# python 期末项目 **Repository Path**: swallow_swallow/python---final-project ## Basic Information - **Project Name**: python 期末项目 - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2021-01-13 - **Last Updated**: 2025-04-27 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ## 该如何选择你的居住城市 > **对选择困难的社会人士或是即将毕业和已经毕业的大学生之后居住和工作的城市的的选择分析** ### 价值宣言 - 常常会有人觉得自己所待的城市自己并不满意，但是翻阅了许多资料有实在是比较不出更好的城市来；另外，还有许多即将毕业或者毕业不久的大学生因对社会环境还比较陌生，因此对未来要在哪里生活和工作非常苦恼。对此痛点，为他们分析城市的相关消费和环境就有了意义，因此，我的数据分析就选择了中大城市的相关数据对比。 | 项目 | 信息 | | :----: | :---- | | 名称 | 该如何选择你的居住城市 | | 作用 | 为他们分析城市的相关消费和环境 | | 数据来源 | [国家统计局](https://data.stats.gov.cn/index.htm) | ### 问题表述 #### 用户画像 | 信息 | 画像1 | | :----: | :---- | | 姓名 | 苏淑 | | 年龄 | 27岁 | | 职业 | 销售员 | | 人物简介 | 苏淑是一个销售员，做着一份平凡的工作，明天重复着有一天的生活，她感到生活与工作十分无趣，每天都没有热情 | | 用户痛点 | 对所在的城市已经感到不新鲜，她经常想，不知道换个城市工作会不会有不一样的生活，但是翻阅许多资料也没决定好换哪个城市生活 | | 信息 | 画像2 | | :----: | :---- | | 姓名 | 吴狄 | | 年龄 | 22岁 | | 职业 | 大三学生 | | 人物简介 | 吴狄是个生活上很精致，学习上很努力，社团工作上又十分认真的大学生，但是他有时候也会为将来而苦恼 | | 用户痛点 | 因为平时忙于学习和其他事情，没时间了解各大城市的情况，他对以后去哪个城市居住生活感到十分迷茫 | #### 使用场景 - 在毕业咨询上为对未来充满迷茫的即将毕业的大学生疏导 - 在公众号或者宣传单上为有该问题的人士分析 #### 为什么要做？ - 对于想换工作环境又苦恼于选择城市的人以及即将毕业或者毕业不久的大学生来说，许多城市都是他们不太了解的，每次翻完大片资料之后又记不住自己看了什么，这让他们难以做出选择，因此为他们做出相关的数据分析可以让他们更快更清晰地了解到各大城市的相关情况，帮助他们得以清楚地知道自己的选择。 #### 解决谁的问题 - 想换工作环境却又苦恼于城市选择的在职人员 - 毕业不久或者即将毕业的对社会充满迷茫的大学生 #### 核心价值与用户痛点 - 为他们分析城市的相关消费和环境，帮助他们更快更清晰地了解到各大城市的相关情况 - 痛点： 1. 对各大城市不了解 2. 资料过多，难以理清 3. 数据复杂，过目就忘 ### 解决方案表述 #### 数据流程图 ![数据流程图](https://images.gitee.com/uploads/images/2021/0127/125151_4e8da0da_5329225.png "py数据流程.png") #### 三要素 - 商业可行性 - 通过对获取到的数据加工处理形成清晰的可视化图片，并分析写出介绍文档，加以宣传推广，并向相关城市合作，获取其商业价值。 - 技术可行性 - 可通过数据挖掘或者在数据获取网站获取数据，整理加工处理，筛选主要信息作出可视化图片。 - 用户可欲性 - 对于即将毕业或者毕业不久的还对各大城市充满疑惑与不了解大学生以及想换环境工作却苦恼于城市选择的在职人员来说，清晰可见的可视化图表对比众多的资料和复杂的数据好用得多。 ### 数据分析思路及方法 #### 数据分析思路 | 步骤描述 | Python基础知识点 | | --- | --- | | 国家统计局获取数据 | - | | 数据的加工处理 | 列表和字典取值等 | | 通过Flask架构网站，呈现网站页面和实现网站功能 | Flask的使用和函数 | | 制作可视化图片 | 列表和字典取值 | | 实现日志的读取和页面呈现 | 日志 | | 修改样式 | HTML、CSS | | 进行云端部署 | Pythonanywhere | #### 数据分析方法 - 从国家统计局得到数据后，进行数据的整理分析： - 城市的消费价格指数 - 城市环境噪音 - 省市的生产总值 - 省市的城乡基本收支情况 #### 数据分析流程 - 获取数据后，通过对数据的筛选整理与分析，将相关数据制成可视化图表，得出五个城市的消费价格指数，并取出较少五个城市的对比以及各大城市12月的对比情况，再制作城市环境噪音、生产总值以及城乡基本收支情况给予参考对比，让用户有更好更清楚的选择判断。 #### [ipnby文档](https://gitee.com/swallow_swallow/python---final-project/blob/master/python%E6%9C%9F%E6%9C%AB.ipynb) ### 编程功能基本描述 - Flask的使用 通过Python的Flask进行网站架构，然后用函数实现页面到前端，用HTML，CSS对网站进行优化，通过一系列修改解决无法在网站进行功能实现等bug，使整个项目网站得以基本呈现。 - 列表和字典等取值 通过列表和字典取值等方式，筛选相关信息进行制表会更加方便。 - 日志的读取和呈现 建立完整的日志记录系统，将整个网站的数据写入日志以及通过读取日志的形式给呈现在网站页面中，并返回相关文件信息。 - 网站优化 用HTML和CSS对网站进行一定的优化增加网站的美观性以及增强用户体验感。 - 云端部署 使用Pythonanywhere进行云端部署。 - 界面流程图 ![网页界面流程](https://images.gitee.com/uploads/images/2021/0127/160612_67257120_5329225.png "网页界面流程.png") ### 云端项目部署心得 - 先在Pythonanywhere官网上注册后登陆，建立压缩包static和templates后放入文件，上传到pythonanywhere的mysite文件夹中后通过控制台进行解压，在mysite文件夹中上传app.py文件后修改路径代码，更新云端部署，打开网站检测是否部署成功，最终完成云端部署 - [url链接](http://yanyan286.pythonanywhere.com/) - [20年12月五个较少城市消费价格指数](http://yanyan286.pythonanywhere.com/Five) - [20年12月各中大城市消费价格指数](http://yanyan286.pythonanywhere.com/December) - [五个较少城市各月份消费价格指数](http://yanyan286.pythonanywhere.com/Findex) - [各中大城市环境噪声](http://yanyan286.pythonanywhere.com/noise) - [广东省和江苏省的生产总值](http://yanyan286.pythonanywhere.com/Two) - [北京第四季度城乡居民基本收支](http://yanyan286.pythonanywhere.com/beijing) - [广东省第四季度城乡居民基本收支](http://yanyan286.pythonanywhere.com/guangdong) #### 可视化图表 - 获取2020年各中大城市消费价格指数的数据制成可视化图表可以看出消费价格指数最低的是广州，最高的是济南，但从总体上看，他们相差并不是很大。 ![12.1](https://images.gitee.com/uploads/images/2021/0127/133110_b1ef23bc_5329225.png "12月1.png") ![12.2](https://images.gitee.com/uploads/images/2021/0127/133133_7b7b1fa0_5329225.png "12月2.png") - 从中取出最少五个城市看看，用折线图更加直观。 ![5](https://images.gitee.com/uploads/images/2021/0127/133017_8a0c8b3f_5329225.png "5较少.png") - 找出这五个城市的其他月份进行观察。 ![5总](https://images.gitee.com/uploads/images/2021/0127/133038_da13d664_5329225.png "5较少总.png") - 噪音也是影响居住心情的重要元素之一，从可视化图表（无数值用0表示）可以看出，在中大城市，噪音污染都相对较高，数值相差不大。 ![噪音](https://images.gitee.com/uploads/images/2021/0127/133242_6c38dbf9_5329225.png "噪音.png") - 取出生产总值较高的前两个省进行比较可以了解到广东省一直居于首位。 ![生产总值](https://images.gitee.com/uploads/images/2021/0127/133310_3cd962a0_5329225.png "生产总值.png") - 北京市第四季度城乡居民基本收支情况。 ![北京市](https://images.gitee.com/uploads/images/2021/0127/133333_52f1970e_5329225.png "北京市.png") - 广东省第四季度城乡居民基本收支情况。 ![广东省](https://images.gitee.com/uploads/images/2021/0127/133357_96f0288a_5329225.png "广东省.png") ### 学习/实践心得总结及感谢 #### 总结 - 在获取数据前，应先思考该数据是否有价值，它能面对哪一类的对象用户，解决什么问题。当然制作可视化图表时也要遵循“可视化”的特征，让用户能够很清楚地知道你的图表想要表达什么，数据也不应全挤在一起，除非各数据都十分相近。要时时以用户为中心，做出清晰的可视化图表，让用户轻松地获得自己想要的信息才是我们需要做的。最后，页面有些丑，请原谅我不太好的脑子55555 #### 感谢 - 感谢老师课上的耐心教导以及课后的耐心指导；感谢“三个臭皮匠”之黄同学和温同学的帮助，面对我无比低智的问题还能耐心地为我解答；感谢各大平台给我的期末项目提供了参考与帮助，最后感谢网新所有小伙伴们的互帮互助以及师兄师姐们。 - 感谢以下网站： - [processon](https://www.processon.com/) - [国家统计局](https://data.stats.gov.cn/index.htm) - [pyecharts](https://gallery.pyecharts.org/#/) - [颜色代码表](https://www.917118.com/tool/color_5.html) - [菜鸟教程](https://www.runoob.com/) - [有道云笔记](https://note.youdao.com/web/) - [pythonanywhere部署](https://www.jianshu.com/p/5d120cfd386e) - [bootstrap](https://www.bootcss.com/) - [Python Flask Web 框架入门](https://blog.csdn.net/sinat_38682860/article/details/82354342?ops_request_misc=%25257B%252522request%25255Fid%252522%25253A%252522161097732616780262571570%252522%25252C%252522scm%252522%25253A%25252220140713.130102334..%252522%25257D&request_id=161097732616780262571570&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-4-82354342.first_rank_v2_pc_rank_v29&utm_term=python%20flask) - [pythonanywhere官网](https://www.pythonanywhere.com/) - [按钮居中的实现](https://blog.csdn.net/xiasohuai/article/details/80613404) - [标签的居中属性](https://www.php.cn/div-tutorial-408731.html) - [w3school](https://www.w3school.com.cn/) - [提取行和列](https://blog.csdn.net/OnePiece_97/article/details/86291381) - [读取excel一列或者多列保存为列表](https://blog.csdn.net/liuzonghao88/article/details/88176837) - [用HTML+CSS做一个漂亮简单的个人网页](https://blog.csdn.net/qq_42523321/article/details/103635780) - [史上最全Python数据分析学习路径图](https://www.jianshu.com/p/14017390e05b)