基于Python的山东省2025年高考志愿投档数据可视化分析系统：从数据到洞察的完整实践

一文带你从零搭建、运行并扩展一个针对山东省2025年高考志愿投档数据的可视化分析系统。包含技术栈选型、目录结构解析、核心代码讲解、可视化方案与扩展预留、部署上线与性能优化建议。

目录

• 一、项目背景与目标
• 二、技术栈与方案选型
• 三、项目目录结构解析
• 四、核心数据模型与导入流程
• 五、视图与路由：从数据到页面
• 六、可视化展示：前端 ECharts 与后端 pyecharts 双栈
• 七、运行与部署
• 八、数据校验与质量评估
• 九、性能优化与安全实践
• 十、可扩展性设计与后续规划
• 十一、致谢与版权说明
• 十二、联系方式

🥰 项目源码获取，码界筑梦坊各平台同名，博客底部含联系方式卡片，欢迎咨询！

一、项目背景与目标

• 背景：高考志愿投档数据量大、维度多，人工梳理难以快速获取洞察。本系统聚焦山东省2025年投档数据，提供面向院校、专业、地区、分数段的多维分析与可视化能力。
• 目标：
  • 汇聚真实投档数据，统一清洗与入库
  • 提供可检索、可筛选、可视化的交互式分析页面
  • 支持按分数定位潜在院校，辅助决策
  • 预留二次开发与图表扩展示例

二、技术栈与方案选型

• 后端：Django 5（MVT 架构，ORM 快速开发），MySQL 8（事务与索引优化）
• 数据处理：pandas、numpy、openpyxl、xlrd
• 可视化：
  • 前端：ECharts 5（柱状图、饼图、地图、词云等）
  • 后端：pyecharts（服务端生成可嵌入 HTML 的图表片段）
• 管理后台：django-simpleui（美化 Django Admin）
• 运维与工具：redis（可选缓存）、pytest/pytest-django、flake8/black、Sphinx

依赖见 requirements.txt：

Django==5.0.4
mysqlclient==2.2.0
django-simpleui==2024.11.15
pyecharts==2.0.4
pandas==2.1.4
numpy==1.24.3
openpyxl==3.1.2
xlrd==2.0.1
django-debug-toolbar==4.2.0
django-compressor==4.4
redis==5.0.1
Pillow==10.1.0
python-dotenv==1.0.0
pytest==7.4.3
pytest-django==4.7.0
flake8==6.1.0
black==23.11.0
Sphinx==7.2.6

三、项目目录结构解析

code/
├── data/                          # 数据文件目录
│   ├── 2025年山东高考成绩一分一段表.csv
│   ├── 2025年山东高考成绩一分一段表.xls
│   ├── 山东省2025年普通类常规批第1次志愿投档情况表.csv
│   ├── 山东省2025年普通类常规批第1次志愿投档情况表.xlsx
│   └── 山东省2025年高考志愿投档数据分析可视化.ipynb
├── gaokao/                        # 主要业务应用
│   ├── admin.py                   # 后台管理配置
│   ├── models.py                  # 数据模型（分数段/投档/系统日志）
│   ├── urls.py                    # 模块路由
│   ├── views.py                   # 视图与统计逻辑
│   ├── utils.py                   # 工具与日志记录
│   └── management/commands/
│       └── import_gaokao_data.py  # 一键导入CSV数据
├── gaokao_project/                # 项目配置
│   ├── settings.py                # Django 设置（数据库、静态、SimpleUI等）
│   └── urls.py                    # 全局路由
├── templates/                     # 模板
│   ├── base.html
│   └── gaokao/                    # 各功能页（仪表板/分析/搜索等）
├── html/                          # 静态资源（CSS/JS/IMG/第三方模块）
├── static/                        # 静态文件（补充）
├── check_stats.py                 # 数据校验脚本
├── manage.py
├── README.md
└── requirements.txt

四、核心数据模型与导入流程

4.1 数据模型（精简片段）

# gaokao/models.py
from django.db import models

class ScoreSegment(models.Model):
    score = models.IntegerField("分数", db_index=True)
    count = models.IntegerField("全体本段人数")
    total = models.IntegerField("全体累计人数")
    # 选考科目（物理/化学/生物/政治/历史/地理）计数与累计
    phy_count = models.IntegerField(null=True, blank=True)
    chem_count = models.IntegerField(null=True, blank=True)
    bio_count = models.IntegerField(null=True, blank=True)
    pol_count = models.IntegerField(null=True, blank=True)
    his_count = models.IntegerField(null=True, blank=True)
    geo_count = models.IntegerField(null=True, blank=True)

class Admission(models.Model):
    college = models.CharField(max_length=128)       # 院校名称
    major = models.CharField(max_length=128, null=True, blank=True)
    plan = models.IntegerField(null=True, blank=True) # 投档计划数
    min_rank = models.IntegerField(null=True, blank=True)
    province = models.CharField(max_length=50, null=True, blank=True)
    is_985 = models.CharField(max_length=10, null=True, blank=True)
    is_211 = models.CharField(max_length=10, null=True, blank=True)
    is_double = models.CharField(max_length=10, null=True, blank=True) # 双一流

4.2 一键导入数据（CSV）

# gaokao/management/commands/import_gaokao_data.py
class Command(BaseCommand):
    help = '自动导入高考一分一段表和投档情况表数据（包含所有字段）'

    def handle(self, *args, **options):
        # 清空旧数据
        ScoreSegment.objects.all().delete()
        Admission.objects.all().delete()
        # 导入一分一段表与投档表 ...（略）

执行导入：

python manage.py import_gaokao_data

五、视图与路由：从数据到页面

5.1 典型视图：投档情况分析

# gaokao/views.py（节选）
from django.db.models import Count, Sum

def admission_analysis(request):
    admissions = Admission.objects.all().order_by('-plan')[:100]
    type_stats = Admission.objects.values('type').annotate(count=Count('id')).order_by('-count')[:10]
    province_stats = (Admission.objects.values('province')
                      .annotate(college_count=Count('college', distinct=True), total_plan=Sum('plan'))
                      .filter(province__isnull=False).exclude(province='')
                      .order_by('-total_plan')[:15])
    return render(request, 'gaokao/admission_analysis.html', {
        'admissions': admissions,
        'type_stats': type_stats,
        'province_stats': province_stats,
    })

5.2 AJAX 检索：院校搜索

# gaokao/views.py（节选）
from django.http import JsonResponse
from django.db.models import Q

def ajax_college_search(request):
    query = request.GET.get('q', '')
    results = []
    if query and len(query) >= 2:
        colleges = Admission.objects.filter(
            Q(college__icontains=query) | Q(ename__icontains=query) | Q(province__icontains=query) | Q(city__icontains=query)
        ).values('college', 'ename', 'province', 'city')[:100]
        # 后端去重（兼容不同数据库）
        seen = set()
        for c in colleges:
            name = c['college']
            if name and name not in seen:
                seen.add(name)
                results.append({
                    'college': name,
                    'ename': c['ename'] or '',
                    'province': c['province'] or '',
                    'city': c['city'] or '',
                })
            if len(results) >= 10:
                break
    return JsonResponse({'results': results})

5.3 路由总览

# gaokao/urls.py（节选）
urlpatterns = [
    path('', views.dashboard, name='dashboard'),
    path('score_distribution/', views.score_distribution, name='score_distribution'),
    path('admission_analysis/', views.admission_analysis, name='admission_analysis'),
    path('college_search/', views.college_search, name='college_search'),
    path('ajax_college_search/', views.ajax_college_search, name='ajax_college_search'),
    path('score_analysis/', views.score_analysis, name='score_analysis'),
    path('subject_analysis/', views.subject_analysis, name='subject_analysis'),
    path('college_ranking/', views.college_ranking, name='college_ranking'),
    path('region_analysis/', views.region_analysis, name='region_analysis'),
    path('major_analysis/', views.major_analysis, name='major_analysis'),
]

六、可视化展示：前端 ECharts 与后端 pyecharts 双栈

系统同时支持两种可视化方式，满足「高交互」与「低耦合服务端渲染」两类场景。

6.1 前端 ECharts（模板中脚本渲染）

示例页面：templates/gaokao/score_distribution.html（预留方案，可按需新建）

<div id="scoreBar" style="width:100%;height:420px;"></div>
<script src="/html/assets/modules/echarts/echarts.min.js"></script>
<script>
  const scores = {{ scores|safe }};
  const counts = {{ counts|safe }};
  const chart = echarts.init(document.getElementById('scoreBar'));
  chart.setOption({
    title: { text: '分数段人数分布', left: 'center' },
    tooltip: { trigger: 'axis' },
    xAxis: { type: 'category', data: scores },
    yAxis: { type: 'value' },
    dataZoom: [{ type: 'slider' }, { type: 'inside' }],
    series: [{ name: '人数', type: 'bar', data: counts, itemStyle: { color: '#5470C6' } }]
  });
  window.addEventListener('resize', () => chart.resize());
</script>

• 数据来源：视图 score_distribution 将 scores、counts 注入模板上下文
• 交互增强：开启 dataZoom、tooltip 与自适应 resize

6.2 后端 pyecharts（服务端生成 HTML 片段）

示例：热门专业词云（已在 views.major_analysis 使用）

from pyecharts.charts import WordCloud
from pyecharts import options as opts

words = [(item['major'], item['total_plan']) for item in hot_majors_extended]
wordcloud = (
    WordCloud()
    .add('', words, word_size_range=[15, 100], shape='circle')
    .set_global_opts(title_opts=opts.TitleOpts(title='专业热度词云', pos_left='center'))
)
wordcloud_html = wordcloud.render_embed()  # 在模板中 {{ wordcloud_html|safe }}

模板中直接嵌入：

<div class="card">
  <div class="card-header">专业热度词云</div>
  <div class="card-body">{{ wordcloud_html|safe }}</div>
</div>

6.3 地图可视化（预留）

• 方案一：ECharts Map，加载中国地图 JSON，渲染省份投档计划合计
• 方案二：pyecharts Map，后端生成，适用于导出报表

预留模板片段：

<div id="provinceMap" style="width:100%;height:520px;"></div>
<script>
  const mapData = [
    // 示例：[{ name: '山东', value: 12345 }, ...]
    {{ province_stats|safe }}
  ];
  // TODO: 按需加载地图 JSON 并完成 setOption
</script>

七、运行与部署

7.1 本地运行

git clone <repo>
cd code
python -m venv venv
venv\Scripts\activate   # Windows
pip install -r requirements.txt

# 创建数据库（示例）
# MySQL 中创建 design_281_gaokao 并配置 settings.py 连接
python manage.py makemigrations && python manage.py migrate
python manage.py createsuperuser
python manage.py import_gaokao_data
python manage.py runserver

访问：http://localhost:8000/（前台） 与 http://localhost:8000/admin/（后台）

7.2 生产部署（示例）

pip install gunicorn
gunicorn gaokao_project.wsgi:application --bind 0.0.0.0:8000

Nginx 反向代理（示例）：

server {
  listen 80;
  server_name your_domain.com;
  location /static/ { alias /path/to/project/static/; }
  location / { proxy_pass http://127.0.0.1:8000; }
}

八、数据校验与质量评估

运行 check_stats.py 进行快速体检：

python check_stats.py

示例输出关注点：总院校数、985/211/双一流数量、字段值分布，辅助识别异常值与缺失。

九、性能优化与安全实践

• 数据库：关键字段加索引（如 ScoreSegment.score）、避免 N+1、使用聚合查询
• 缓存：热门统计与下拉列表可使用 redis 缓存
• 前端：图表按需加载、CDN 静态资源、异步加载与懒加载
• 安全：启用 CSRF、精简密码验证器但保留最小长度，管理端仅对内网或白名单开放
• 部署：收集静态文件、合理的 ALLOWED_HOSTS、关闭 DEBUG

十、可扩展性设计与后续规划

• 更多图表：趋势对比（历年分数线）、桑基图（专业去向）、箱线图（分布概览）
• 智能推荐：结合位次与科目偏好给出院校/专业组合建议
• 导出能力：导出 Excel/PDF 报告
• 多数据源：支持 CSV/Excel/API 多源对接与增量更新

预留接口（示例）：

# gaokao/views.py（建议新增）
def api_statistics(request):
    """统一统计 API：供前端跨页图表按需拉取"""
    # TODO: 聚合 Admission / ScoreSegment 并返回 JSON
    return JsonResponse({"ok": True, "data": {}})

十一、致谢与版权说明

• 本系统数据来自公开渠道，仅用于学习与研究，勿作商业用途。
• 致谢 Django、ECharts、pyecharts、Bootstrap、SimpleUI 等优秀开源项目。

十二、联系方式

• 码界筑梦坊各大平台同名

— 期待你的反馈与 Star，欢迎 Fork 与二开！