博主介绍：✌全网粉丝50W+，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、最全计算机大数据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、唯品会网站、requests爬虫、Echarts可视化、数据清洗、HTML

功能模块
· 商品品牌分布占比分析
· 各大品牌商品原价平均价格分析
· 各大品牌商品售价平均价格分析
· 商品平均加工前10
· 商品词云图分析
· 首页
· 注册登录

项目介绍
本项目是针对唯品会网站商品数据的可视化分析系统。采用Python语言与Flask框架搭建后端服务，通过requests爬虫技术从唯品会采集商品数据，经过数据清洗处理后存入本地。系统利用Echarts实现数据可视化，将商品品牌分布、原价平均价格、售价平均价格、平均加工时间前10排名等多维度分析结果以饼图、柱状图等形式直观呈现，同时生成商品词云图展示热门关键词。前端采用HTML构建页面，左侧设有功能导航栏便于用户切换不同分析模块。系统还提供用户注册登录功能，保障访问安全，为用户和商家提供市场洞察与决策参考依据。

2、项目界面

（1）商品品牌分布占比分析
该页面是商品数据可视化分析系统界面，左侧设有数据可视化功能导航栏，包含多种商品数据维度的分析选项，中部展示商品品牌分布占比的饼图，配有图例与数据标注，可实现商品数据的多维度可视化分析与直观展示。

（2）各大品牌商品原价平均价格分析
该页面是商品数据可视化分析系统界面，左侧设有数据可视化功能导航栏，包含不同商品数据维度的分析选项，中部展示各大品牌商品原价平均价格的柱状图，配有图例与数据标注，可实现商品价格数据的多维度可视化分析与直观呈现。

（3）各大品牌商品售价平均价格分析
该页面是商品数据可视化分析系统界面，左侧设有数据可视化功能导航栏，包含多种商品数据维度的分析选项，中部展示各大品牌商品售价平均价格的柱状图，配有图例与数据标注，可实现商品售价数据的多维度可视化分析与直观展示。

（4）商品平均加工前10
该页面是商品数据可视化分析系统界面，左侧设有数据可视化功能导航栏，包含多种商品数据维度的分析选项，中部展示商品售价平均价格前10品牌的柱状图，配有图例与数据标注，可实现商品售价数据的排名可视化分析与直观展示。

（5）商品词云图分析
该页面是商品数据可视化分析系统界面，左侧设有数据可视化功能导航栏，包含多种商品数据维度的分析选项，中部展示商品词云图，可直观呈现商品相关关键词的分布与热度，实现商品文本数据的可视化分析与特征提取展示。

（6）首页
该页面是商品数据可视化分析系统的个人桌面界面，左侧设有数据可视化功能导航栏，包含多种商品数据维度的分析选项，顶部有多个分析模块标签页，中部展示欢迎提示与个人信息表单，可实现系统功能导航与个人信息查看展示。

（7）注册登录
该页面是商品数据可视化分析系统的登录界面，中部设有账号密码输入框、自动登录选项与登录按钮，同时提供注册账号入口，可实现用户身份验证登录与新账号注册引导，保障系统访问的安全性与用户准入管理。

3、项目说明

一、技术栈简要说明
本系统后端采用Python语言进行开发，基于Flask轻量级框架搭建Web服务架构，实现路由分发与业务逻辑处理。数据采集层面使用requests库编写爬虫脚本，从唯品会网站抓取商品信息，包括品牌、价格、加工时间等字段。采集到的原始数据经过数据清洗处理，去除缺失值和异常值，转换为结构化数据格式。数据可视化采用Echarts库，将分析结果以饼图、柱状图、词云图等形式在前端呈现。前端界面使用HTML构建，配合CSS进行样式布局，实现用户交互与页面展示。整体技术架构覆盖数据采集、数据处理、数据可视化和用户交互全流程。

二、功能模块详细介绍
· 商品品牌分布占比分析：该模块通过饼图形式展示不同品牌商品在唯品会平台上的分布占比情况。用户可直观了解各品牌的市场占有率，为商家评估品牌竞争力和用户选择购物品牌提供数据参考。图表配有图例和百分比标注，便于快速读取数据。

· 各大品牌商品原价平均价格分析：模块以柱状图形式呈现各大品牌商品的原价平均价格。通过对比不同品牌的定价水平，帮助用户了解品牌定位，同时为商家制定价格策略提供市场参考依据。图表横轴为品牌名称，纵轴为价格数值，配有具体数据标注。

· 各大品牌商品售价平均价格分析：该模块关注商品的最终售价平均价格，同样采用柱状图进行可视化展示。售价反映了品牌在唯品会平台的实际销售价格水平，与平台促销活动和品牌折扣力度相关，为用户购买决策和商家调整销售策略提供数据支持。

· 商品平均加工前10：模块展示商品平均加工时间排名前10的商品信息，以柱状图形式呈现。加工时间可能涉及商品生产、上架等环节的效率指标，该分析帮助商家识别供应链中的高效商品，为优化生产流程和库存管理提供参考。

· 商品词云图分析：该模块将商品标题、描述等文本数据进行分析处理，生成词云图直观展示热门关键词。词云图中词语的大小代表出现频率，可快速识别用户关注焦点、市场趋势和商品特征，为营销策略制定和商品选品提供方向。

· 首页：作为系统的入口页面，首页左侧设有数据可视化功能导航栏，包含所有分析模块的快捷入口。顶部设有多个分析模块标签页，中部展示欢迎提示与个人信息表单，方便用户了解系统功能并进行个人资料查看。

· 注册登录：该模块提供用户注册和登录功能，保障系统访问安全性和用户数据隐私。登录界面包含账号密码输入框、自动登录选项和登录按钮，同时提供注册账号入口，引导新用户完成账号创建，为后续个性化服务奠定基础。

三、项目总结
本项目构建了一个基于Flask框架的唯品会商品数据可视化分析系统，实现了从数据采集、清洗处理到可视化展示的全流程功能。系统通过requests爬虫获取唯品会商品数据，经过数据清洗保证分析质量，利用Echarts将品牌分布、价格分析、加工效率、关键词热度等多维度分析结果以直观图表形式呈现。前端采用HTML构建，左侧导航栏便于用户在不同分析模块间切换，注册登录功能保障系统安全。项目为用户和商家提供了深入的市场洞察工具，帮助理解品牌竞争格局、价格水平和用户关注热点，具有较强的实用价值和参考意义。

4、核心代码

from sqlalchemy import create_engine
from pyecharts.charts import Bar
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
import pandas as pd
from pyecharts.charts import Pie
from pyecharts.charts import WordCloud
import jieba
from pyecharts import options as opts


# 连接数据库，读取数据
engine = create_engine('mysql+pymysql://root:123456@localhost:3306/vipshop')
sql1 = "select * from data"
df = pd.read_sql_query(sql1, engine)
df.head()


shop_num = df['品牌'].value_counts().to_list()
shop_type = df['品牌'].value_counts().index.to_list()
c = (
    Pie()
    .add(
        "",
        [
            list(z)
            for z in zip(shop_type, shop_num)
        ],
        center=["40%", "50%"],
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="商品品牌分布占比"),
        legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical"),
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)

c.render("templates/商品品牌分布占比饼图.html")



avg_salary = df.groupby('品牌')['售价'].mean()
ShopType = avg_salary.index.tolist()
ShopNum = [int(a) for a in avg_salary.values.tolist()]
c = (
    Bar()
    .add_xaxis(ShopType)
    .add_yaxis("", ShopNum)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各大品牌商品售价平均价格"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45))  # 设置X轴标签旋转角度为45度
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False),
        markline_opts=opts.MarkLineOpts(
            data=[
                opts.MarkLineItem(type_="min", name="最小值"),
                opts.MarkLineItem(type_="max", name="最大值"),
                opts.MarkLineItem(type_="average", name="平均值"),
            ]
        ),
    )
)
c.render("templates/各大品牌商品售价平均价格柱状图.html")



avg_salary = df.groupby('品牌')['原价'].mean().dropna()
ShopType_1 = avg_salary.index.tolist()
ShopNum_1 = [int(a) for a in avg_salary.values.tolist()]
c = (
    Bar()
    .add_xaxis(ShopType_1)
    .add_yaxis("", ShopNum_1)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各大品牌商品原价平均价格"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45))  # 设置X轴标签旋转角度为45度
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False),
        markline_opts=opts.MarkLineOpts(
            data=[
                opts.MarkLineItem(type_="min", name="最小值"),
                opts.MarkLineItem(type_="max", name="最大值"),
                opts.MarkLineItem(type_="average", name="平均值"),
            ]
        ),
    )
)

c.render("templates/各大品牌商品原价平均价格柱状图.html")



w = df.groupby('品牌')['售价'].mean()
top_10_indices = w.nlargest(10).index.tolist()
top_10_prices = w[top_10_indices].tolist()
c = (
    Bar()
    .add_xaxis(top_10_indices)
    .add_yaxis("", top_10_prices)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="商品售价平均价格前10品牌")
    )
)
c.render("templates/商品售价平均价格前10品牌柱状图.html")


df1 = df["标题"]
df1 = df1.values.tolist()
dict = {}
for item in df1:
    wordlist = jieba.cut(item)
    for key in wordlist:
        dict[key] = dict.get(key, 0) + 1
words = list(dict.keys())
counts = list(dict.values())
data1 = []
for i in range(len(words)):
    if len(words[i])>=2:
        data1.append((words[i], counts[i],))
    else:
        pass

c = (
    WordCloud()
    .add(
        "",
        data1,
        word_size_range=[20, 100],
        textstyle_opts=opts.TextStyleOpts(font_family="cursive"),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="商品词云图"))
    .render("templates/商品词云图.html")
    )

5、源码获取方式