博主介绍：✌全网粉丝10W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅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、毕业设计：2026年计算机专业毕业设计选题汇总（建议收藏）✅

2、最全计算机专业毕业设计选题大全（建议收藏）✅

1、项目介绍

技术栈：
Python语言、Flask框架、穷游网数据、requests爬虫、Echarts可视化

1. 数据采集
   功能描述：通过爬虫技术从穷游网等旅游相关网站采集景点的点评、评分、门票信息、到达方式、开放时间等数据。
   技术实现：使用Python语言和requests库编写爬虫程序，模拟浏览器行为访问目标网站，提取所需数据并存储到本地数据库或文件中。
   用户交互：管理员可以通过后台界面启动数据采集任务，系统会自动运行爬虫程序，并将采集到的数据存储起来，供后续分析使用。
2. 景点评点分析
   功能描述：对采集到的景点点评数据进行情感分析和主题提取，了解游客对景点的整体评价和关注点。
   技术实现：使用自然语言处理技术，结合文本分析算法，对点评内容进行情感分类（正面、负面、中性），并提取关键词和主题。
   用户交互：用户可以通过前端界面查看不同景点的点评情感分布，以及游客关注的热门话题，帮助用户快速了解景点的优缺点。
3. 景点评价分析
   功能描述：对景点的总体评价进行量化分析，展示景点的综合评分、好评率、差评率等指标。
   技术实现：通过统计分析方法，计算每个景点的评分分布和好评率，生成直观的图表展示结果。
   用户交互：用户可以通过界面查看各景点的评价统计图表，快速对比不同景点的受欢迎程度。
4. 景点评分分析
   功能描述：分析景点评分随时间的变化趋势，了解景点在不同时间段的受欢迎程度。
   技术实现：使用时间序列分析方法，对景点评分数据进行趋势分析，生成折线图展示评分变化趋势。
   用户交互：用户可以选择特定景点，查看其评分随时间的变化曲线，帮助用户选择最佳旅游时间。
5. 景点词云图分析
   功能描述：通过词云图直观展示游客对景点的高频词汇，突出游客关注的热点和关键词。
   技术实现：对点评文本进行分词处理，统计词频并生成词云图。
   用户交互：用户可以通过界面查看景点的词云图，快速了解游客对景点的常见评价和关注点。
6. 门票、到达方式、开放时间占比分析
   功能描述：分析景点门票价格、到达方式和开放时间的分布情况，为游客提供实用信息。
   技术实现：对采集到的门票价格、到达方式和开放时间数据进行分类统计，生成饼图或柱状图展示占比情况。
   用户交互：用户可以通过界面查看门票价格分布、不同到达方式的占比以及开放时间的统计信息，帮助游客提前规划行程。
7. 注册登录
   功能描述：提供用户注册和登录功能，方便用户保存个性化设置和查看历史记录。
   技术实现：使用Flask框架实现用户认证功能，支持用户注册、登录、密码找回等操作。
   用户交互：用户可以通过注册页面创建账号，通过登录页面进入系统，系统会根据用户权限提供相应的功能和服务。

2、项目界面

（1）景点点评分析

（2）景点评价分析

（3）景点评分分析

（4）景点词云图分析

（5）门票、到达方式、开放时间占比分析

（6）注册登录

（7）数据采集

3、项目说明

1. 数据采集
   功能描述：通过爬虫技术从穷游网等旅游相关网站采集景点的点评、评分、门票信息、到达方式、开放时间等数据。
   技术实现：使用Python语言和requests库编写爬虫程序，模拟浏览器行为访问目标网站，提取所需数据并存储到本地数据库或文件中。
   用户交互：管理员可以通过后台界面启动数据采集任务，系统会自动运行爬虫程序，并将采集到的数据存储起来，供后续分析使用。
2. 景点评点分析
   功能描述：对采集到的景点点评数据进行情感分析和主题提取，了解游客对景点的整体评价和关注点。
   技术实现：使用自然语言处理技术，结合文本分析算法，对点评内容进行情感分类（正面、负面、中性），并提取关键词和主题。
   用户交互：用户可以通过前端界面查看不同景点的点评情感分布，以及游客关注的热门话题，帮助用户快速了解景点的优缺点。
3. 景点评价分析
   功能描述：对景点的总体评价进行量化分析，展示景点的综合评分、好评率、差评率等指标。
   技术实现：通过统计分析方法，计算每个景点的评分分布和好评率，生成直观的图表展示结果。
   用户交互：用户可以通过界面查看各景点的评价统计图表，快速对比不同景点的受欢迎程度。
4. 景点评分分析
   功能描述：分析景点评分随时间的变化趋势，了解景点在不同时间段的受欢迎程度。
   技术实现：使用时间序列分析方法，对景点评分数据进行趋势分析，生成折线图展示评分变化趋势。
   用户交互：用户可以选择特定景点，查看其评分随时间的变化曲线，帮助用户选择最佳旅游时间。
5. 景点词云图分析
   功能描述：通过词云图直观展示游客对景点的高频词汇，突出游客关注的热点和关键词。
   技术实现：对点评文本进行分词处理，统计词频并生成词云图。
   用户交互：用户可以通过界面查看景点的词云图，快速了解游客对景点的常见评价和关注点。
6. 门票、到达方式、开放时间占比分析
   功能描述：分析景点门票价格、到达方式和开放时间的分布情况，为游客提供实用信息。
   技术实现：对采集到的门票价格、到达方式和开放时间数据进行分类统计，生成饼图或柱状图展示占比情况。
   用户交互：用户可以通过界面查看门票价格分布、不同到达方式的占比以及开放时间的统计信息，帮助游客提前规划行程。
7. 注册登录
   功能描述：提供用户注册和登录功能，方便用户保存个性化设置和查看历史记录。
   技术实现：使用Flask框架实现用户认证功能，支持用户注册、登录、密码找回等操作。
   用户交互：用户可以通过注册页面创建账号，通过登录页面进入系统，系统会根据用户权限提供相应的功能和服务。

4、核心代码

from sqlalchemy import create_engine
import pandas as pd
from pyecharts.charts import Bar, Pie, WordCloud, Page, Scatter
from pyecharts import options as opts

engine = create_engine('mysql+pymysql://root:123456@localhost:3306/qiongyou')
sql1 = "select * from data"
df1 = pd.read_sql_query(sql1, engine)

def bar():
    count_dict = {"0-2": 0, "2-4": 0, "4-6": 0, "6-8": 0, "8-10": 0}

    df_count = df1[["评分", "index"]]
    count = []
    for index, row in df_count.iterrows():
        count.append(row["评分"])

    for item in count:
        if item < 2:
            count_dict["0-2"] = count_dict["0-2"] + 1
        elif 2 <= item < 4:
            count_dict["2-4"] = count_dict["2-4"] + 1
        elif 4 <= item < 6:
            count_dict["4-6"] = count_dict["4-6"] + 1
        elif 6 <= item < 8:
            count_dict["6-8"] = count_dict["6-8"] + 1
        else:
            count_dict["8-10"] = count_dict["8-10"] + 1
    x_data = list(count_dict.keys())
    y_data = list(count_dict.values())
    c = (
        Bar()
            .add_xaxis(x_data)
            .add_yaxis("地点", y_data)
            .reversal_axis()
            .set_series_opts(label_opts=opts.LabelOpts(position="right"))
            .set_global_opts(title_opts=opts.TitleOpts(title="景点评分占比"))
            .render("templates/bar.html")
    )

def pie():
    df_ticket = df1["门票"]

    data_dict = {"免费": 0, "收费": 0}

    for item in df_ticket:
        if item != None:
            if "免费" in item:
                data_dict["免费"] += 1
            else:
                data_dict["收费"] += 1
    x_data = list(data_dict.keys())
    y_data = list(data_dict.values())
    c = (
        Pie()
            .add("", [list(z) for z in zip(x_data, y_data)])
            .set_global_opts(title_opts=opts.TitleOpts(title="门票收费、免费占比饼图"))
            .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
            # .render("pie.html")
    )
    return c

def pie1():
    data_dict = {"地铁": 0, "公交": 0, }
    df_arr = df1["到达方式"]
    for item in df_arr:
        if item != None:
            if "铁线" in item or "线" in item or "地铁" in item or "线" in item:
                data_dict["公交"] += 1
            elif "巴士" not in item and "公交" not in item and "大巴" not in item:
                data_dict["地铁"] += 1

    x_data = list(data_dict.keys())
    y_data = list(data_dict.values())
    c = (
        Pie()
            .add("", [list(z) for z in zip(x_data, y_data)])
            .set_global_opts(title_opts=opts.TitleOpts(title="到达方式占比饼图"))
            .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
        # .render("pie.html")
    )
    return c

def pie3():
    df_open = df1["开放时间"]
    data_dict = {"全天开放": 0, "工作日开放": 0, "周末开放": 0}
    for item in df_open:
        if item != None:
            if "24" in item or "全天" in item:
                data_dict["全天开放"] += 1
            elif "六" in item or "日" in item:
                data_dict["周末开放"] += 1
            else:
                data_dict["工作日开放"] += 1
    x_data = list(data_dict.keys())
    y_data = list(data_dict.values())
    c = (
        Pie()
            .add("", [list(z) for z in zip(x_data, y_data)])
            .set_global_opts(title_opts=opts.TitleOpts(title="开放时间占比饼图"))
            .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
        # .render("pie.html")
    )
    return c

def page():
    page = Page(layout=Page.SimplePageLayout)
    page.add(
        pie(),
        pie1(),
        pie3(),
    )
    page.render("templates/page.html")

def bar1() -> Bar:
    df_rate = df1[["景点中文名", "评分"]]
    df_rate = df_rate.sort_values(by="评分", ascending=False)

    rate = []
    for index, row in df_rate.iterrows():
        rate.append([row["景点中文名"], float(row["评分"])])

    rate.sort(key=lambda ele: ele[1], reverse=True)

    x_data = []
    y_data = []

    for item in rate:
        x_data.append(item[0])
        y_data.append(item[1])

    c = (
        Bar(init_opts=opts.InitOpts(width="1000px"))
            .add_xaxis(x_data[:3000:150])
            .add_yaxis("地点", y_data[:3000:150])
            .reversal_axis()
            .set_series_opts(label_opts=opts.LabelOpts(position="right"))
            .set_global_opts(title_opts=opts.TitleOpts(title="景点评分排名"))
        #     .render("bar_reversal_axis.html")
    )
    return c

def pie2() -> Pie:
    count_dict = {"0-100": 0, "100-200": 0, "200-500": 0, "500-1000": 0, "1000以上": 0}

    df_count = df1[["评价人数", "index"]]
    count = []
    for index, row in df_count.iterrows():
        count.append(row["评价人数"])

    for item in count:
        item = int(item)
        if item < 100:
            count_dict["0-100"] = count_dict["0-100"] + 1
        elif 100 <= item < 200:
            count_dict["100-200"] = count_dict["100-200"] + 1
        elif 200 <= item < 500:
            count_dict["200-500"] = count_dict["200-500"] + 1
        elif 500 <= item < 1000:
            count_dict["500-1000"] = count_dict["500-1000"] + 1
        else:
            count_dict["1000以上"] = count_dict["1000以上"] + 1
    x1_data = list(count_dict.keys())
    y1_data = list(count_dict.values())

    c = (
        Pie()
            .add(
            "",
            [list(z) for z in zip(x1_data, y1_data)],
            radius=["40%", "75%"],
        )
            .set_global_opts(
            title_opts=opts.TitleOpts(title="点评人数占比饼图"),
            legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),
        )
            .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
        #     .render("pie_radius.html")
    )
    return c

def wordCloud1() -> WordCloud:
    df_commend = df1[["首页评价", "index"]]

    commend = []
    for index, row in df_commend.iterrows():
        if row["首页评价"] != None:
            commend.append(str(row["首页评价"]))

    import jieba
    dict = {}
    for item in commend:
        wordlist = jieba.cut(item)
        for key in wordlist:
            dict[str(key)] = dict.get(str(key), 0) + 1
    words = list(dict.keys())
    counts = list(dict.values())

    data = []
    for i in range(len(words)):
        if len(words[i]) >= 2:
            data.append((words[i], counts[i],))
        else:
            pass

    c = (
        WordCloud()
            .add(
            "",
            data,
            word_size_range=[20, 100],
            textstyle_opts=opts.TextStyleOpts(font_family="cursive"),
        )
            .set_global_opts(title_opts=opts.TitleOpts(title="景点点评词云图"))
        #     .render("评论词云图.html")
    )
    return c

def page1():
    page = Page(layout=Page.SimplePageLayout)
    page.add(
        bar1(),
        pie2(),
        wordCloud1()
    )
    page.render("templates/page1.html")

def wordCloud2():
    df_commend = df1[["景点简介", "index"]]

    commend = []
    for index, row in df_commend.iterrows():
        if row["景点简介"] != None:
            commend.append(str(row["景点简介"]))

    import jieba
    dict = {}
    for item in commend:
        wordlist = jieba.cut(item)
        for key in wordlist:
            dict[str(key)] = dict.get(str(key), 0) + 1
    words = list(dict.keys())
    counts = list(dict.values())

    data = []
    for i in range(len(words)):
        if len(words[i]) >= 2:
            data.append((words[i], counts[i],))
        else:
            pass

    c = (
        WordCloud()
            .add(
            "",
            data,
            word_size_range=[20, 100],
            textstyle_opts=opts.TextStyleOpts(font_family="cursive"),
        )
            .set_global_opts(title_opts=opts.TitleOpts(title="景点简介词云图"))
            .render("templates/景点简介词云图.html")
    )
    return c

def scatter1():
    df2 = df1[["评分", "评价人数"]]
    data = []
    for index, row in df2.iterrows():
        data.append([row["评分"], row["评价人数"]])
    data.sort(key=lambda x: x[0])
    x_data = [d[0] for d in data]
    y_data = [d[1] for d in data]

    c = (
        Scatter()
            .add_xaxis(xaxis_data=x_data)
            .add_yaxis(
            series_name="",
            y_axis=y_data,
            symbol_size=20,
            label_opts=opts.LabelOpts(is_show=False),
        )
            .set_series_opts()
            .set_global_opts(
            title_opts=opts.TitleOpts(title="评论人数与评分散点图"),
            xaxis_opts=opts.AxisOpts(
                type_="value", splitline_opts=opts.SplitLineOpts(is_show=True)
            ),
            yaxis_opts=opts.AxisOpts(
                type_="value",
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
            tooltip_opts=opts.TooltipOpts(is_show=False),
        )
            # .render("scatter.html")
    )
    return c

def scatter2():
    df2 = df1[["评分", "当地景点排名"]]
    data = []
    for index, row in df2.iterrows():
        data.append([row["评分"], row["当地景点排名"].split("第")[1].replace("位", "")])

    data.sort(key=lambda x: x[0])
    x_data = [int(d[0]) for d in data]
    y_data = [int(d[1]) for d in data]

    c = (
        Scatter()
            .add_xaxis(xaxis_data=x_data)
            .add_yaxis(
            series_name="",
            y_axis=y_data,
            symbol_size=20,
            label_opts=opts.LabelOpts(is_show=False),
        )
            .set_series_opts()
            .set_global_opts(
            title_opts=opts.TitleOpts(title="评分与当地排名散点图"),
            xaxis_opts=opts.AxisOpts(
                type_="value", splitline_opts=opts.SplitLineOpts(is_show=True)
            ),
            yaxis_opts=opts.AxisOpts(
                type_="value",
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
            tooltip_opts=opts.TooltipOpts(is_show=False),
        )
            # .render("scatter.html")
    )
    return c

def scatter3():
    df2 = df1[["评价人数", "当地景点排名"]]
    data = []
    for index, row in df2.iterrows():
        data.append([row["评价人数"], row["当地景点排名"].split("第")[1].replace("位", "")])

    data.sort(key=lambda x: x[0])
    x_data = [int(d[1]) for d in data]
    y_data = [int(d[0]) for d in data]

    c = (
        Scatter()
            .add_xaxis(xaxis_data=x_data)
            .add_yaxis(
            series_name="",
            y_axis=y_data,
            symbol_size=20,
            label_opts=opts.LabelOpts(is_show=False),
        )
            .set_series_opts()
            .set_global_opts(
            title_opts=opts.TitleOpts(title="评价人数与当地排名散点图"),
            xaxis_opts=opts.AxisOpts(
                type_="value", splitline_opts=opts.SplitLineOpts(is_show=True)
            ),
            yaxis_opts=opts.AxisOpts(
                type_="value",
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
            tooltip_opts=opts.TooltipOpts(is_show=False),
        )
            # .render("scatter.html")
    )
    return c

def page2():
    page = Page(layout=Page.SimplePageLayout)
    page.add(
        scatter1(),
        scatter2(),
        scatter3(),
    )
    page.render("templates/page2.html")

bar()
page()
page1()
wordCloud2()
page2()

🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目编程以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌

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，拉到文章底部即可看到个人联系方式。🍅

点赞、收藏、关注，不迷路，下方查看👇🏻获取联系方式👇🏻