个图要反复滚动页面后来改成主页 单图双份交付答辩反馈明显好了很多。5. 数据可视化项目的常见问题与排查5 个高频翻车点这一章写的是我做旅游网站数据分析时真实踩过的坑每一个都自带现象、原因和解决办法。期末大作业的评分往往就卡在这些细节上提前排查一遍比多做两张图更值。提示以下 5 个问题按出现频率排序建议对照自己的项目逐个检查不要等老师跑出报错再回头改。5.1 Geo 地图模块报“未找到 china”或缺失地图数据现象运行上面的 Geo 代码时控制台报错提示找不到地图数据或提示需要安装额外的 pypkg 包。原因pyecharts 主包里并不自带地图 GeoJSON 数据。地图绘制依赖单独的地图扩展包很多新手只装了 pyecharts到了画地图那一步就卡住。解决执行pip install echarts-countries-pypkg echarts-china-provinces-pypkg echarts-china-cities-pypkg装完扩展包后重启 Python 内核或 Notebook再重新render()。如果还不行检查 pyecharts 版本不同大版本对应的地图包接口有差异锁定版本后重新安装即可。5.2 用 Excel 打开 CSV 时中文全部变成乱码现象df.to_csv(result.csv)生成的文件用 Excel 打开全是“鍖椾含”这类乱码但用记事本打开是正常的。原因Excel 默认用 GBK 编码读取 CSV而 pandas 默认写入的是 UTF-8 编码中文两边对不上就乱码了。寝室里十个有九个翻车在这个环节。解决写 CSV 时指定encodingutf-8-sig。这个参数会在文件头部写入一个 BOM 标记Excel 见到 BOM 就会自动按 UTF-8 识别。更省事的方案是直接用df.to_excel(result.xlsx)输出 xlsx 格式彻底绕开编码问题xlsx 本身也不存在编码歧义。5.3 柱状图横轴标签挤成一片黑色现象景区名称有十几个字柱状图横轴上的名称全部叠在一起看起来像一块黑疙瘩。原因默认状态下 pyecharts 不会自动处理长标签的换行和旋转分类数据一多就直接重叠。解决先压缩数据量用nlargest(10)只展示 Top 10再给LabelOpts设置rotate30和interval0前者把标签旋转 30 度后者强制显示全部标签。如果名称还是太长可以在数据预处理阶段把它们截断比如“某某古镇风景区一期”直接改成“某某古镇”图表可读性会立刻提升。5.4 Notebook 里render_notebook()显示的是源码而不是图表现象在 Jupyter Notebook 里执行page.render_notebook()后输出区域出现的是 HTML 标签或一串结构代码图表完全没有渲染出来。原因pyecharts 与 Notebook 的版本兼容性问题。旧版 pyecharts 在部分 Notebook 环境下无法正确初始化 HTML 容器导致把源码当文本输出。解决不要纠结于内嵌展示直接改成page.render(output/dashboard.html)然后用浏览器打开文件。在做期末作业时交付 HTML 文件本来就比内嵌 Notebook 更稳妥老师评分时不需要启动 Jupyter 就能看到可视化结果何乐不为。5.5 提交源代码后老师运行却报 ModuleNotFoundError现象代码在自己电脑上跑得飞起老师拿到 zip 解压后运行main.py第一行 import pandas 就报错。原因几乎没有学生会在提交时附上依赖清单。老师的机器上不一定装了 pyecharts、openpyxl 这些非标准库版本不一致时行为也可能不同。解决在项目根目录放一个requirements.txt用pip freeze生成并手动核一遍再写进 README。下面是常见做法的示例内容版本号以你实际环境为准pandas2.1.4 pyecharts2.0.6 requests2.31.0 beautifulsoup44.12.2 lxml4.9.3 openpyxl3.1.2锁版本比不锁版本更让老师放心。README 里写清楚“先pip install -r requirements.txt再运行python main.py”这两步基本能杜绝换机器跑不动的问题。这也是血泪经验一个完整的期末项目代码只占一半另外一半是环境说明和数据说明。6. 把可视化项目从“能跑”做到“值得看”3 个可以多拿分的细节当数据、分析、大屏都跑通之后想再往上冲 95 分拼的就是项目组织能力和商业语言转化能力。第一个细节是目录结构。我见过太多把爬虫脚本、分析 Notebook、CSV、HTML 全堆在一个文件夹里的作业运行前光找文件就要花两分钟。规范一点老师的第一印象会完全不同tourism_analysis/ ├── data/ # 原始数据与清洗后数据 ├── scripts/ # 采集、清洗、分析脚本 ├── output/ # HTML 大屏、Excel 结果 ├── README.md └── requirements.txt第二个细节是把分析结论翻译成业务建议。图表下方配一段“数据发现 建议”例如“成都古镇类景区平均评分高于自然风光建议平台在暑期主推古镇内容”。这种表达方式在商业数据分析里叫“可落地的洞察”期末答辩时直接成为你的记忆点。老师很难记住你画了多少张图但很容易记住你提出了一个能用的建议。第三个细节是顺序设计。答辩演示时先讲“我要回答什么问题”再讲数据来源和处理方法最后才展示大屏并指着图说结论。这个过程控制在 5 分钟以内能让你从“写了段代码”升级成“做了一次完整的数据分析”。我见过有人把 90 分的作业硬生生讲成 95 分就是靠最后这几句话的提炼。最后说一个我自己的习惯每次跑完可视化我会把生成的 HTML 文件拖到手机浏览器里打开一遍。手机上显示正常说明布局没有依赖特定屏幕手机上打开慢就说明图片数据量太大需要压缩。这个动作帮我避开了不少演示现场的白屏尴尬。做数据分析项目能交付、能演示、能被别人复现才是真正的完成。希望帮到你。本文还有配套的精品资源点击获取
Python旅游网站数据分析与可视化：从采集到大屏的完整方案
简介基于Python的旅游网站数据分析及可视化项目是一份评审得分95分以上的期末大作业源码包适合正在学习数据分析、数据可视化或需要完成课程设计、毕业设计的开发者参考。压缩包内共有74个文件大小约13.62MB主体包括Python程序脚本、Jupyter Notebook分析文档、36个网页可视化页面、配套样式与交互脚本以及原始旅游数据表、图片素材和使用手册目录按分析模块划分清晰便于翻阅和修改。项目围绕2020年五一假期旅游数据从热门城市景点评分、全国热门景点类型、各省景区等级分布、景点门票销售、不同价位消费区间等多个角度展开分析并生成景点评价率水球图、热门景点词云图、最受欢迎景点漏斗图等交互式图表内容全面、可视化效果丰富。源码经过严格调试运行稳定附带的文档手册可以帮助新手快速上手理解旅游网站数据分析的完整设计思路。目前已有616人浏览学习是一份很有参考价值的优秀大作业样本。1. 旅游网站数据分析与可视化这个期末作业为什么值得认真做在期末大作业的选题里基于 Python 的旅游网站数据分析及可视化几乎是性价比最高的一个数据好拿、图表好看、分析链路完整。我的反直觉结论是拿 95 分以上的作业通常不是靠炫酷大屏而是靠数据链路的完整性和结论闭环——从爬虫或公开数据出发做清洗、分析、可视化最后落到“暑期去哪个城市玩性价比更高”这样的业务判断上。适合三类人想独立完成第一个 Python 数据分析项目的新手、需要提交结课大作业的本科生、以及想积累数据看板实战经验的数据方向学生。下面这套方案可以直接套代码和参数都是踩过坑之后留下的版本。2. 搭建旅游数据分析项目的第一层环境、数据源与采集清洗大作业最容易被忽视的不是分析算法而是数据能不能被干净地读进来。这一章先解决地基问题Python 环境怎么钉死、数据从哪来、采集脚本怎么写、脏数据怎么洗。地基打不牢后面所有图表都会跟着翻车。2.1 先把 Python 环境钉住venv 里装这 7 个包Python 环境是期末作业翻车的第一高发区。我一般会用 Python 3.10 起步不建议再用 3.6 以下的老版本pandas 和 pyecharts 的新接口很多都已经放弃了对旧版本的支持。安装好 Python 之后先建虚拟环境别图省事把包直接装到全局否则交作业到另一台机器上运行时依赖冲突会让老师直接给你扣分。python -m venv venv # Windows 下激活 venv\Scripts\activate # macOS / Linux 下激活 source venv/bin/activate python -m pip install --upgrade pip pip install pandas numpy matplotlib pyecharts requests beautifulsoup4 lxml openpyxl这一行 pip install 装的是整套作业的弹药pandas 和 numpy 负责数据处理与计算matplotlib 作为备用的静态绘图方案pyecharts 负责生成可视化大屏和 HTML 看板requests 和 beautifulsoup4 负责网页数据采集lxml 是 BeautifulSoup 的解析引擎openpyxl 用来把 DataFrame 导出成 xlsx 格式。很多老师要求最终交付物里带 Excel 表格不装 openpyxl 的话df.to_excel()会直接报 ImportError。关于版本建议写完代码后执行pip freeze requirements.txt把版本号锁死。虚拟环境本身不占多少空间删掉重建的成本也很低这比换机器换 Python 版本后一地依赖报错要省心得多。环境问题的排查顺序永远是先看激活没激活再看 Python 路径对不对最后才轮到包版本冲突。2.2 景区数据从哪来自采、公开数据集和可接受的替代方案旅游网站数据分析的第一步是确定数据来源。常见的做法有三种自己写爬虫从景区点评网站采集、使用高校或竞赛平台的点评脱敏数据集、自己构造模拟数据。我的建议是优先自己采集因为老师评分表里通常有一项叫“数据来源与真实性”自采数据能把这个分数拿满。自己写 Python 爬虫前先看一眼目标网站的robots.txt只抓公开的列表页和详情页不碰需要登录的页面和用户隐私字段。点评网站的结构这几年改得很快写采集脚本时不要死磕某一条 CSS 选择器而是先抓一个页面存到本地手动确认字段位置再写通用逻辑。如果目标网站反爬比较强比如短时间内要求验证码就退回到公开数据集并在 README 里写明数据来源和采集时间。用模拟数据不是不能做但答辩时老师一句“你的数据怎么证明可信”很容易把整套分析问穿。我见过太多用random生成的作业图表很漂亮一追问数据分布就露馅。相比之下哪怕只采了 100 条真实数据加上采集脚本和原始 HTML 存档说服力完全不是一档。这也是“95 分以上”和“80 分能跑”的真正分水岭。2.3 用 requests BeautifulSoup 采集景区点评信息的最小脚本确定目标网站后先写一个单页采样脚本验证字段能抓到再扩展成批量采集。下面是景区详情页的最小实现URL 和选择器按你实际要采集的站点调整即可。# collect_scenic.py 单页采样脚本 import csv import time import requests from bs4 import BeautifulSoup HEADERS { # 模拟真实浏览器的 HTTP 头降低被服务器拒绝的概率 User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) } def fetch_page(url: str) - BeautifulSoup: resp requests.get(url, headersHEADERS, timeout15) resp.raise_for_status() resp.encoding resp.apparent_encoding return BeautifulSoup(resp.text, lxml) def parse_detail(soup: BeautifulSoup) - dict: # 注意选择器必须按目标站的 HTML 结构调整没有通用的万能选择器 return { 景点名: soup.select_one(.scenic-name h3 a).text.strip(), 评分: soup.select_one(.score strong).text.strip(), 评论量: soup.select_one(.comments-count span).text.strip(), 价格: soup.select_one(.price em).text.strip(), 城市: soup.select_one(.city).text.strip(), } def main(): rows [] for sid in range(1010, 1040): url fhttps://example.com/scenic/{sid} try: soup fetch_page(url) rows.append(parse_detail(soup)) print(已采集, rows[-1][景点名]) except Exception as exc: print(采集失败, url, exc) time.sleep(2) # 每页间隔 2 秒避免对目标站点造成压力 with open(data/scenic.csv, w, encodingutf-8-sig, newline) as f: writer csv.DictWriter(f, fieldnameslist(rows[0].keys())) writer.writeheader() writer.writerows(rows) if __name__ __main__: main()这里有两个关键逻辑要说明。timeout15是请求超时防止某个页面卡死把整个采集流程拖住resp.encoding resp.apparent_encoding是用页面的实际编码覆盖 HTTP 头里的声明很多站点返回的是 gbk 或 gb2312不覆盖的话中文会直接变成乱码。time.sleep(2)是每页间隔 2 秒既是对目标站点的礼貌也是避免采集频率过高触发反爬。字段解析用select_one()只取第一个匹配的节点比find_all()[0]更稳妥。如果某条数据缺少某个字段.text会抛 AttributeError被外面的try...except捕获后打印失败地址这样后续检查原始日志就知道哪几个页面出了问题。CSV 写入时加了newline这是为了在 Windows 下避免每行后面多出一个空行。2.4 用 pandas 接管脏数据去重、类型转换与缺失值处理采集下来的数据不能直接进图表。真实网站的数据里同一个景点可能被采集了两次评论量可能是“1.2万”这种带中文的字符串价格里混着“¥”符号评分列里还有空值。这一节的目标是把原始 DataFrame 洗成可以直接算指标的样子。import pandas as pd df pd.read_csv(data/scenic.csv, encodingutf-8-sig) print(df.shape) # 黑匣子要先打开多少行、多少列 print(df.dtypes) # 再看每一列的类型 print(df.head()) # 最后看开头 5 行长什么样 # 1) 去重同一个景点被重复采集时保留第一次 df df.drop_duplicates(subset[景点名], keepfirst) # 2) 类型转换评论量里的 1.2万 / 3,456 都要先统一 df[评论量] df[评论量].str.replace(,, ).str.replace(万, 0000) df[评论量] pd.to_numeric(df[评论量], errorscoerce) # 3) 评分和价格转成数值 df[评分] pd.to_numeric(df[评分], errorscoerce) df[价格] pd.to_numeric(df[价格].str.replace(¥, ), errorscoerce) # 4) 缺失值评分为空的行没有分析价值直接丢弃 df df.dropna(subset[评分, 评论量]) df df.reset_index(dropTrue) print(df.describe())去重时subset[景点名]表示只看这一列是否重复keepfirst保留第一次出现的那行这样不会把数据顺序打乱。str.replace(万, 0000)是个偷懒但好用的写法“1.2万”会先变成“1.20000”再被pd.to_numeric转成浮点数虽然对百万级数字不严谨但景区评论量基本不会超过这个量级。errorscoerce是这里最重要的参数它的意思是“转不成就变成 NaN”而不是抛异常中断整个脚本。转数值之后再dropna()把缺失行丢掉最后reset_index(dropTrue)重新编号索引。这一套动作下来DataFrame 的类型和完整性才达到做统计分析的底线。2.5 数据看板实践中的字段设计一列数据对应一个图表数据看板实践中最常见的问题不是分析代码写错而是字段设计混乱导致每个图表都要临时写一遍清洗逻辑。我的习惯是在采集阶段就把字段规划成“一列对应一张图”的形态后面做可视化时基本不需要再处理数据。字段含义清洗后类型对应图表景点名景区名称字符串排名柱状图城市景区所在城市字符串城市分布地图评分综合评分float评分分布、趋势线评论量讨论热度intTop 排行图价格门票参考价float散点图、相关系数月份数据所属月份datetime月度趋势折线图我在做数据看板时经常犯的一个错误是把“价格”存成字符串到了画图阶段再挨个转换。其实这个转换完全可以在第 2.4 节一步做完。字段设计还决定了大屏的叙事结构景点名对应“哪些值得去”城市对应“去哪片区域”评分和价格对应“性价比判断”评论量对应“热度与口碑是否一致”。每个字段都能讲一个故事大屏才不会变成单纯的图表堆砌。3. 用 pandas 把“去哪个城市玩”拆成大作业的分析结论数据清洗完只是开始真正拿分的是分析部分。这一章的核心思路是先定业务问题再用 pandas 的聚合、排序、相关分析和透视表去验证它。整套流程走下来就是一次 Python 数据分析与数据挖掘实战的完整骨架。3.1 先定业务问题再写代码期末大作业的分析框架拿到干净数据后最忌讳的就是上来画图。我一般会先写一段分析目标贴在 Notebook 最上方比如“暑期去哪些城市游玩性价比更高”。这个目标能拆出三个可验证的问题热度最高的景区集中在哪些城市评分和评论量有没有关系价格贵的是不是一定评分高分析框架决定图表顺序也决定论文目录。我的推荐结构是先做城市维度的热度排行再对评分和评论量做相关性分析接着用透视表看城市和景区类型的交叉关系最后把所有结论收拢成两三句业务建议。老师喜欢看到“分析有逻辑”而逻辑就藏在你提出的问题和选择的指标里。反过来说最掉分的就是拿到数据把每个字段都画一遍图最后在结论里写“数据表明评分在 4.5 左右”。这种作业在老师眼里只有数据处理没有数据分析。记住一个原则每一个图表都是为了回答你在开头提出的问题不是为了让页面显得热闹。3.2 城市与景区热度排名groupby 与 nlargest 怎么搭配热度排名是最容易出彩的一节因为柱状图和地图都能直接支撑它。用 pandas 实现要注意的是景区排名用nlargest城市汇总用groupby两者不要混在一起。# 景区热度 Top10 top10 df.nlargest(10, 评论量)[[景点名, 城市, 评分, 评论量]] print(top10) # 城市汇总评论总量、平均评分、景区数量 city_stat ( df.groupby(城市) .agg(平均评分(评分, mean), 评论总量(评论量, sum), 景区数量(景点名, count)) .sort_values(评论总量, ascendingFalse) ) city_stat[平均评分] city_stat[平均评分].round(2) print(city_stat.head(10))nlargest(10, 评论量)是 pandas 里专门取 Top N 的方法比先sort_values()再head(10)更直观而且在数据量大一点时性能也更好。groupby(城市).agg()里我用的是新写法平均评分(评分, mean)含义是对评分列求均值输出列名叫“平均评分”比旧的df.groupby(城市)[评分].mean()更容易同时汇总多个字段。城市汇总后按评论总量降序排列这个排序决定了后面地图的层级。如果只算平均评分城市可能会被人口小城顶到前面所以排序字段优先选“评论总量”它代表真实热度。“平均评分”保留两位小数避免图表上出现一长串小数位。3.3 评分、评论量与价格的相关关系相关系数与它的解释边界评分的可信度是旅游网站分析里绕不开的问题。一个景区评论量很小但评分很高和另一个评论量上万但只有 4.2 分的景区谁更值得推荐用相关系数可以把这个话题变成一个可以量化的结论。# 价格与评分的关系 corr_price_score df[价格].corr(df[评分]) # 评论量与评分的关系 corr_comment_score df[评论量].corr(df[评分]) print(价格与评分相关系数:, round(corr_price_score, 3)) print(评论量与评分相关系数:, round(corr_comment_score, 3))corr()默认计算皮尔逊相关系数取值范围在 -1 到 1 之间。绝对值在 0.3 以下通常认为相关性很弱0.3 到 0.7 算中等0.7 以上才是强相关。这个阈值没有绝对标准但在期末作业里写清楚“我采用 0.3 作为弱相关分界”会让结论更严谨。实际分析中价格与评分经常出现弱正相关说明贵的不一定服务好评论量与评分可能出现负相关原因是热门景区游客基数大评分容易被大量普通体验拉低。这里必须注意解释边界相关系数只能说明两个变量一起变化的趋势不能论证因果关系。期末答辩时老师很爱追问“你能确定是价格导致评分高吗”回答“只能说明存在关联”远比强行解释更稳。3.4 用 pivot_table 做城市 × 景类的二维透视城市和景区类型是分析中常见的两个维度透视表能把它们放进同一张表里一眼看出“哪个城市的自然风景区评分更高”这类问题。pivot pd.pivot_table( df, index城市, columns景区类型, values评分, aggfuncmean ).round(2) pivot pivot.fillna(-) print(pivot.head(15)) # 导出交给老师的 Excel pivot.to_excel(output/city_type_matrix.xlsx, sheet_name评分透视)pd.pivot_table的核心参数是index、columns、values和aggfunc。index城市决定行维度columns景区类型决定列维度values评分表示表格里填的是评分aggfuncmean表示聚合方式是取平均。.round(2)统一小数位fillna(-)把没有数据的格子变成短横线避免表格里出现一堆 NaN 影响观感。透视表最值钱的地方在于它能支撑“区域运营建议”。比如表格里如果显示“成都的古镇类景区评分普遍高于自然风光类”那分析结论就可以写成“该平台在成都地区应优先运营古镇品类的内容”。这类结论在期末作业里非常吃香因为它直接模拟了商业数据分析里常见的交叉维度拆解。4. 用 pyecharts 做可视化大屏从单图表到可交付的 HTML 看板分析做完下一步是把结论变成能演示的东西。pyecharts 本质上是 ECharts 数据可视化生态的 Python 封装生成的是 HTML 文件支持鼠标悬停、缩放和图例联动比 matplotlib 导出的静态 PNG 更适合期末答辩场景。这一章从图表选型讲到完整的大屏代码骨架最后给几个能直接抄的全局参数。4.1 图表选型对照什么场景用 Bar、Line、Pie、Geo可视化大屏的图表选型比代码本身更影响观感。下面这张表是我在做数据看板实践时常用的对照表直接照抄可以少走很多弯路。图表类型适用场景关键参数说明Bar 柱状图Top 10 景区排名、城市评论量对比rotate、interval分类轴标签多时必须旋转Line 折线图月度评分走势、价格波动is_smooth适合展示连续时间变化Pie 饼图景区类型占比、城市占比radius数据类别超过 6 个就换 BarGeo 地理图城市分布、区域热度maptype需要地图扩展包支持Scatter 散点图价格 vs 评分关系label_opts适合做相关性可视化选型有一个非常朴素的原则如果某种关系能用更简单的图表达就不要用更复杂的图。比如“占比”用饼图没问题但超过 6 个类别时饼图会变得像一块打翻的调色盘这时候改用柱状图反而更清楚。“城市分布”用 Geo 地图可以加分但如果老师明确不在本地运行你的代码地图依赖就变成风险下面避坑章会专门讲这个问题。4.2 大屏代码骨架Page 组合多个图表pyecharts 的可视化大屏一般用Page把多个图表串起来渲染成一个纵向滚动的 HTML 文件。下面这段代码是一个可以直接跑通的最小大屏包含柱状图、地图、折线图和饼图。from pyecharts import options as opts from pyecharts.charts import Bar, Geo, Line, Pie, Page # 每个“图”都是独立对象先各自设置再加进 Page bar ( Bar() .add_xaxis(top10[景点名].tolist()) .add_yaxis(评论量, top10[评论量].tolist()) .set_global_opts( title_optsopts.TitleOpts(title景区评论量 Top 10), xaxis_optsopts.AxisOpts( axislabel_optsopts.LabelOpts(rotate30, interval0) ), ) ) city_values [ (row[城市], int(row[评论总量])) for _, row in city_stat.head(15).iterrows() ] geo ( Geo() .add_schema(maptypechina) .add(评论量分布, city_values, type_opts.GeoType.EFFECTS_SCATTER) .set_series_opts(label_optsopts.LabelOpts(is_showFalse)) .set_global_opts(title_optsopts.TitleOpts(title景区评论量城市分布)) ) line ( Line() .add_xaxis(df[月份].astype(str).tolist()) .add_yaxis(平均评分, df.groupby(月份)[评分].mean().round(2).tolist()) .set_global_opts(title_optsopts.TitleOpts(title月度平均评分走势)) ) pie ( Pie() .add(, [(t, int(v)) for t, v in df[景区类型].value_counts().items()]) .set_global_opts(title_optsopts.TitleOpts(title景区类型占比)) .set_series_opts(label_optsopts.LabelOpts(formatter{b}: {d}%)) ) page Page(layoutPage.SimplePageLayout) page.add(bar, geo, line, pie) page.render(output/tourism_dashboard.html)这段代码里有三个细节需要注意。Geo传入的数据格式是[(城市, 数值), ...]的列表不是 DataFrame所以用列表推导式转换int(row[评论总量])确保数值是整数类型避免 map 图例上出现4.2这种异常刻度。formatter{b}: {d}%是饼图的标签格式{b}表示类别名{d}表示百分比这样图上直接显示“自然风光: 35%”比只显示数字更专业。图表之间的顺序就是页面上的展示顺序。我的习惯是Top 排名柱状图放最上面地图放中间撑住全场趋势线和饼图放后面收尾。页面上图表数量控制在 4 到 6 个再多就失去重点了。4.3 大屏参数调整标题、坐标轴旋转、全局尺寸第一次跑通大屏后最常遇到的问题就是显示效果不理想横轴标签挤成一团、标题离图太远、图表之间没间隔。这些都可以用参数修正不用重新改数据结构。bar.set_global_opts( title_optsopts.TitleOpts(title景区评论量 Top 10, subtitle按评论量降序排列), xaxis_optsopts.AxisOpts( axislabel_optsopts.LabelOpts(rotate30, interval0), ), yaxis_optsopts.AxisOpts(name评论量), datazoom_opts[opts.DataZoomOpts(range_start0, range_end80)], ) page Page(layoutPage.SimplePageLayout) page.add(bar, geo, line, pie) page.render(output/tourism_dashboard.html)interval0表示强制显示所有横轴标签如果不设置pyecharts 会自动跳着显示导致“第 1、3、5 个景点名出现第 2、4 个消失”的尴尬情况。rotate30是标签旋转 30 度再把长名字的挤压问题缓解掉。subtitle可以给副标题用来交代数据口径比如“按评论量降序排列”或“数据来自公开页面采集”。datazoom_opts给柱状图加了一个滑动缩放条这时老师可以通过滚动条查看 Top 20而不是只能看挤在一起的 Top 10。这个交互细节在答辩现场很加分因为演示时你可以亲手拖动它比干巴巴讲图生动得多。Page.SimplePageLayout是让多个图表垂直排列的标准布局如果改用Page.DraggablePageLayout还能在生成的 HTML 里手动拖拽调整图表位置不过我通常不会花时间在拖布局上意义不大。4.4 HTML 导出与嵌入 Notebook 的两种落地方式大屏渲染出 HTML 后交付方式有两种。第一种是直接用浏览器打开output/tourism_dashboard.html适合现场演示和提交第二种是在 Jupyter Notebook 里用page.render_notebook()内嵌展示适合写分析报告时边写边看。我一般两个都用Notebook 里展示代码流程HTML 文件作为最终交付物。需要注意的是render()生成的是静态 HTML不需要 Python 环境也能打开这对老师评分非常友好——他不用装 pyecharts 就能看到你的可视化结果。但如果你把 HTML 里的图表依赖本地资源直接发给老师可能会白屏所以交付时要把整个output目录连同 HTML 一起打包。另一个实用技巧是给每个图表单独保存一个 HTML 文件比如bar_top10.html、geo_distribution.html方便老师快速定位某一张图。我以前只交一个合成大屏老师想单独看某个图要反复滚动页面后来改成主页 单图双份交付答辩反馈明显好了很多。5. 数据可视化项目的常见问题与排查5 个高频翻车点这一章写的是我做旅游网站数据分析时真实踩过的坑每一个都自带现象、原因和解决办法。期末大作业的评分往往就卡在这些细节上提前排查一遍比多做两张图更值。提示以下 5 个问题按出现频率排序建议对照自己的项目逐个检查不要等老师跑出报错再回头改。5.1 Geo 地图模块报“未找到 china”或缺失地图数据现象运行上面的 Geo 代码时控制台报错提示找不到地图数据或提示需要安装额外的 pypkg 包。原因pyecharts 主包里并不自带地图 GeoJSON 数据。地图绘制依赖单独的地图扩展包很多新手只装了 pyecharts到了画地图那一步就卡住。解决执行pip install echarts-countries-pypkg echarts-china-provinces-pypkg echarts-china-cities-pypkg装完扩展包后重启 Python 内核或 Notebook再重新render()。如果还不行检查 pyecharts 版本不同大版本对应的地图包接口有差异锁定版本后重新安装即可。5.2 用 Excel 打开 CSV 时中文全部变成乱码现象df.to_csv(result.csv)生成的文件用 Excel 打开全是“鍖椾含”这类乱码但用记事本打开是正常的。原因Excel 默认用 GBK 编码读取 CSV而 pandas 默认写入的是 UTF-8 编码中文两边对不上就乱码了。寝室里十个有九个翻车在这个环节。解决写 CSV 时指定encodingutf-8-sig。这个参数会在文件头部写入一个 BOM 标记Excel 见到 BOM 就会自动按 UTF-8 识别。更省事的方案是直接用df.to_excel(result.xlsx)输出 xlsx 格式彻底绕开编码问题xlsx 本身也不存在编码歧义。5.3 柱状图横轴标签挤成一片黑色现象景区名称有十几个字柱状图横轴上的名称全部叠在一起看起来像一块黑疙瘩。原因默认状态下 pyecharts 不会自动处理长标签的换行和旋转分类数据一多就直接重叠。解决先压缩数据量用nlargest(10)只展示 Top 10再给LabelOpts设置rotate30和interval0前者把标签旋转 30 度后者强制显示全部标签。如果名称还是太长可以在数据预处理阶段把它们截断比如“某某古镇风景区一期”直接改成“某某古镇”图表可读性会立刻提升。5.4 Notebook 里render_notebook()显示的是源码而不是图表现象在 Jupyter Notebook 里执行page.render_notebook()后输出区域出现的是 HTML 标签或一串结构代码图表完全没有渲染出来。原因pyecharts 与 Notebook 的版本兼容性问题。旧版 pyecharts 在部分 Notebook 环境下无法正确初始化 HTML 容器导致把源码当文本输出。解决不要纠结于内嵌展示直接改成page.render(output/dashboard.html)然后用浏览器打开文件。在做期末作业时交付 HTML 文件本来就比内嵌 Notebook 更稳妥老师评分时不需要启动 Jupyter 就能看到可视化结果何乐不为。5.5 提交源代码后老师运行却报 ModuleNotFoundError现象代码在自己电脑上跑得飞起老师拿到 zip 解压后运行main.py第一行 import pandas 就报错。原因几乎没有学生会在提交时附上依赖清单。老师的机器上不一定装了 pyecharts、openpyxl 这些非标准库版本不一致时行为也可能不同。解决在项目根目录放一个requirements.txt用pip freeze生成并手动核一遍再写进 README。下面是常见做法的示例内容版本号以你实际环境为准pandas2.1.4 pyecharts2.0.6 requests2.31.0 beautifulsoup44.12.2 lxml4.9.3 openpyxl3.1.2锁版本比不锁版本更让老师放心。README 里写清楚“先pip install -r requirements.txt再运行python main.py”这两步基本能杜绝换机器跑不动的问题。这也是血泪经验一个完整的期末项目代码只占一半另外一半是环境说明和数据说明。6. 把可视化项目从“能跑”做到“值得看”3 个可以多拿分的细节当数据、分析、大屏都跑通之后想再往上冲 95 分拼的就是项目组织能力和商业语言转化能力。第一个细节是目录结构。我见过太多把爬虫脚本、分析 Notebook、CSV、HTML 全堆在一个文件夹里的作业运行前光找文件就要花两分钟。规范一点老师的第一印象会完全不同tourism_analysis/ ├── data/ # 原始数据与清洗后数据 ├── scripts/ # 采集、清洗、分析脚本 ├── output/ # HTML 大屏、Excel 结果 ├── README.md └── requirements.txt第二个细节是把分析结论翻译成业务建议。图表下方配一段“数据发现 建议”例如“成都古镇类景区平均评分高于自然风光建议平台在暑期主推古镇内容”。这种表达方式在商业数据分析里叫“可落地的洞察”期末答辩时直接成为你的记忆点。老师很难记住你画了多少张图但很容易记住你提出了一个能用的建议。第三个细节是顺序设计。答辩演示时先讲“我要回答什么问题”再讲数据来源和处理方法最后才展示大屏并指着图说结论。这个过程控制在 5 分钟以内能让你从“写了段代码”升级成“做了一次完整的数据分析”。我见过有人把 90 分的作业硬生生讲成 95 分就是靠最后这几句话的提炼。最后说一个我自己的习惯每次跑完可视化我会把生成的 HTML 文件拖到手机浏览器里打开一遍。手机上显示正常说明布局没有依赖特定屏幕手机上打开慢就说明图片数据量太大需要压缩。这个动作帮我避开了不少演示现场的白屏尴尬。做数据分析项目能交付、能演示、能被别人复现才是真正的完成。希望帮到你。本文还有配套的精品资源点击获取
