大数据毕业设计：租房推荐系统 python 租房大数据 爬虫+可视化大屏 计算机毕业设计（附源码+文档）✅

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：
租房大数据分析可视化平台 毕业设计 python 爬虫 推荐系统

Django框架、vue前端框架、scrapy爬虫、贝壳租房网
租房大数据分析可视化平台是一个基于Django框架和vue前端框架开发的系统，使用scrapy爬虫技术从贝壳租房网上获取租房数据，并通过数据分析和可视化技术展示给用户。

该系统的主要功能包括：

  1. 数据爬取：使用scrapy爬虫技术从贝壳租房网上获取租房数据，包括房源信息、租金、位置等。

  2. 数据存储：将爬取到的租房数据存储到数据库中，方便后续的数据分析和展示。

  3. 数据分析：对爬取到的租房数据进行分析，包括租金分布、地理位置分布、房屋面积分布等。

  4. 可视化展示：将数据分析的结果通过图表、地图等形式展示给用户，方便用户了解租房市场的情况。

  5. 推荐系统：根据用户的需求和偏好，通过数据分析和机器学习算法为用户推荐符合其需求的租房信息。

通过该系统，用户可以方便地了解租房市场的情况，包括租金水平、地理位置分布等，同时还可以根据自己的需求和偏好获取个性化的租房推荐。

2、项目界面

（1）租房数据可视化大屏

在这里插入图片描述

（2）租房推荐

在这里插入图片描述

（3）租房数据详情页
在这里插入图片描述

（4）房屋数据

在这里插入图片描述

（5）注册登录界面

在这里插入图片描述

（6）数据爬取页面

在这里插入图片描述

3、项目说明

租房大数据分析可视化平台是一个基于Django框架和vue前端框架开发的系统，使用scrapy爬虫技术从贝壳租房网上获取租房数据，并通过数据分析和可视化技术展示给用户。

该系统的主要功能包括：

  1. 数据爬取：使用scrapy爬虫技术从贝壳租房网上获取租房数据，包括房源信息、租金、位置等。

  2. 数据存储：将爬取到的租房数据存储到数据库中，方便后续的数据分析和展示。

  3. 数据分析：对爬取到的租房数据进行分析，包括租金分布、地理位置分布、房屋面积分布等。

  4. 可视化展示：将数据分析的结果通过图表、地图等形式展示给用户，方便用户了解租房市场的情况。

  5. 推荐系统：根据用户的需求和偏好，通过数据分析和机器学习算法为用户推荐符合其需求的租房信息。

通过该系统，用户可以方便地了解租房市场的情况，包括租金水平、地理位置分布等，同时还可以根据自己的需求和偏好获取个性化的租房推荐。

4、核心代码


from .models import *
import json
from django.http.response import HttpResponse
from django.shortcuts import render
from django.http import JsonResponse
from datetime import datetime, time
from django.core.paginator import Paginator
from django.db.models import Q
import simplejson
from collections import Counter
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Map, Grid, Bar, Line, Pie, TreeMap
from pyecharts.faker import Faker
from pyecharts.commons.utils import JsCode
from pyecharts.options.charts_options import MapItem
from django.db.models import Q, Count, Avg, Min, Max


def to_dict(l, exclude=tuple()):
    # 将数据库模型 变为 字典数据 的工具类函数
    def transform(v):
        if isinstance(v, datetime):
            return v.strftime("%Y-%m-%d %H:%M:%S")
        return v

    def _todict(obj):
        j = {
            k: transform(v)
            for k, v in obj.__dict__.items()
            if not k.startswith("_") and k not in exclude
        }
        return j

    return [_todict(i) for i in l]


def unique_fields(request):
    body = request.json
    field = body.get("field")
    data = [i[0] for i in Rental.objects.values_list(field).distinct()]
    return JsonResponse(data, safe=False)


def get_list(request):
    # 列表
    body = request.json
    pagesize = body.get("pagesize", 10)
    page = body.get("page", 1)
    orderby = body.get("orderby", "-id")
    notin = ["pagesize", "page", "total", "orderby"]
    query = {
        k: v for k, v in body.items() if k not in notin and (v != "" and v is not None)
    }
    q = Q(**query)
    objs = Rental.objects.filter(q).order_by(orderby)
    paginator = Paginator(objs, pagesize)
    pg = paginator.page(page)
    result = to_dict(pg.object_list)
    return JsonResponse(
        {
            "total": paginator.count,
            "result": result,
        }
    )


def get_detail(request):
    # 详情
    body = request.json
    id = body.get("id")
    o = Rental.objects.get(pk=id)
    his = History.objects.filter(userId=request.user.id).order_by("-createTime").first()
    if not (his and his.rentalId == o.id):
        History(userId=request.user.id, rentalId=o.id).save()
    return JsonResponse(to_dict([o])[0])


def history_recommand(request):
    rentalIds = (
        History.objects.filter(userId=request.user.id)
        .values_list("rentalId")
        .distinct()
    )
    rentals = []
    # 根据历史查看记录推荐
    if rentalIds:
        rentalIds = [i[0] for i in rentalIds]
        location = [
            i[0]
            for i in Rental.objects.filter(id__in=rentalIds).values_list("location")
        ]
        locations = ["-".join(i.split("-")[:2]) for i in location]
        most_common_cates = list(dict(Counter(locations).most_common(2)).keys())
        q = Q()
        for i in most_common_cates:
            q |= Q(location__icontains=i)
        rentals = Rental.objects.filter(q).order_by("?")[:5]
    # 没有记录则随机推荐
    else:
        rentals = Rental.objects.order_by("?")[:5]
    return JsonResponse(to_dict(rentals), safe=False)


def type_pie(request):
    data = {
        i["type"]: i["count"]
        for i in Rental.objects.values("type").annotate(count=Count("id"))
        if "租" in i["type"]
    }
    # 用饼图展示数据
    c = (
        Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
        .add(
            "",
            list(data.items()),
            label_opts=opts.LabelOpts(is_show=False),
            radius=["40%", "75%"],
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="租房类型统计", pos_left="40%"),
            legend_opts=opts.LegendOpts(
                type_="scroll", pos_right="80%", orient="vertical"
            ),
        )
    )
    # 返回数据
    return HttpResponse(c.dump_options(), content_type="application/json")


def orientation_map(request):
    data = [
        {"name": i["orientation"], "value": i["count"]}
        for i in Rental.objects.values("orientation").annotate(count=Count("id"))
    ]

    # 用饼图展示数据
    c = (
        TreeMap(init_opts=opts.InitOpts(width="1280px", height="720px"))
        .add(
            series_name="option",
            data=data,
            visual_min=300,
            leaf_depth=1,
            # 标签居中为 position = "inside"
            label_opts=opts.LabelOpts(position="inside"),
        )
        .set_global_opts(
            legend_opts=opts.LegendOpts(is_show=False),
            title_opts=opts.TitleOpts(title="房屋朝向分析", pos_left="leafDepth"),
        )
    )
    # 返回数据
    return HttpResponse(c.dump_options(), content_type="application/json")


def level_bar(request):
    data = {
        i["level"]: i["count"]
        for i in Rental.objects.values("level").annotate(count=Count("id"))
        if i["level"]
    }

    # 用柱状图展示统计数据
    c = (
        Bar()
        .add_xaxis([i[0] for i in data.items()])
        .add_yaxis(
            "",
            [i[1] for i in data.items()],
            label_opts=opts.LabelOpts(is_show=False),
            bar_max_width=50,
        )
        .reversal_axis()
        .set_global_opts(
            title_opts=opts.TitleOpts(title="楼层类型分析"),
            # datazoom_opts=opts.DataZoomOpts(orient="vertical"),
            yaxis_opts=opts.AxisOpts(
                type_="category",
                axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            ),
        )
    )
    # 返回数据
    return HttpResponse(c.dump_options(), content_type="application/json")


def price_bar(request):
    data = {}
    data["1000以下"] = Rental.objects.filter(price__lte=1000).count()
    data["1000-2000"] = Rental.objects.filter(price__gte=1000, price__lte=2000).count()
    data["2000-3000"] = Rental.objects.filter(price__gte=2000, price__lte=3000).count()
    data["3000-4000"] = Rental.objects.filter(price__gte=3000, price__lte=4000).count()
    data["4000-5000"] = Rental.objects.filter(price__gte=4000, price__lte=5000).count()
    data["5000-6000"] = Rental.objects.filter(price__gte=5000, price__lte=6000).count()
    data["6000-7000"] = Rental.objects.filter(price__gte=6000, price__lte=7000).count()
    data["7000以上"] = Rental.objects.filter(price__gte=7000).count()

    # 用柱状图展示统计数据
    c = (
        Bar()
        .add_xaxis([i[0] for i in data.items()])
        .add_yaxis(
            "",
            [i[1] for i in data.items()],
            label_opts=opts.LabelOpts(is_show=False),
            bar_max_width=50,
            color="#5689ff",
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="房源价格分布"),
            # datazoom_opts=opts.DataZoomOpts(orient="vertical"),
            xaxis_opts=opts.AxisOpts(
                type_="category",
                axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            ),
        )
    )
    # 返回数据
    return HttpResponse(c.dump_options(), content_type="application/json")


def province_map(request):
    data = {
        i["province"] + "省": i["count"]
        for i in Rental.objects.values("province").annotate(count=Count("id"))
    }
    dd = [MapItem(name=i[0], value=i[1]) for i in data.items()]
    m = (
        Map()
        .add("房源数量", dd, "china", is_roam=False, is_map_symbol_show=False)
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="房源数量分布",
            ),
            visualmap_opts=opts.VisualMapOpts(
                max_=1000,
                is_piecewise=False,
            ),
            legend_opts=opts.LegendOpts(
                is_show=False, textstyle_opts=opts.TextStyleOpts(color="white")
            ),
        )
    )
    return HttpResponse(m.dump_options(), content_type="aplication/text")

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👇🏻

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/292471.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

RTKLIB命令行指令介绍

RTKLIB命令行指令介绍

1.manual_2.4.2原文： 1.1SYNOPSIS rnx2rtkp [option ...] file file [...] 1.2DESCRIPTION Read RINEX OBS/NAV/GNAV/HNAV/CLK, SP3, SBAS message log files and compute receiver (rover) positions and output position solutions. The first RINEX OBS fil…
阅读更多...
60.网游逆向分析与插件开发-游戏增加自动化助手接口-游戏公告功能的逆向分析与测试

60.网游逆向分析与插件开发-游戏增加自动化助手接口-游戏公告功能的逆向分析与测试

内容来源于：易道云信息技术研究院VIP课 上一个内容：文字资源读取类的C还原-CSDN博客 码云地址（master分支）：https://gitee.com/dye_your_fingers/sro_-ex.git 码云版本号：878db7708de09b448010ef54526fe…
阅读更多...
任务调度知识点

任务调度知识点

任务调度 定时任务调度 定时任务调度在项目开发中是一种不可缺少的需求，在Java中，实现任务调度有三种方式，分别是jdk自带的任务定时工具Timer、Spring task、第三方组件Quartz,接下来细聊这三种方式。 方式一、Timer（JDK自带任…
阅读更多...
【KingbaseES】实现MySql函数Space

【KingbaseES】实现MySql函数Space

CREATE OR REPLACE FUNCTION SPACE(input_length integer) RETURNS text AS $$ BEGIN RETURN REPEAT( , input_length) AS SPACES; END; $$ LANGUAGE plpgsql;
阅读更多...
使用valgrind 分析缓存命中

使用valgrind 分析缓存命中

使用valgrind 分析缓存命中 char transpose_submit_desc[] "Transpose submission"; void transpose_submit(int M, int N, int A[N][M], int B[M][N]) { int i,j,tmp;int bsize 8;unsigned long long addrA;unsigned long long addrB;unsigned long long setin…
阅读更多...
市场复盘总结 20240104

市场复盘总结 20240104

仅用于记录当天的市场情况，用于统计交易策略的适用情况，以便程序回测 短线核心：不参与任何级别的调整 昨日回顾： 方法一：指标选股 select * from dbo.ResultAll where 入选类型 like %指标选股% and 入选日期=20240104;方法二：趋势选股法 1、最低价持续3日上涨 2、均价…
阅读更多...
node.js安装web3.js

node.js安装web3.js

第一步 node.js和npm 首先你需要有node.js和npm 可参考菜鸟教程 第二步 初始化nodejs项目 在项目文件夹打开命令行，输入 npm init -y此代码意为创建一个nodejs项目，默认配置。 然后安装web3.js，命令行输入安装命令 npm install web3npm会…
阅读更多...
IO作业4.0

IO作业4.0

思维导图 创建出三个进程完成两个文件之间拷贝工作&#xff0c;子进程1拷贝前一半内容&#xff0c;子进程2拷贝后一半内容&#xff0c;父进程回收子进程的资源 #include <stdio.h> #include <string.h> #include <stdlib.h> #include <myhead.h> int …
阅读更多...
服务器防护怎么做

服务器防护怎么做

随着网络攻击的日益猖獗&#xff0c;服务器安全已成为关注的焦点。如何有效防御各种网络威胁&#xff0c;确保数据安全与业务连续性&#xff0c;已成为一项迫切的需求。目前服务器所面临的主要威胁包括但不限于&#xff1a;DDoS攻击、SQL注入、跨站脚本攻击(XSS)、远程命令执行…
阅读更多...
RTC第二个功能和应用程序

RTC第二个功能和应用程序

一般RTC模块设备管理时间日历、计时器等。从年到二。一些爱普生RTC 模块可以通过使用来自32768 Hz的分割频率来管理次第二功能。本文件 描述了RTC模块的三个具体的应用程序。&#xff08;表1&#xff09; 表1中的功能和产品 [FOUT函数应用程序] 图1描述了RTC模块&#xff0…
阅读更多...
LinuxShell

LinuxShell

一、 新建用户 在Linux上新建一个用户并赋予超级用户权限&#xff0c;建立家目录并设置默认shell为bash&#xff0c;并设置Linux在输入sudo密码时显示星号。请提交全部命令及输出截图&#xff08;表明完成需求即可&#xff09;。 1.sudo useradd -m ymhs(用户名) 增加用户 2.su…
阅读更多...
基于EMD-SpEn(样本熵)联合小波阈值去噪

基于EMD-SpEn(样本熵)联合小波阈值去噪

代码原理 基于 EMD-SpEn&#xff08;样本熵&#xff09;联合小波阈值去噪方法是一种用于信号降噪的信号处理方法&#xff0c;它结合了经验模态分解 (EMD)、样本熵 (SpEn) 和小波阈值处理技术。 首先&#xff0c;使用 EMD 将原始信号分解为一组称为经验模态函数 (IMFs) 的信号…
阅读更多...
铁塔基站数字化管理监测解决方案

铁塔基站数字化管理监测解决方案

截至2023年10月&#xff0c;我国5G基站总数达321.5万个&#xff0c;占全国通信基站总数的28.1%。然而&#xff0c;随着5G基站数量的快速增长&#xff0c;基站的能耗问题也逐渐日益凸显&#xff0c;基站的用电给运营商带来了巨大的电费开支压力&#xff0c;降低5G基站的能耗成为…
阅读更多...
【unity】基于Obi的绳长动态修改（ObiRopeCursor）

【unity】基于Obi的绳长动态修改（ObiRopeCursor）

文章目录 一、在运行时改变绳子长度:ObiRopeCursor1.1 Cursor Mu&#xff08;光标μ&#xff09;1.2 Source Mu&#xff08;源μ&#xff09;1.3 Direction&#xff08;方向&#xff09; 一、在运行时改变绳子长度:ObiRopeCursor Obi提供了一个非常通用的组件来在运行时修改绳…
阅读更多...
解析诊断调查表中的各个表单

解析诊断调查表中的各个表单

诊断调查表 1、系统级别规范2、ECU级别规范 1、系统级别规范 总体可分为5部分&#xff1a;文档相关、控制器ID和时间参数、DID资源区间、DTC资源区间和安全算法掩码。 Cover&#xff1a;项目名称、编制、校对、批准等等&#xff1b;ModificationRecord:版本更新&#xff0c;修…
阅读更多...
阿里、字节等大厂系统测试方法的知识点总结，终于被我搞到手了

阿里、字节等大厂系统测试方法的知识点总结，终于被我搞到手了

系统测试一般采取黑盒测试&#xff0c;系统测试的方法也比较多&#xff0c;其中常用的方法有&#xff1a;多任务测试、临界测试、中断测试、等价划分测试 多任务测试 多任务测试是指在非idle状态下&#xff0c;测试对象处于工作状态时&#xff0c;有新的事件发生&#xff0c;…
阅读更多...
ruoyi-ai 基于ruoyi-plus实现AI聊天和绘画功能-后端

ruoyi-ai 基于ruoyi-plus实现AI聊天和绘画功能-后端

基于ruoyi-plus实现AI聊天和绘画功能-后端 本项目完全开源免费&#xff01; 后台管理界面使用elementUI服务端使用Java17SpringBoot3.X ruoyi-ai: 基于ruoyi-plus实现AI聊天和绘画功能-后端 实现功能 集成OpenAi API (gpt-4-vision-preview dall-e-3)接入文生图模型&#xf…
阅读更多...
使用JavaScript（简写js）跳转页面的几种方法

使用JavaScript（简写js）跳转页面的几种方法

目录 1.location.href2.location.assign()3.window.open()4.location.replace()5.document.URL6.history.go&#xff08;&#xff09; 前言&#xff1a; 当我们用到Javascript的时候跳转页面是必不可少的&#xff0c;今天介绍几种常见的跳转页面方法。 1.location.href 简介 …
阅读更多...
P10 RV1126推流项目——ffmpeg输出参数初始化

P10 RV1126推流项目——ffmpeg输出参数初始化

前言 从本章开始我们将要学习嵌入式音视频的学习了 &#xff0c;使用的瑞芯微的开发板 &#x1f3ac; 个人主页&#xff1a;ChenPi &#x1f43b;推荐专栏1: 《C_ChenPi的博客-CSDN博客》✨✨✨ &#x1f525; 推荐专栏2: 《Linux C应用编程&#xff08;概念类&#xff09;_C…
阅读更多...
服务器经常出现自动重启怎么办

服务器经常出现自动重启怎么办

服务器自动重启是一个复杂且常见的问题&#xff0c;可能由多种原因引起。从硬件故障到软件问题&#xff0c;从电源问题到散热问题&#xff0c;每一个环节都可能成为服务器的杀手。在处理此类问题时&#xff0c;需要我们有一套完整的策略和方案&#xff0c;以便快速准确地定位并…
阅读更多...
最新文章

Copyright @ 2022~2023