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

博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业毕业设计项目实战6年之久，选择我们就是选择放心、选择安心毕业✌感兴趣的可以先收藏起来，点赞、关注不迷路✌

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

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-8

import 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 ---------------------
@app.route('/')
def index():
    return render_template('index.html')


@app.route('/hot_city')
def hot_city():
    return render_template('hot_city.html')

@app.route('/city_hot_jingdian')
def city_hot_jingdian():
    return render_template('city_hot_jingdian.html')

@app.route('/city_hot_xiaochi')
def city_hot_xiaochi():
    return render_template('city_hot_xiaochi.html')

@app.route('/city_hot_bys')
def city_hot_bys():
    return render_template('city_hot_bys.html')

# ------------------ ajax restful api -------------------
@app.route('/check_login')
def check_login():
    """判断用户是否登录"""
    return jsonify({'username': login_name, 'login': login_name is not None})


@app.route('/register/<name>/<password>')
def register(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
    if len(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>')
def login(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
    if len(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
    if len(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')
def get_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')
def get_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>')
def query_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 in zip(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>')
def city_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>')
def bayes_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')



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244