专业综合实训

专业综合实训课题

写在前面
1.第一步你需要将数据集文件下载，并移植到你的数据库里。
2.推荐使用自己的电脑进行实训。如果用机房电脑记得每次将自己的数据库导出为sql文件并保存以便下次使用。
3.以下每个题目其实都可以从课本上项目更改而来，比如将最热房源改为最热电影等

统一技术要求

• 后端：Python + Flask
• 数据库：MySQL（建议字符集 utf8mb4）
• 前端：HTML/CSS/JavaScript（模板引擎 Jinja2）也可使用其他框架
• 数据分析与可视化：ECharts，Matplotlib（可选），scikit-learn（加分项）
• 通用功能要求：每个题目必须包含 注册/登录、至少 1 张业务表的 CRUD、至少 5 个 接口（写清请求方式、路由、数据格式）
• 关于数据库的表设计以及接口设计，仅作为参考，不要求一致。

---

以下数据均由本人收集自阿里云天池的开源数据集，仅用于实训，不保证数据真实

数据库操作说明：

1. 可借助navicat将我们的xls文件或csv文件导入到mysql

2. 使用navicat添加数据库的方法参照学习通课程资料内的视频 -数据库导入方式

3. 以就业数据集为例，视频中使用到的查询命令为：查询命令可把我们的表格发给ai，让ai给你生成命令，注意数据库的字符集

-- 创建数据库，强制指定utf8mb4字符集和对应排序规则
CREATE DATABASE college_student_employment
CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci; -- 8.0+用这个，5.7及以下替换为utf8mb4_unicode_ci

-- 切换到该数据库
USE college_student_employment;

CREATE TABLE student_employment (
    ID INT PRIMARY KEY,
    性别 VARCHAR(10) NOT NULL,
    专业 VARCHAR(50) NOT NULL,
    学历 VARCHAR(20) NOT NULL,
    毕业去向 VARCHAR(20) NOT NULL,
    就业行业 VARCHAR(50) NOT NULL,
    期望薪资 INT NOT NULL,
    工作城市 VARCHAR(20) NOT NULL,
    满意度评分 TINYINT NOT NULL,
    是否有实习经历 VARCHAR(10) NOT NULL,
    -- 索引写在这里，逗号分隔
    INDEX idx_major(专业),
    INDEX idx_education(学历),
    INDEX idx_destination(毕业去向)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

题目一：大学生就业去向分析与推荐平台（基于“大学生就业去向”数据集）

数据集下载链接

1. 项目简介

开发一个面向高校学生的就业信息与数据分析平台。学生可注册登录后浏览就业趋势、按专业/学历/城市筛选数据，收藏感兴趣的行业或城市，并生成个人就业画像。管理员可维护数据、发布公告。

2. 核心功能

• 用户：注册 / 登录 / 退出、修改资料、修改密码
• 数据：就业记录列表展示、条件筛选、详情查看
• 业务：收藏行业/城市、提交就业意向（可选）
• 管理员：用户管理、公告管理、数据维护（增删改）
• 数据分析：
  • 专业 → 毕业去向分布
  • 实习经历 vs 期望薪资 / 满意度
  • 工作城市热度排行
    -（可选）sklearn：预测“毕业去向”或“满意度区间”

3. 数据库表设计建议（MySQL）

3.1 user（用户表）

• id BIGINT PK AI
• username VARCHAR(50) UNIQUE NOT NULL
• password_hash VARCHAR(255) NOT NULL
• role ENUM(‘user’,’admin’) DEFAULT ‘user’
• created_at DATETIME DEFAULT CURRENT_TIMESTAMP

3.2 employment_record（就业数据表）

• id BIGINT PK AI
• gender VARCHAR(10)
• major VARCHAR(100)
• degree VARCHAR(50)
• destination VARCHAR(50)
• industry VARCHAR(100)
• expected_salary DOUBLE
• city VARCHAR(50)
• satisfaction_score DOUBLE
• has_internship TINYINT(1) DEFAULT 0

索引建议：major、city、destination

3.3 favorite（收藏表）

• id BIGINT PK AI
• user_id BIGINT NOT NULL（FK → user.id）
• fav_type ENUM(‘industry’,’city’,’record’) NOT NULL
• target_value VARCHAR(255) NOT NULL（如“互联网/北京/记录ID”）
• created_at DATETIME DEFAULT CURRENT_TIMESTAMP

索引建议：(user_id, fav_type)、target_value

3.4 notice（公告表）

• id BIGINT PK AI
• title VARCHAR(100) NOT NULL
• content TEXT NOT NULL
• created_at DATETIME DEFAULT CURRENT_TIMESTAMP
• created_by BIGINT（admin user_id）

4. 接口设计（示例）

4.1 认证

• POST /register（username, password）
• POST /login（username, password）
• POST /logout

4.2 就业数据 CRUD（管理员可写，普通用户只读）

• GET /employment（page, page_size, major, city, degree, destination, has_internship）
• GET /employment/<id>
• POST /employment（新增记录，admin）
• PUT /employment/<id>（修改，admin）
• DELETE /employment/<id>（删除，admin）

4.3 收藏

• POST /favorites（fav_type, target_value）
• GET /favorites
• DELETE /favorites/<id>

4.4 数据分析

• GET /employment/analysis/major_destination（返回饼图数据）
• GET /employment/analysis/city_top?n=10
• GET /employment/analysis/internship_salary（对比柱状图）
  -（可选）POST /employment/ml/predict_destination（输入个人信息 → 预测去向）

---

题目二：优衣库门店销售分析与商品管理系统（基于“优衣库销售数据”）

数据集下载链接

1. 项目简介

开发一个“零售销售数据管理与分析系统”，模拟优衣库门店经营数据。支持登录后查看门店销售、订单、利润等信息，并提供按城市/渠道/类别/日期的可视化分析。管理员可维护销售记录与商品类别。

2. 核心功能

• 用户：注册登录、个人中心
• 数据：销售记录 CRUD（管理员）、普通用户查询
• 业务：收藏门店/产品类别、下载报表（可选）
• 数据分析：
  • 城市销售额 Top10
  • 渠道（线上/线下）销售对比
  • 类别利润率对比
  • 日期趋势（按周/按日）
    -（可选）sklearn：利润预测/销售额预测（回归）

3. 数据库表设计（MySQL）

3.1 user

同题目一

3.2 uniqlo_sales（销售事实表）

• id BIGINT PK AI
• store_id VARCHAR(50)
• city VARCHAR(50)
• channel VARCHAR(50)
• gender_group VARCHAR(50)
• age_group VARCHAR(50)
• category VARCHAR(100)
• customer_count INT
• sales_amount DOUBLE
• order_count INT
• product_count INT
• cost DOUBLE
• unit_price DOUBLE
• profit DOUBLE
• order_date DATE
• weekday VARCHAR(20)

索引建议：order_date、city、category、channel

3.3 store（门店维表，可选）

• store_id VARCHAR(50) PK
• city VARCHAR(50)
• open_date DATE NULL
• address VARCHAR(255) NULL

3.4 favorite

同题目一（fav_type=store/category）

4. 接口设计

4.1 销售记录查询/CRUD

• GET /sales（page, city, channel, category, date_from, date_to）
• GET /sales/<id>
• POST /sales（admin）
• PUT /sales/<id>（admin）
• DELETE /sales/<id>（admin）

4.2 分析接口（给 ECharts）

• GET /sales/analysis/city_top?n=10
• GET /sales/analysis/channel_compare（线上 vs 线下）
• GET /sales/analysis/category_profit_rate
• GET /sales/analysis/timeseries?freq=day|week|month
  -（可选）GET /sales/ml/regression_report（回归模型指标）

---

题目三：全国汽车上牌数据查询与趋势分析网站（基于“全国汽车上牌数据”）

数据集下载链接

1. 项目简介

构建一个汽车市场数据平台，用户登录后可查询不同城市、车型、级别在不同年月的上牌量，并展示趋势和对比分析。支持“关注车型/关注城市”。管理员可维护车型信息及上牌记录。

2. 核心功能

• 用户：注册登录、关注车型/城市
• 数据：上牌数据 CRUD（admin），用户查询与对比
• 数据分析：
  • 城市上牌量排行
  • 车型月度趋势折线图
  • 指导价分段与上牌量关系
    -（可选）sklearn：车型聚类（价位+上牌量）

3. 数据库表设计（MySQL）

3.1 user

同题目一

3.2 car_plate（上牌事实表）

• id BIGINT PK AI
• year INT
• month INT
• model VARCHAR(100)
• city VARCHAR(50)
• registrations INT
• level VARCHAR(50)
• guide_price_wan DOUBLE

索引建议：(year, month)、city、model

3.3 favorite（关注表）

• id BIGINT PK AI
• user_id BIGINT NOT NULL（FK → user.id）
• fav_type ENUM(‘model’,’city’) NOT NULL
• target_value VARCHAR(255) NOT NULL
• created_at DATETIME DEFAULT CURRENT_TIMESTAMP

4. 接口设计

4.1 查询与CRUD

• GET /car/plates（year, month, city, model, level, price_min, price_max）
• GET /car/plates/<id>
• POST /car/plates（admin）
• PUT /car/plates/<id>（admin）
• DELETE /car/plates/<id>（admin）

4.2 分析接口

• GET /car/analysis/city_top?n=10&year=2024
• GET /car/analysis/model_timeseries?model=xxx&city=yyy
• GET /car/analysis/price_bucket
  -（可选）GET /api/car/ml/kmeans_models?k=3

---

题目四：仿豆瓣影视评分网站（登录/收藏/评分分析）（基于“豆瓣影视评分”）

数据集下载链接

1. 项目简介

开发一个“仿豆瓣电影评分与收藏平台”。用户注册登录后可以浏览电影信息、搜索筛选、收藏电影、写短评（可选），并查看评分分布、热门类型等可视化分析。管理员可导入/维护电影数据。

说明：本项目使用提供的 xlsx 数据，仅作为课程数据练习，不做真实爬虫。

2. 核心功能

• 用户：注册登录、个人中心
• 电影：列表/详情/搜索（按类型、国家、评分区间、评价人数）
• 收藏：收藏/取消收藏、收藏列表
• 评论（可选）：短评 CRUD
• 数据分析：
  • 类型平均评分 + 评价人数
  • 评分 TopN（带最小评价人数门槛）
  • 星级比例（五星到一星）堆叠柱状图
    -（可选）sklearn：电影聚类（评分+星级比例+人数）

3. 数据库表设计（MySQL）

3.1 user

同题目一

3.2 movie（电影表）

• id BIGINT PK AI
• movie_name VARCHAR(255)
• movie_url VARCHAR(500)
• director VARCHAR(255)
• writer VARCHAR(255)
• actors TEXT
• genre VARCHAR(255)
• country VARCHAR(255)
• language VARCHAR(100)
• release_date VARCHAR(50)
• duration_min VARCHAR(50)
• alias TEXT
• imdb VARCHAR(50)
• douban_score DOUBLE
• rating_count INT
• star5_pct DOUBLE
• star4_pct DOUBLE
• star3_pct DOUBLE
• star2_pct DOUBLE
• star1_pct DOUBLE
• summary TEXT

索引建议：douban_score、rating_count、genre

3.3 movie_favorite（电影收藏表）

• id BIGINT PK AI
• user_id BIGINT NOT NULL（FK → user.id）
• movie_id BIGINT NOT NULL（FK → movie.id）
• created_at DATETIME DEFAULT CURRENT_TIMESTAMP
• UNIQUE KEY uk_user_movie (user_id, movie_id)

3.4 review（短评表，可选）

• id BIGINT PK AI
• user_id BIGINT NOT NULL
• movie_id BIGINT NOT NULL
• content TEXT NOT NULL
• created_at DATETIME DEFAULT CURRENT_TIMESTAMP

4. 接口设计

4.1 电影查询

• GET /movies（page, keyword, genre, country, score_min, score_max, min_count）
• GET /movies/<id>

4.2 收藏

• POST /movies/<id>/favorite
• DELETE /movies/<id>/favorite
• GET /me/favorites

4.3 分析接口

• GET /movies/analysis/genre_score
• GET /movies/analysis/top_score?n=20&min_count=5000
• GET /movies/analysis/star_stack?movie_id=<id>
  -（可选）GET /movies/ml/kmeans?k=4

---