企业官网建设流程全解析

简介：这是一套面向计算机相关专业毕设学生与Python项目实战学习者的旅游推荐数据分析可视化系统，采用python+Django+mysql+协同过滤算法构建，可直接作为毕业设计、课程设计或期末大作业使用。系统分为用户端与管理员端：用户可完成登录注册、个人信息管理、景区浏览、评分收藏及个性化推荐；管理员可对景区信息、景区类型分类及用户资料进行增删改查与行为记录管理，功能链路完整。压缩包共422个文件，约9.36MB，以174个js、59个css、40个json、27个py、18个html及1个sql数据库脚本为主，另含图片、字体与说明文档，前端资源与后端逻辑分层清晰。项目经过严格调试，确保可运行，并附带数据库与部署说明，便于快速搭建环境、理解协同过滤推荐流程与Django项目结构。目前已有135人学习下载，适合需要完整源码参考与实战练习的读者。

1. 旅游推荐数据分析可视化：从一份 CSV 到能讲故事的看板

手里拿到一份旅游景点数据，字段无非是景点名称、城市、评分、热度、门票价格、评论数这些，看起来平平无奇。但真正做过的人都知道，把这份数据变成一张能回答“哪个城市值得去”“什么季节人少价低”“高评分景点是不是一定贵”的看板，中间要跨过清洗、聚合、推荐打分、可视化四道坎。这个 python 项目实战之旅游推荐数据分析可视化，核心就是用 pandas 做数据加工、用推荐算法给景点排个序、再用可视化把结论摆出来，最后打包成能跑起来的工程。它适合两类人：一类是刚学完 pandas 和 matplotlib、想找个完整项目练手的；另一类是想把数据分析结果做成可交付看板、给非技术同事看的。下面我按自己实际搭这套流程的顺序，把每一步的参数、坑和判断标准讲清楚。

2. 数据清洗与字段设计：脏数据不处理，后面全是玄学

旅游数据最大的特点是来源杂。爬来的、导出的、手工整理的混在一起，同一个城市可能写成“杭州”“杭州市”“浙江杭州”，评分列里混着“4.5分”“4.5”“暂无评分”。如果不在第一步统一，后面 groupby 出来的结果会让你怀疑人生。我一般会先做字段盘点，再定清洗规则，最后落成一份干净的宽表。

2.1 先看清字段类型和缺失分布

拿到数据别急着 dropna，先跑一遍 info 和缺失率，心里有数再动手。下面这段是标准开场：

import pandas as pd import numpy as np # 读入原始数据，注意编码，旅游数据常见 utf-8 和 gbk 两种 df = pd.read_csv("travel_raw.csv", encoding="utf-8") # 看字段类型、非空数量 print(df.info()) # 缺失率排序，优先处理缺失高的列 missing = df.isnull().mean().sort_values(ascending=False) print(missing[missing > 0]) # 看评分列到底长什么样，决定怎么转数值 print(df["score"].astype(str).str.strip().value_counts().head(20))

逻辑说明：info()告诉你哪些列是 object、哪些是 float，object 类型的数值列基本都要转。缺失率排序是为了决定策略——缺失超过 60% 的列直接丢，30% 到 60% 的考虑用中位数或众数填，低于 30% 的按业务填。评分列先转成字符串再看取值分布，是因为直接astype(float)遇到“暂无评分”会整列报错，先看清有哪些异常值再写替换规则。

参数说明：encoding一定要试，读出来乱码就换 gbk 或 utf-8-sig。value_counts()后面加head(20)是防止取值太多刷屏，旅游数据里评分通常就几种写法，看前 20 个足够。

2.2 城市名和评分列的标准化

城市名不统一是旅游数据的老毛病。我的做法是建一张映射表，而不是写一堆 if-else。评分列则用正则把数字抠出来。

# 城市名标准化：去掉“市”“省”后缀，统一到标准城市名 city_map = { "杭州市": "杭州", "浙江杭州": "杭州", "苏州市": "苏州", "江苏苏州": "苏州", "成都市": "成都", "四川成都": "成都", } df["city"] = df["city"].astype(str).str.strip() df["city"] = df["city"].replace(city_map) # 兜底：去掉末尾的“市”字 df["city"] = df["city"].str.replace(r"市$", "", regex=True) # 评分标准化：抽出数字，无法解析的置为 NaN df["score"] = pd.to_numeric( df["score"].astype(str).str.extract(r"(\d+\.?\d*)")[0], errors="coerce" ) # 用中位数填充缺失评分，比均值抗极端值 df["score"] = df["score"].fillna(df["score"].median()) # 门票价格同样处理，注意“免费”要转成 0 df["price"] = df["price"].astype(str).str.replace("免费", "0") df["price"] = pd.to_numeric( df["price"].str.extract(r"(\d+\.?\d*)")[0], errors="coerce" ).fillna(0)

逻辑说明：replace(city_map)是精确替换，适合已知的几种写法；str.replace(r"市$", "")是正则兜底，处理映射表没覆盖到的。评分用extract抽数字而不是replace去字符，是因为评分里可能混着“分”“/5”等多种后缀，正则更稳。errors="coerce"让无法解析的值变成 NaN 而不是抛异常，这是批量清洗的关键参数。门票价格里“免费”必须先转成 0 再抽数字，否则会被当成缺失。

参数说明：fillna(median())用中位数而不是均值，是因为旅游评分常有少量极低分拉偏均值。价格缺失填 0 要谨慎，如果数据里缺失代表“未知”而非“免费”，填 0 会低估均价，这种情况我一般单独标记一列price_missing。

2.3 派生字段：热度分和性价比分

原始字段往往不够用，推荐和可视化都需要派生指标。热度分把评论数和评分揉在一起，性价比分把评分和价格揉在一起。

# 热度分：评论数取对数后归一化，再和评分加权 df["log_comments"] = np.log1p(df["comments"]) df["heat"] = ( (df["log_comments"] - df["log_comments"].min()) / (df["log_comments"].max() - df["log_comments"].min()) ) * 0.6 + (df["score"] / 5) * 0.4 # 性价比分：评分高且价格低得分高，价格加 1 防止除零 df["value_score"] = df["score"] / np.log1p(df["price"] + 1) # 保存清洗结果，后续步骤直接读这份 df.to_csv("travel_clean.csv", index=False, encoding="utf-8-sig")

逻辑说明：评论数跨度可能从几十到几十万，直接归一化会被极端值压扁，取log1p后再归一化分布更均匀。热度分给评论数 0.6 权重、评分 0.4，是因为评论数更能反映真实到访量。性价比分用score / log(price+1)，价格取对数是为了让几十块和几百块的差距不被过度放大，加 1 是防止价格为 0 时除零。

参数说明：权重 0.6 和 0.4 不是固定的，如果数据里评分区分度低，可以把评分权重降到 0.3。log1p等价于log(1+x)，专门处理含 0 的数据。保存时用utf-8-sig是为了 Excel 打开不乱码，这是血泪经验。

3. 推荐逻辑落地：不用协同过滤也能做出可解释的推荐

很多人一听推荐就想到协同过滤，但旅游场景下用户行为数据往往拿不到，硬上协同过滤只会得到一堆无法解释的结果。我的做法是基于内容的加权打分，规则透明、可调、可解释，给非技术同事看也能讲明白。这一章把打分函数、排序、Top-N 输出讲透。

3.1 加权打分函数的设计

推荐的核心是一个打分函数，输入一个景点行，输出一个分数。权重放在配置里，方便调。

# 推荐权重配置，集中管理方便调参 WEIGHTS = { "score": 0.35, # 评分权重 "heat": 0.30, # 热度权重 "value_score": 0.20, # 性价比权重 "price": -0.15, # 价格权重，负号表示越贵分越低 } def normalize(series): """min-max 归一化，处理全等列的除零""" rng = series.max() - series.min() if rng == 0: return series * 0 return (series - series.min()) / rng def recommend_score(df, weights=WEIGHTS): """对每个景点计算加权推荐分""" score = pd.Series(0.0, index=df.index) for col, w in weights.items(): score += normalize(df[col]) * w return score df["rec_score"] = recommend_score(df)

逻辑说明：normalize里判断rng == 0是为了防止某一列所有值相同时除零，返回全 0 而不是报错。权重用字典管理，改权重不用动函数体。价格权重是负数，因为价格越高推荐分应该越低，归一化后乘负权重即可。pd.Series(0.0, index=df.index)初始化保证索引对齐，避免后续相加时错位。

参数说明：权重之和不必等于 1，因为归一化后每列都在 0 到 1 之间，权重只决定相对重要性。如果想让价格影响更大，把 -0.15 改成 -0.25，同时把评分权重降到 0.30 保持平衡。归一化用 min-max 而不是 z-score，是因为推荐分需要落在固定区间方便比较。

3.2 按城市和预算做条件推荐

实际用的时候，用户往往带着条件来：想去某个城市、预算有限、要高分。这时候在打分基础上加过滤条件。

def top_recommend(df, city=None, max_price=None, min_score=None, top_n=10): """条件筛选 + 推荐分排序，返回 Top-N""" sub = df.copy() if city: sub = sub[sub["city"] == city] if max_price is not None: sub = sub[sub["price"] <= max_price] if min_score is not None: sub = sub[sub["score"] >= min_score] # 按推荐分降序，取前 N sub = sub.sort_values("rec_score", ascending=False).head(top_n) return sub[["name", "city", "score", "price", "heat", "rec_score"]] # 示例：杭州预算 200 以内、评分 4 分以上的前 10 个 result = top_recommend(df, city="杭州", max_price=200, min_score=4.0, top_n=10) print(result.to_string(index=False))

逻辑说明：先 copy 再筛选，避免修改原 DataFrame。三个条件都是可选的，用is not None判断，这样同一个函数能应对“只看城市”“只看预算”“全都要”多种场景。排序后head(top_n)取前 N，最后只返回展示需要的列，减少输出噪音。

参数说明：max_price用<=而不是<，因为预算通常包含边界。min_score同理用>=。top_n默认 10，看板场景下一般展示 10 到 20 条，太多用户看不完。如果筛选后结果为空，函数返回空 DataFrame，调用方要判断一下再展示，否则看板会出现空白区域。

3.3 城市维度的聚合推荐

除了单景点推荐，还常需要“哪个城市综合最值得去”。这就要按城市聚合，再对城市打分。

# 按城市聚合：平均评分、平均价格、景点数、总热度 city_stats = df.groupby("city").agg( avg_score=("score", "mean"), avg_price=("price", "mean"), spot_count=("name", "count"), total_heat=("heat", "sum"), ).reset_index() # 城市推荐分：评分和热度为主，景点数作为丰富度加分 city_stats["city_score"] = ( normalize(city_stats["avg_score"]) * 0.4 + normalize(city_stats["total_heat"]) * 0.4 + normalize(city_stats["spot_count"]) * 0.2 ) city_rank = city_stats.sort_values("city_score", ascending=False) print(city_rank.head(10).to_string(index=False))

逻辑说明：groupby后agg一次算出四个指标，比多次 groupby 高效。城市推荐分里评分和热度各占 0.4，景点数占 0.2，是因为景点多的城市选择余地大，但太多也可能意味着质量参差，所以权重给低一些。reset_index()把 city 从索引变回列，方便后续操作和导出。

参数说明：agg里用元组("score", "mean")指定列和聚合函数，这是 pandas 的标准写法。如果某城市只有一个景点，avg_score就是该景点评分，样本太少时结论不稳，可以在展示时加一列spot_count让用户自己判断。城市推荐分同样用 min-max 归一化，保证不同量纲的指标能相加。

4. 可视化看板：让图表替你说结论

数据分析的终点是让人看懂。可视化不是把数据画出来就完事，而是要回答具体问题：哪些城市评分高、价格和评分什么关系、热度分布如何。这一章讲三类核心图表和它们的参数调优。

4.1 城市评分与价格的对比图

最常被问的就是“哪个城市好玩又不贵”。用横向条形图对比城市平均评分，用颜色映射平均价格，一张图回答两个问题。

import matplotlib.pyplot as plt import matplotlib # 中文字体设置，否则中文显示成方块 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] matplotlib.rcParams["axes.unicode_minus"] = False # 取评分前 15 的城市 top_city = city_rank.head(15).sort_values("avg_score") fig, ax = plt.subplots(figsize=(10, 8)) # 颜色映射价格，cmap 用 RdYlGn_r 表示价格越高越红 sc = ax.barh( top_city["city"], top_city["avg_score"], color=plt.cm.RdYlGn_r(normalize(top_city["avg_price"])) ) ax.set_xlabel("平均评分") ax.set_title("城市平均评分与价格分布（颜色越红价格越高）") # 加颜色条说明 sm = plt.cm.ScalarMappable(cmap="RdYlGn_r", norm=plt.Normalize(top_city["avg_price"].min(), top_city["avg_price"].max())) plt.colorbar(sm, ax=ax, label="平均价格") plt.tight_layout() plt.savefig("city_score_price.png", dpi=150)

逻辑说明：barh画横向条形图，城市名在 y 轴更好读。颜色用RdYlGn_r反向色带，价格低是绿色、高是红色，符合直觉。sort_values("avg_score")让条形从下到上递增，视觉上更整齐。ScalarMappable是给颜色条用的，因为条形图本身不直接生成 colorbar。

参数说明：figsize=(10, 8)是 15 个城市的合适尺寸，城市多了要加高。dpi=150保证导出图片清晰，看板用足够。字体必须设SimHei或系统里有的中文字体，否则中文全是方块，这是新手最常见的翻车点。tight_layout()防止标签被裁掉。

4.2 评分与价格的散点图

想看评分和价格到底有没有关系，散点图最直接。再加一条趋势线，结论一目了然。

fig, ax = plt.subplots(figsize=(10, 6)) # 散点，透明度 0.5 防止重叠点看不清 ax.scatter(df["price"], df["score"], alpha=0.5, s=20, c="steelblue") # 拟合一条一次趋势线 z = np.polyfit(df["price"], df["score"], 1) p = np.poly1d(z) x_line = np.linspace(df["price"].min(), df["price"].max(), 100) ax.plot(x_line, p(x_line), "r--", label=f"趋势线 斜率={z[0]:.4f}") ax.set_xlabel("门票价格") ax.set_ylabel("评分") ax.set_title("景点评分与价格关系") ax.legend() plt.tight_layout() plt.savefig("score_price_scatter.png", dpi=150)

逻辑说明：alpha=0.5让重叠的点颜色加深，能看出密度。s=20控制点大小，太大糊成一片。np.polyfit做一次多项式拟合，斜率正负直接告诉你价格和评分是正相关还是负相关。趋势线用红色虚线，和蓝色散点区分开。

参数说明：斜率接近 0 说明价格和评分基本无关，这时候“贵的一定好”就不成立。如果斜率明显为正，说明高价景点评分普遍偏高，但要注意可能是高价景点本身筛选过。np.linspace生成 100 个点画平滑线，点太少线会折。

4.3 热度分布直方图

热度分布能看出数据是不是集中在少数头部景点，这对推荐策略有影响。

fig, ax = plt.subplots(figsize=(10, 6)) # 热度分 20 个区间，加密度线 ax.hist(df["heat"], bins=20, color="skyblue", edgecolor="white", density=True) ax.set_xlabel("热度分") ax.set_ylabel("密度") ax.set_title("景点热度分布") # 标出中位数 median_heat = df["heat"].median() ax.axvline(median_heat, color="red", linestyle="--", label=f"中位数={median_heat:.2f}") ax.legend() plt.tight_layout() plt.savefig("heat_dist.png", dpi=150)

逻辑说明：density=True让 y 轴变成密度而不是计数，方便比较不同样本量的分布。bins=20是经验值，数据量几千条时 20 个区间粒度合适。axvline标中位数，比标均值更抗极端值。edgecolor="white"让柱子之间有分隔，视觉更清晰。

参数说明：如果分布明显右偏（大部分景点热度低、少数极高），说明推荐要重点处理长尾，不能只看头部。bins太少看不出形状，太多锯齿明显，20 到 30 之间试。中位数和均值差距大就说明有极端值，这时候用中位数描述“典型景点”更准。

5. 避坑与排查：这些错我基本都犯过

做这类项目，代码写出来只是开始，跑通和跑对是两回事。下面五条是我踩过的坑，每条都按现象、原因、解决写清楚，照着排查能省不少时间。

5.1 中文显示成方块

现象：图表里所有中文标题、轴标签都变成一个个方块，英文和数字正常。原因：matplotlib 默认字体不含中文字形，系统找不到就画方块。解决：在画图前设置matplotlib.rcParams["font.sans-serif"] = ["SimHei"]，如果系统没有 SimHei，换成Microsoft YaHei或WenQuanYi Micro Hei。设完还不行就清一下 matplotlib 缓存，缓存路径用matplotlib.get_cachedir()查。另外axes.unicode_minus要设成 False，否则负号也会显示异常。

5.2 归一化遇到全等列除零

现象：推荐分算出来全是 NaN，或者报ZeroDivisionError。原因：某一列所有值相同，max - min等于 0，归一化时除零。解决：在 normalize 函数里判断rng == 0就返回全 0 序列。这个坑在测试数据上不容易发现，因为测试数据往往有差异，真实数据里某一列全相同的情况不少见，比如所有景点都来自同一个城市时城市列就没差异。

5.3 价格缺失填 0 导致均价失真

现象：某城市平均价格算出来特别低，点进去看发现很多景点价格是 0。原因：原始数据里价格缺失被fillna(0)填成了 0，但缺失其实代表“未知”而不是“免费”。解决：区分“免费”和“未知”，免费在清洗时显式转成 0，未知保留 NaN，聚合时用mean()会自动跳过 NaN。如果业务上必须填，就单独加一列标记缺失，展示时注明。这个坑的教训是：填充值之前先想清楚缺失的含义。

5.4 groupby 后索引丢失导致合并错位

现象：按城市聚合后想和原表合并，结果数据对不上或者报索引错误。原因：groupby后城市变成了索引，直接合并时索引和列对不齐。解决：聚合后加reset_index()把分组列变回普通列。如果忘了加，可以用merge时指定left_on和right_index=True补救，但不如一开始就 reset 干净。这个坑在链式操作里特别隐蔽，因为中间结果不打印就看不出来。

5.5 图片保存被裁切

现象：保存的图片边缘标签或标题被切掉一半。原因：savefig默认按画布大小保存，超出部分被裁。解决：保存前调plt.tight_layout()自动调整边距，或者在savefig里加bbox_inches="tight"参数。两个一起用最稳。如果图例放在图外，tight_layout可能还是不够，这时候用bbox_inches="tight"更可靠。导出看板图片时 dpi 至少 150，屏幕上看 100 也行，但打印或放大就糊了。

6. 部署与交付：让看板在别人机器上也能跑

代码在自己机器上跑通不算完，交付出去别人能跑起来才算。这一章讲依赖管理、目录结构和两个进阶技巧，最后说一个我自己的习惯。

6.1 依赖锁定与目录结构

最常见的交付翻车是“在我机器上好好的”。根因是依赖版本不一致。我的做法是生成 requirements.txt 并锁定版本。

# 生成依赖清单，只导出实际用到的包 pip freeze > requirements.txt # 别人拿到后一键安装 pip install -r requirements.txt

逻辑说明：pip freeze导出当前环境所有包及版本，别人安装时版本一致，行为就一致。如果环境里包太多，可以只列核心依赖：pandas、numpy、matplotlib。目录结构我一般这样组织：data/放原始和清洗后数据，src/放清洗、推荐、可视化三个脚本，output/放图表，根目录放main.py串起流程。这样别人一看就知道从哪进。

参数说明：requirements.txt 里版本号用==锁定，不用>=，因为>=在不同时间装到的版本可能不同。如果某个包对版本特别敏感，在文件里加注释说明。Python 版本也建议在 README 里写清楚，3.8 和 3.11 在 pandas 行为上偶有差异。

6.2 用 argparse 让脚本可配置

硬编码路径和参数是交付大忌。用 argparse 把常用参数暴露出来，别人不用改代码就能跑。

import argparse def parse_args(): parser = argparse.ArgumentParser(description="旅游推荐数据分析") parser.add_argument("--input", default="data/travel_raw.csv", help="原始数据路径") parser.add_argument("--output", default="output/", help="图表输出目录") parser.add_argument("--top-n", type=int, default=10, help="推荐展示条数") parser.add_argument("--city", default=None, help="指定城市，不填则全量分析") return parser.parse_args() if __name__ == "__main__": args = parse_args() # 后续流程用 args.input、args.top_n 等 print(f"读取 {args.input}，输出到 {args.output}")

逻辑说明：argparse把路径、条数、城市都变成命令行参数，别人用python main.py --city 杭州 --top-n 20就能定制。default给合理默认值，不传参也能跑。type=int保证 top-n 是整数，传字符串会报错提示。help写清楚每个参数含义，--help就能看到。

参数说明：--city默认 None，代码里判断if args.city再过滤。--output结尾带斜杠，拼接文件名时用os.path.join更稳。如果参数多，可以分组用add_argument_group，但四五个参数没必要。

6.3 一个我坚持的习惯

我做完任何数据分析项目，都会留一个check.py，里面就干一件事：读清洗后的数据，打印行数、列数、关键列的缺失率和取值范围。交付前跑一遍，确认数据没在某个环节被意外过滤掉。这个习惯帮我抓到过好几次“筛选条件写错导致结果少了一半”的问题。数据分析的结论再漂亮，数据本身错了就全白搭。希望帮到你。

本文还有配套的精品资源，点击获取