毕业设计：热门旅游景点大数据分析系统+可视化 +贝叶斯预测模型 旅游大数据 （附源码）✅

毕业设计：2023-2024年计算机专业毕业设计选题汇总（建议收藏）

毕业设计：2023-2024年最新最全计算机专业毕设选题推荐汇总

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、项目介绍

技术栈： Flask框架、requests爬虫、Echarts可视化、MySQL数据库、贝叶斯预测模型

利用网络爬虫技术从马蜂窝网站爬取各城市的景点旅游数据，根据马蜂窝旅游网的数据综合分析每个城市的热度、热门小吃和景点周边住宿，
可以很方便的通过浏览器端找到自己所需要的信息，获取到当前的热门目的地，根据各城市景点的数据，
周围小吃，住宿等信息，制定出适合自己的最佳旅游方案。

贝叶斯预测模型 （基于贝叶斯网络的热门城市预测模型）
根据城市的热门景点的数量、景点的评论人数、城市的小吃数量等特征，构建贝叶斯网络机器学习模型，通过对模型的训练，可实现对一个城市是否是热门旅游城市的预测。

2、项目界面

（1）各省份热门城市分析

（2）首页–注册登录

（3）热门城市的景点分析

（4）热门城市美食分析

（5）贝叶斯预测模型 （基于贝叶斯网络的热门城市预测模型）

（6）数据爬虫页面

3、项目说明

旅游大数据采集分析系统是基于Flask框架搭建的Web应用程序，主要用于采集、分析和可视化旅游相关的大数据。系统主要包括以下模块：

1. 数据采集模块：使用requests爬虫库，通过爬取各种旅游相关网站的数据，包括景点信息、酒店信息、交通信息等，并将数据存储到MySQL数据库中。
2. 数据处理模块：使用MySQL数据库进行数据的存储和管理，包括数据清洗、数据整合、数据分析等操作。可以使用贝叶斯预测模型对旅游数据进行预测和分析。
3. 数据可视化模块：使用Echarts可视化库，将从数据库中提取的数据进行可视化展示，包括各种统计图表、地图等，以便用户更直观地了解旅游数据。

用户可以通过系统的前端界面，选择需要的数据分析和可视化功能，系统将根据用户的选择，从数据库中提取相应的数据进行处理和展示。用户可以通过系统的搜索功能，查找特定的旅游数据，并进行数据分析和预测，以便做出更好的决策。系统还提供导出数据的功能，用户可以将分析结果导出为Excel或CSV文件，以便进行进一步的分析或报告生成。

通过这个系统，用户可以更方便地获取和分析旅游相关的大数据，从而更好地理解市场需求、优化旅游产品和服务，提升旅游业的发展和竞争力。

4、核心代码

#!/usr/bin/python# coding=utf-8import sqlite3
from flask import Flask, render_template, jsonify
import json
from collections import Counter

import pandas as pd

app = Flask(__name__)
app.config.from_object('config')

login_name =None# --------------------- html render [email protected]('/')defindex():return render_template('index.html')@app.route('/hot_city')defhot_city():return render_template('hot_city.html')@app.route('/city_hot_jingdian')defcity_hot_jingdian():return render_template('city_hot_jingdian.html')@app.route('/city_hot_xiaochi')defcity_hot_xiaochi():return render_template('city_hot_xiaochi.html')@app.route('/city_hot_bys')defcity_hot_bys():return render_template('city_hot_bys.html')# ------------------ ajax restful api [email protected]('/check_login')defcheck_login():"""判断用户是否登录"""return jsonify({'username': login_name,'login': login_name isnotNone})@app.route('/register/<name>/<password>')defregister(name, password):
    conn = sqlite3.connect('user_info.db')
    cursor = conn.cursor()

    check_sql ="SELECT * FROM sqlite_master where type='table' and name='user'"
    cursor.execute(check_sql)
    results = cursor.fetchall()# 数据库表不存在iflen(results)==0:# 创建数据库表
        sql ="""
                CREATE TABLE user(
                    name CHAR(256), 
                    password CHAR(256)
                );
                """
        cursor.execute(sql)
        conn.commit()print('创建数据库表成功！')

    sql ="INSERT INTO user (name, password) VALUES (?,?);"
    cursor.executemany(sql,[(name, password)])
    conn.commit()return jsonify({'info':'用户注册成功！','status':'ok'})@app.route('/login/<name>/<password>')deflogin(name, password):global login_name
    conn = sqlite3.connect('user_info.db')
    cursor = conn.cursor()

    check_sql ="SELECT * FROM sqlite_master where type='table' and name='user'"
    cursor.execute(check_sql)
    results = cursor.fetchall()# 数据库表不存在iflen(results)==0:# 创建数据库表
        sql ="""
                CREATE TABLE user(
                    name CHAR(256), 
                    password CHAR(256)
                );
                """
        cursor.execute(sql)
        conn.commit()print('创建数据库表成功！')

    sql ="select * from user where name='{}' and password='{}'".format(name, password)
    cursor.execute(sql)
    results = cursor.fetchall()

    login_name = name
    iflen(results)>0:return jsonify({'info': name +'用户登录成功！','status':'ok'})else:return jsonify({'info':'当前用户不存在！','status':'error'})@app.route('/get_all_sheng')defget_all_sheng():"""获取所有省"""
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql ='select sheng_name from trip'
    cursor.execute(sql)
    results = cursor.fetchall()
    results =[r[0]for r in results]

    sheng_dict =dict(Counter(results))
    sheng =list(sheng_dict.keys())
    count =[sheng_dict[s]for s in sheng]return jsonify({'sheng': sheng,'count': count})@app.route('/get_top_city')defget_top_city():"""
    获取热门城市
    """
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql ='select city_name, top_jds from trip'
    cursor.execute(sql)
    results = cursor.fetchall()

    city_comments ={}for city, jds in results:
        jds = json.loads(jds)try:
            all_comment =sum([int(j['评论个数'])for j in jds])except:
            all_comment =0

        city_comments[city]= all_comment

    city_comments =sorted(city_comments.items(), key=lambda d: d[1], reverse=True)
    citys =[c[0]for c in city_comments]return jsonify({'top_city': citys})@app.route('/query_hot_citys/<sheng>')defquery_hot_citys(sheng):"""获取省的热门城市"""
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql ='select * from trip where sheng_name="{}"'.format(sheng)
    cursor.execute(sql)
    results = cursor.fetchall()

    city =[]
    comment =[]
    jingdian =[]

    city_jingdian_count ={}for res in results:
        city_name = res[1]print(city_name)if city_name in city_jingdian_count:
            city_jingdian_count[city_name]=[]

        jds = json.loads(res[5])try:
            all_comment =sum([int(j['评论个数'])for j in jds])except:
            all_comment =0

        city.append(city_name)
        comment.append(all_comment)try:
            jingdian.append(', '.join([j['景点名称']for j in jds][:5]))except:
            jingdian.append('暂无数据')# 去重
    city_set =[]
    comment_set =[]
    jingdian_set =[]for c, com, jd inzip(city, comment, jingdian):if c in city_set:continue
        city_set.append(c)
        comment_set.append(com)
        jingdian_set.append(jd)

    result ={'city': city_set,'comment': comment_set,'jingdian': jingdian_set}return jsonify(result)@app.route('/city_jingdian_analysis/<city>')defcity_jingdian_analysis(city):"""
    热门城市的景点分析
    """
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql ='select * from trip where city_name="{}"'.format(city)
    cursor.execute(sql)
    results = cursor.fetchall()[0]print(results)
    mfw_url = results[3]
    gaikuang = results[4]
    jds = json.loads(results[5])
    xiaochi = json.loads(results[6])
    jiudian = json.loads(results[7])return jsonify({'mfw_url': mfw_url,'gaikuang': gaikuang,'jds': jds,'xiaochi': xiaochi,'jiudian': jiudian})# ------------- 训练贝叶斯模型 ---------------
dataset = pd.read_csv('热门城市数据集.csv', encoding='utf8')from sklearn.naive_bayes import GaussianNB
print('-------贝叶斯模型训练------')
gnb = GaussianNB()
X_train = dataset[['热门景点数量','热门景点评论的总数','热门小吃数量']].values
y_train = dataset['标签'].values
gnb.fit(X_train, y_train)# 贝叶斯网络模型预测@app.route('/bayes_predict/<hot_jd_count>/<hot_com_count>/<hot_xiaochi_count>')defbayes_predict(hot_jd_count, hot_com_count, hot_xiaochi_count):"""
    贝叶斯网络模型预测
    """
    pred = gnb.predict([[int(hot_jd_count),int(hot_com_count),int(hot_xiaochi_count)]])[0]print(pred)
    result ='热门旅游城市'if pred else'非热门旅游城市'return jsonify({'result': result})if __name__ =="__main__":
    app.run(host='127.0.0.1')

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻