旅游大数据分析预测系统+可视化 +贝叶斯预测模型 大数据毕业设计（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。
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。

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


@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')

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👇🏻