333-基于Python的城市生态环境数据可视化分析系统

本系统是一个面向城市生态环境数据的多维可视化分析平台，涵盖空气质量、水质指标、噪声水平、绿化率、气象因素等 19 项环境指标，支持 20 个城市、15 种区域类型的数据分析。系统提供从基础数据浏览到高级统计建模的完整分析链路，包括描述性统计、回归分析、异常检测、聚类分析、时间序列预测等功能。

装一袋星辰大海

686人浏览 · 2026-03-01 09:58:06

装一袋星辰大海 · 2026-03-01 09:58:06 发布

城市生态环境数据可视化分析系统 — 技术文档

一、项目概述

项目信息	详情
项目编号	333
项目名称	基于Python的城市生态环境数据可视化分析系统
技术栈	FastAPI + Bootstrap 5 + ECharts + MySQL
运行端口	8333
数据库名	design_333_city_environment
默认管理员	admin / admin123
Python版本	3.9+

1.1 系统简介

1.2 核心功能模块

模块	状态	说明
数据分析（analytics）	✅ 启用	6 个基础分析页面 + 4 个扩展分析页面
数据管理（data_manage）	✅ 启用	数据 CRUD + CSV 批量导入
统计检验（statistical_analysis）	✅ 启用	正态性、t 检验、ANOVA、卡方检验
回归分析（regression）	✅ 启用	多元线性回归 + VIF 诊断
异常检测（anomaly_detection）	✅ 启用	IQR + Z-Score 异常标记
同比环比（comparative）	✅ 启用	时段对比、增长趋势、移动平均
聚类分析（clustering）	✅ 启用	K-Means / DBSCAN
时间序列（timeseries）	✅ 启用	季节分解 + ARIMA 预测
报告导出（report_export）	✅ 启用	Excel / PDF 报告生成

二、技术架构

2.1 整体架构

┌─────────────────────────────────────────────────────┐
│                   浏览器（前端）                      │
│   Bootstrap 5 + ECharts + Jinja2 模板渲染             │
└───────────────────────┬─────────────────────────────┘
                        │ HTTP
┌───────────────────────▼─────────────────────────────┐
│                  FastAPI 路由层                       │
│   main.py — 路由分发、Session 鉴权、数据转换          │
├─────────────┬──────────────┬────────────────────────┤
│  database.py│  shared/*.py │  templates/*.html       │
│  MySQL CRUD │  纯Python分析 │  Jinja2 前端模板        │
└─────────────┴──────────────┴────────────────────────┘

2.2 目录结构

code/
├── main.py                  # FastAPI 主应用（33 个路由）
├── database.py              # MySQL 数据库操作类
├── config.yaml              # 项目配置文件
├── run.py                   # 启动入口
├── requirements.txt         # Python 依赖
├── data/
│   └── city_environmental_data.csv   # 原始数据集（22列）
├── shared/                  # 核心分析模块（纯Python，框架无关）
│   ├── analysis_core.py     # 基础数据分析（分布、相关性）
│   ├── stats_core.py        # 统计检验（正态、t检验、ANOVA、卡方）
│   ├── regression_core.py   # 回归分析（线性/多元、VIF诊断）
│   ├── anomaly_core.py      # 异常检测（IQR、Z-Score）
│   ├── comparative_core.py  # 同比环比（时段对比、增长趋势）
│   ├── clustering_core.py   # 聚类分析（K-Means、DBSCAN）
│   ├── timeseries_core.py   # 时间序列（分解、ARIMA预测）
│   └── report_core.py       # 报告导出（Excel、PDF）
├── templates/               # Jinja2 模板（24 个文件）
│   ├── base.html            # 基础布局（导航栏、全局样式）
│   ├── index.html           # 首页
│   ├── login.html           # 登录页
│   ├── register.html        # 注册页
│   ├── profile.html         # 个人资料
│   ├── edit_profile.html    # 编辑资料
│   ├── change_password.html # 修改密码
│   ├── analytics.html       # 分析概览
│   ├── city_distribution.html    # 城市分布
│   ├── air_quality.html          # 空气质量
│   ├── water_quality.html        # 水质分析
│   ├── environment_factors.html  # 环境因素
│   ├── correlations.html         # 相关性分析
│   ├── stat_analysis.html        # 统计检验
│   ├── regression_analysis.html  # 回归分析
│   ├── anomaly_analysis.html     # 异常检测
│   ├── comparative_analysis.html # 同比环比
│   ├── clustering.html           # 聚类分析
│   ├── timeseries.html           # 时间序列
│   ├── reports.html              # 报告导出
│   ├── data_manage.html          # 数据管理
│   ├── data_manage_edit.html     # 数据编辑
│   ├── admin/dashboard.html      # 管理控制台
│   └── admin/users.html          # 用户管理
├── static/
│   ├── css/
│   │   ├── bootstrap.min.css
│   │   ├── bootstrap-icons.css   # 精简版（约400图标）
│   │   └── style.css             # 主题样式（CSS变量驱动）
│   ├── js/
│   │   ├── bootstrap.bundle.min.js
│   │   └── echarts.min.js
│   ├── fonts/
│   └── image/
├── reports/                 # 生成的报告存储目录
└── docs/                    # 项目文档
    ├── 技术文档.md
    ├── api.md               # API 接口文档
    ├── design-system.md     # UI 设计系统
    ├── dev-rules.md         # 开发规范
    └── acceptance-report.md # 验收报告

2.3 依赖清单

分类	依赖包	用途
Web框架	fastapi, uvicorn, starlette	HTTP 服务、ASGI
模板	jinja2	服务端页面渲染
表单	python-multipart	文件上传、表单解析
鉴权	passlib[bcrypt]	密码哈希
配置	PyYAML	读取 config.yaml
数据库	pymysql	MySQL 连接
数据处理	pandas, numpy	数据清洗、计算
统计分析	scipy	统计检验（正态、t、F、卡方）
机器学习	scikit-learn	聚类（K-Means、DBSCAN）、异常检测
时间序列	statsmodels	季节分解、ARIMA 预测
报告导出	openpyxl, reportlab	Excel / PDF 生成

2.4 演示图片

在这里插入图片描述

三、数据集说明

3.1 数据概况

文件: data/city_environmental_data.csv
编码: UTF-8 with BOM
记录数: 10,000 条
城市数: 20 个（北京、上海、广州、深圳、成都、杭州、武汉、南京、重庆、天津、苏州、西安、长沙、青岛、郑州、大连、厦门、昆明、合肥、福州）
区域类型: 15 种（城区、郊区、新区、开发区、工业区、商业区、住宅区、生态区、科技园区、文教区、港口区、旅游区、农业区、物流区、金融区）

3.2 字段清单

字段名	中文名	类型	单位	数值范围
id	编号	自增主键	—	—
city_name	城市名称	分类	—	20 个城市
district	区域	分类	—	15 种类型
date	日期	文本	—	—
aqi	空气质量指数	数值	—	10~300
pm2_5	PM2.5浓度	数值	μg/m³	3~250
pm10	PM10浓度	数值	μg/m³	5~400
so2	二氧化硫浓度	数值	μg/m³	1~100
no2	二氧化氮浓度	数值	μg/m³	5~120
co	一氧化碳浓度	数值	mg/m³	0.1~5.0
o3	臭氧浓度	数值	μg/m³	10~300
water_quality_index	水质指数	数值	—	1~5
ph_value	pH值	数值	—	5~10
turbidity	浊度	数值	NTU	0.5~20
dissolved_oxygen	溶解氧	数值	mg/L	2~15
nitrogen_compound	氮化物浓度	数值	mg/L	0~10
noise_level	噪声水平	数值	dB	30~90
green_coverage_rate	绿化覆盖率	数值	%	10~60
temperature	温度	数值	℃	-10~42
humidity	湿度	数值	%	15~100
wind_speed	风速	数值	m/s	0~20
rainfall	降雨量	数值	mm	—

四、数据库设计

4.1 users 表（用户表）

CREATE TABLE users (
    id INT PRIMARY KEY AUTO_INCREMENT,
    username VARCHAR(100) UNIQUE NOT NULL,
    email VARCHAR(200) UNIQUE NOT NULL,
    password_hash VARCHAR(200) NOT NULL,
    role VARCHAR(20) DEFAULT 'user',          -- 'user' | 'admin'
    status VARCHAR(20) DEFAULT 'active',      -- 'active' | 'disabled'
    avatar VARCHAR(500) DEFAULT '',
    last_login_at DATETIME NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

4.2 data 表（环境数据表）

根据 config.yaml 中的 features 配置动态建表，包含所有 22 个字段的对应列。系统启动时自动检测列结构，若与配置不一致则重建表。

4.3 数据库操作方法汇总

方法名	功能	权限
`init_database()`	建表、初始化默认管理员	系统
`register_user()`	注册新用户	公开
`authenticate_user()`	登录认证（更新 last_login_at）	公开
`get_user_by_id()`	获取用户信息	登录
`update_profile()`	修改邮箱、头像	登录
`change_password()`	修改密码（需旧密码）	登录
`get_all_users()`	获取全部用户列表	管理员
`update_user_role()`	修改角色	管理员
`update_user_status()`	启用/禁用用户	管理员
`reset_password()`	重置密码	管理员
`delete_user()`	删除用户	管理员
`get_user_count()`	用户总数	管理员
`get_today_login_count()`	今日登录数	管理员
`get_active_user_count()`	7日活跃用户数	管理员
`get_recent_users()`	最近注册用户	管理员
`get_dataset_data()`	分页查询数据（支持搜索）	管理员
`add_dataset_record()`	新增记录	管理员
`get_dataset_record()`	获取单条记录	管理员
`update_dataset_record()`	更新记录	管理员
`delete_dataset_record()`	删除记录	管理员
`get_dataset_count()`	数据总条数	管理员
`import_csv()`	CSV 批量导入（200条/批）	管理员

五、路由接口清单

5.1 认证与用户（11 个）

方法	路径	功能	权限
GET	`/`	首页	公开
GET	`/login`	登录页	公开
POST	`/login`	登录提交	公开
GET	`/register`	注册页	公开
POST	`/register`	注册提交	公开
GET	`/logout`	退出登录	登录
GET	`/profile`	个人资料	登录
GET/POST	`/edit_profile`	编辑资料	登录
GET/POST	`/change_password`	修改密码	登录

5.2 数据分析（2 + 9 个分析页）

方法	路径	功能	类型
GET	`/analytics`	分析概览（卡片导航）	—
GET	`/analytics/city_distribution`	城市分布分析	基础分析
GET	`/analytics/air_quality`	空气质量分析	基础分析
GET	`/analytics/water_quality`	水质分析	基础分析
GET	`/analytics/environment_factors`	环境因素分析	基础分析
GET	`/analytics/correlations`	相关性分析	基础分析
GET	`/analytics/stat_tests`	统计检验分析	statistical
GET	`/analytics/regression_analysis`	回归分析	regression
GET	`/analytics/anomaly`	异常值检测	anomaly
GET	`/analytics/period_compare`	同比环比分析	comparative

5.3 独立分析模块（7 个）

方法	路径	功能
GET	`/clustering`	聚类分析页面
POST	`/clustering/run`	执行聚类算法
GET	`/timeseries`	时间序列分析页面
POST	`/timeseries/forecast`	执行时序预测
GET	`/reports`	报告导出页面
POST	`/reports/generate`	生成 Excel/PDF 报告
GET	`/reports/download/{filename}`	下载报告文件

5.4 数据管理（7 个）

方法	路径	功能	权限
GET	`/data_manage`	数据列表（分页、搜索）	管理员
GET	`/data_manage/add`	新增数据表单	管理员
POST	`/data_manage/add`	新增数据提交	管理员
GET	`/data_manage/edit/{id}`	编辑数据表单	管理员
POST	`/data_manage/edit/{id}`	编辑数据提交	管理员
POST	`/data_manage/delete/{id}`	删除数据记录	管理员
POST	`/data_manage/import_csv`	CSV 文件导入	管理员

5.5 管理后台（7 个）

方法	路径	功能
GET	`/admin`	管理控制台（统计卡片）
GET	`/admin/users`	用户管理列表
POST	`/admin/users/{id}/role`	修改用户角色
POST	`/admin/users/{id}/status`	启用/禁用用户
POST	`/admin/users/{id}/reset_password`	重置用户密码
POST	`/admin/users/{id}/delete`	删除用户
POST	`/admin/users/create`	创建新用户

六、分析模块详细说明

6.1 基础数据分析（analysis_core.py）

用于 5 个基础分析页面（城市分布、空气质量、水质、环境因素、相关性）。

方法	功能	输出
`overview()`	数据概览	行数、列数、缺失值比例
`numeric_distribution()`	数值分布直方图	labels、counts、统计量
`category_distribution()`	分类分布	{value: count}
`correlation_matrix()`	相关性矩阵	皮尔逊相关系数矩阵

路由层（main.py）在传递给模板前会进行数据转换：

category_distribution 从 {value: count} 转为 {values: [], counts: []}
为每个数值分布补充 .values（采样原始值）和 .stats（描述性统计）
按分类列分组聚合数值列均值生成 group_stats

6.2 统计检验（stats_core.py）

方法	功能	输出关键字段
`descriptive_stats()`	描述性统计	count, mean, std, min, q1, median, q3, max, skewness, kurtosis
`normality_test()`	Shapiro-Wilk 正态性检验	statistic (W值), p_value, is_normal
`ttest()`	独立样本 t 检验	statistic, p_value, significant
`anova()`	单因素方差分析	f_statistic, p_value, significant, groups
`chi_square()`	卡方独立性检验	chi2, dof, p_value, significant

路由层自动补充：

ANOVA：按 city_name 分组，检验第一个数值列的组间差异
t 检验：取前两个城市对比第一个数值列
卡方检验：检验 city_name 与 district 之间的独立性

6.3 回归分析（regression_core.py）

方法	功能	输出关键字段
`multiple_regression()`	多元线性回归	r_squared, adj_r_squared, f_statistic, coefficients, intercept
`diagnostics()`	回归诊断	vif（方差膨胀因子）, residuals

当前配置：

目标变量: aqi（空气质量指数）
预测变量: pm2_5, pm10, no2, temperature, wind_speed, green_coverage_rate

路由层补充计算 actual / predicted / residuals 数组用于散点图和残差图。

6.4 异常检测（anomaly_core.py）

方法	功能	输出关键字段
`iqr_detection()`	IQR 四分位距法	outlier_count, outlier_pct, lower_bound, upper_bound
`zscore_detection()`	Z-Score 标准差法	outlier_count, outlier_pct
`summary()`	汇总检测结果	iqr + zscore 综合报告

检测列：aqi, pm2_5, pm10, water_quality_index, noise_level, temperature

路由层将数据转换为 {summary: {col: {...}}, details: {col: {iqr: {values, anomaly_indices, bounds}}}} 结构，散点图标记正常值（绿色）和异常值（红色），并显示 IQR 上下界虚线。

6.5 同比环比（comparative_core.py）

方法	功能	输出关键字段
`period_comparison()`	时段对比	periods, values, yoy_pct, mom_pct
`growth_trend()`	增长趋势	labels, series[{values, growth_rates}]
`moving_average()`	移动平均	labels, original, averages[{window, values}]

配置：

日期列: date
值列: aqi, water_quality_index, noise_level
聚合周期: month
移动平均窗口: 7日 / 30日

6.6 聚类分析（clustering_core.py）

方法	功能	输出关键字段
`find_optimal_k()`	肘部法 + 轮廓系数确定最优 K	elbow, silhouette, suggested_k
`kmeans()`	K-Means 聚类	k, silhouette_score, centers, scatter_data, profile
`dbscan()`	DBSCAN 密度聚类	n_clusters, n_noise, scatter_data, profile

聚类特征列：aqi, pm2_5, pm10, water_quality_index, noise_level, green_coverage_rate, temperature

DBSCAN 噪声点（label=-1）在散点图中用灰色小圆点区分，轮廓系数排除噪声点后计算。

6.7 时间序列（timeseries_core.py）

方法	功能	输出关键字段
`decompose()`	季节性分解	dates, observed, trend, seasonal, residual
`arima_forecast()`	ARIMA 预测	historical, forecast (含置信区间)
`moving_averages()`	多窗口移动平均	labels, original, averages

配置：

日期列: date
可分析指标: aqi, water_quality_index
默认预测期数: 12 期

6.8 报告导出（report_core.py）

方法	功能	输出
`generate_excel()`	生成 Excel 报告	.xlsx 文件路径
`generate_pdf()`	生成 PDF 报告	.pdf 文件路径
`list_reports()`	列出已生成报告	[{filename, format, size_kb, created}]

报告内容可选：数据概览、空气质量分析、水质分析、相关性分析、统计检验、异常检测。

七、前端设计系统

7.1 主题色

变量名	色值	用途
`--primary`	#059669	主色（翠绿）
`--primary-light`	#34D399	浅色变体
`--primary-dark`	#047857	深色变体
`--primary-darker`	#065F46	更深变体
`--shadow-primary`	rgba(5,150,105,0.25)	阴影色
`--bg-main`	#f0fdf4	页面背景

7.2 ECharts 配色数组

所有图表页面统一使用：

var chartColors = ['#059669', '#10B981', '#34D399', '#6EE7B7', '#A7F3D0',
                   '#047857', '#065F46', '#064E3B', '#0D9488', '#14B8A6'];

7.3 核心组件

组件	CSS 类名	用途
页头	`.page-header`	每页顶部图标 + 标题 + 描述
统计卡片	`.stat-card`	数字指标展示（4色变体）
图表容器	`.chart-container`	ECharts 图表外框
卡片	`.card`	Bootstrap 标准卡片
表格	`.table`	数据展示表格
认证页	`.auth-container`	登录/注册独立布局
空状态	`.empty-state`	无数据占位提示

7.4 导航栏结构

┌─ 首页
├─ 数据分析 ▼
│   ├─ 分析概览
│   ├─ 城市分布
│   ├─ 空气质量
│   ├─ 水质分析
│   ├─ 环境因素
│   └─ 相关性分析
├─ 扩展分析 ▼
│   ├─ 统计检验
│   ├─ 回归分析
│   ├─ 异常检测
│   └─ 同比环比
├─ 聚类分析
├─ 时间序列
├─ 报告导出
└─ 用户菜单 ▼
    ├─ [管理员] 管理后台
    ├─ [管理员] 用户管理
    ├─ [管理员] 数据管理
    ├─ 个人资料
    └─ 退出登录

八、数据流转机制

8.1 分析页面数据流

CSV 文件 → shared/*_core.py（纯Python分析）
         → main.py 路由层（数据结构转换）
         → Jinja2 模板（JSON 注入 <script>）
         → ECharts 渲染图表

核心设计原则：shared 模块返回自己的数据结构，main.py 路由层负责将其转换为前端模板期望的格式。这样 shared 模块可以跨项目复用，模板也可以独立开发。

8.2 分析页面类型分发

/analytics/{page_route} 路由通过 config.yaml 中每个分析页的 type 字段进行分发：

type 值	分发目标	数据源
空或不设置	analysis_core.py	CSV 直读
statistical	stats_core.py	CSV 直读
regression	regression_core.py	CSV 直读
anomaly	anomaly_core.py	CSV 直读
comparative	comparative_core.py	CSV 直读

8.3 字段中文映射

系统全局维护 FIELD_MAPPING 字典（从 config.yaml 的 features 构建），所有分析模板通过 fieldMapping JS 变量和 cn() 函数将英文字段名转为中文标签显示。

九、安全机制

9.1 认证与授权

机制	实现
密码存储	bcrypt 单向哈希（passlib）
会话管理	Starlette SessionMiddleware（Cookie-based）
角色控制	user（普通用户）/ admin（管理员）
权限检查	`require_login()` / `require_admin()` 路由级检查
密码可见	登录/注册页面支持密码显示/隐藏切换

9.2 权限矩阵

功能	游客	普通用户	管理员
首页	✅	✅	✅
登录/注册	✅	—	—
数据分析	❌	✅	✅
聚类/时序/报告	❌	✅	✅
个人资料	❌	✅	✅
数据管理	❌	❌	✅
管理后台	❌	❌	✅
用户管理	❌	❌	✅

十、部署与运行

10.1 环境准备

# 1. 创建 MySQL 数据库
CREATE DATABASE design_333_city_environment
  CHARACTER SET utf8mb4
  COLLATE utf8mb4_unicode_ci;

# 2. 安装 Python 依赖
cd F:\code\333-基于Python的城市生态环境数据可视化分析系统\code
pip install -r requirements.txt

# 3. 启动服务
python run.py

10.2 访问地址

地址	说明
http://localhost:8333	系统首页
http://localhost:8333/login	登录页面
http://localhost:8333/admin	管理控制台

10.3 默认账号

角色	用户名	密码
管理员	admin	admin123

10.4 配置说明

所有可变配置集中在 config.yaml，包括：

项目基本信息（名称、描述）
数据库连接参数
数据集文件名和字段定义
分析页面路由和列配置
模块启用/禁用开关
聚类/时序参数

修改配置后重启服务即可生效，无需修改代码。

十一、管理控制台

11.1 控制台统计卡片

指标	数据来源
注册用户	`users` 表总行数
数据记录	`data` 表总行数
今日登录	`last_login_at` 为当天的用户数
7日活跃	`last_login_at` 在最近 7 天内的用户数

11.2 用户管理功能

查看全部用户（用户名、邮箱、角色、状态、注册时间、最后登录）
修改角色（user ↔ admin）
启用/禁用账户
重置密码（默认重置为 123456）
删除用户
创建新用户

11.3 数据管理功能

分页浏览数据（20 条/页，省略号分页）
关键词搜索（城市/区域模糊匹配）
新增/编辑/删除单条记录
CSV 文件批量导入（200 条/批事务提交）

十二、项目文档清单

文件	说明
`docs/技术文档.md`	本文档，系统完整技术说明
`docs/api.md`	API 接口文档（前后端契约）
`docs/design-system.md`	UI 设计系统（配色、字体、组件规范）
`docs/dev-rules.md`	开发规范（前端规范、后端规范、验收清单）
`docs/acceptance-report.md`	验收报告（16 项检查结果）
`docs/backend-log.md`	后端开发日志
`docs/frontend-log.md`	前端开发日志

腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

腾讯云开发者社区

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git

腾讯云开发者社区

所有评论(0)

查看更多评论

装一袋星辰大海

@qq_53846367

已为社区贡献44条内容

333-基于Python的城市生态环境数据可视化分析系统

装一袋星辰大海

城市生态环境数据可视化分析系统 — 技术文档

一、项目概述

1.1 系统简介

1.2 核心功能模块

二、技术架构

2.1 整体架构

2.2 目录结构

2.3 依赖清单

2.4 演示图片

三、数据集说明

3.1 数据概况

3.2 字段清单

四、数据库设计

4.1 users 表（用户表）

4.2 data 表（环境数据表）

4.3 数据库操作方法汇总

五、路由接口清单

5.1 认证与用户（11 个）

5.2 数据分析（2 + 9 个分析页）

5.3 独立分析模块（7 个）

5.4 数据管理（7 个）

5.5 管理后台（7 个）

六、分析模块详细说明

6.1 基础数据分析（analysis_core.py）

6.2 统计检验（stats_core.py）

6.3 回归分析（regression_core.py）

6.4 异常检测（anomaly_core.py）

6.5 同比环比（comparative_core.py）

6.6 聚类分析（clustering_core.py）

6.7 时间序列（timeseries_core.py）

6.8 报告导出（report_core.py）

七、前端设计系统

7.1 主题色

7.2 ECharts 配色数组

7.3 核心组件

7.4 导航栏结构

八、数据流转机制

8.1 分析页面数据流

8.2 分析页面类型分发

8.3 字段中文映射

九、安全机制

9.1 认证与授权

9.2 权限矩阵

十、部署与运行

10.1 环境准备

10.2 访问地址

10.3 默认账号

10.4 配置说明

十一、管理控制台

11.1 控制台统计卡片

11.2 用户管理功能

11.3 数据管理功能

十二、项目文档清单

所有评论(0)

温馨提示：您尚未绑定手机号

装一袋星辰大海