毕业设计非要我这个前端写数据分析？写了还不合格，哭了

前言

我在大三时候去了一家互联网公司做 前端实习生。现在大四了。

本着对 前端甚至服务端 无比感兴趣的我，硬是被要求毕业设计必须要有 数据分析（python，不限环境 如:Flask、Django、spark都可以

相关文章

自动化部署脚本-bash
Mocha node.js的单元测试
前端也要掌握的jwt登录校验

好好好，这样玩？ 那可别怪我 chat-gpt 的强大了

注：想了解 Python 可以跳过设计思路看 大为震惊

---

先贴地址

交作业啦-前端：->这里是前端代码地址
交作业啦-后端&接口文档：->这里有更详细的文档介绍

也累计了500+次提交啦，感兴趣可以关注一下~
项目地址：

1. ->接口文档
2. ->交作业啦

设计思路

名称：交作业啦H5

软件： 帮可怜的学委收一下作业

1. 同学交作业
2. 总裁收作业
3. 老师发布作业

整体从这三项大方向上延伸，如：各个方向的数据分析（老师和学生都有）、反馈系统、上传用户、权限配置、作业统计等...

技术选型

• 前端：Vue3 、Vite4、TS、JSX、vueRouter、axios、Echarts、sass
• 后端：Node.js、Express 、 express-validator、jwt、nodemailer、Mocha
• 数据分析：Python、Flask、mongoDB
• 接口文档：React、vite、react-router、sass-loader、hooks
• 服务器：腾讯云
• 技术脚本：Bash自动化部署脚本（shell）、COS

注：数据分析引用技术 pandas、PyMongo、KMeans、矩阵分析、聚类分析、模型训练等

数据设计思路

学生相关

老师相关

接口文档设计

UI界面

React组件封装(没用第三方 除了react-json-view)

组件 如： Message、Notion、Menu等 hooks 如：useCopy(一键复制)、useMove(手指滑动)、useScroll(鼠标滚动)

---

大为震惊

本专业学习的 python 使用起来竟然如此 简单 方便？

虽然之前有过 Ruby 这种动态语言的使用经验，但还是被 python 的生态惊艳到了！

我用几个示例展示：这并不仅仅是语言的简易方便，并且非常语义化

1. 示例1：请求

import requests

# 发送GET请求
response = requests.get("https://www.example.com")

# 检查响应状态码
if response.status_code == 200:
    # 打印响应内容
    print(response.text)
else:
    print("请求失败，状态码:", response.status_code)

2. 示例2：使用Pillow库，你可以进行图像处理操作，如打开、调整大小、裁剪等。展示如何打开图像文件并调整其大小：

from PIL import Image

# 打开图像
image = Image.open("image.jpg")

# 调整图像大小
resized_image = image.resize((200, 200))

# 保存调整后的图像
resized_image.save("resized_image.jpg")

3. 示例3：Flask框架的Api服务搭建

from flask import Flask

app = Flask(__name__)

@app.route('/')
def hello_world():
    return 'Hello, World!'

if __name__ == '__main__':
    app.run()

4. 示例4：分词文本并计算词频：

import nltk
from nltk.tokenize import word_tokenize
from nltk.probability import FreqDist

nltk.download('punkt')

text = "This is a simple example sentence. Tokenization is the process of splitting text into words."

# 分词
words = word_tokenize(text)

# 计算词频
freq_dist = FreqDist(words)

# 显示前10个常见词
print(freq_dist.most_common(10))

So ??? 全是库？

---

举一个🌰（ChatGPT老师全程)

1、这是一个 获取学生提交作业周频率的api 例如： 1、传入 10月10日（周二）就会去拿 10月9日（周一）到10月15日（周日）上下一周时间的提交数据 2、分析这周数据每天的提交量，最终返回

@student.route("/week")
def week_frequency():
    date = request.args.get('time')
    name = request.args.get('name')
    if not date or not name:
        return make_response(jsonify(message="date and name are required"), 400)
     # 将查询参数转换为 datetime 对象
    start_date = datetime.strptime(date, '%Y-%m-%d')
    # 计算出开始日期之前的7天的日期
    end_date = start_date - timedelta(days=7)

    # 查询在指定日期范围内的提交
    data = mongo.db.homeworks.find({"name": name, "time": {"$gte": end_date.timestamp()*1000, "$lt": start_date.timestamp()*1000}})
    data_list = []
    for item in data:
        item['_id'] = str(item['_id'])
        data_list.append(item)

    # 如果没有找到任何提交，返回一个表示没有提交的响应
    if not data_list:
        return jsonify([{"day": day, "week": 0} for day in ['周一', '周二', '周三', '周四', '周五', '周六', '周日']])

    # 将查询参数解析为 DataFrame
    df = pd.DataFrame(data_list)

    # 将 'time' 列转换为 datetime 对象
    df['time'] = pd.to_datetime(df['time'], unit='ms')

    # 添加一列来表示一周中的哪一天（1代表周一，7代表周日）
    df['day_of_week'] = df['time'].dt.dayofweek + 1

    # 创建一个字典，将数字映射到对应的星期几
    days = {1: '周一', 2: '周二', 3: '周三', 4: '周四', 5: '周五', 6: '周六', 7: '周日'}

    # 使用这个字典来替换 'day_of_week' 列中的值
    df['day_of_week'] = df['day_of_week'].map(days)

    # 按 'day_of_week' 列进行分组，然后计算每天的提交次数
    daily_frequency = df.groupby('day_of_week')['name'].count()

    # 使用 reindex 方法来确保返回的结果包含所有的天
    daily_frequency = daily_frequency.reindex(days.values(), fill_value=0)

    # 将结果转换为 JSON 并返回
    return jsonify(daily_frequency.reset_index().rename(columns={'day_of_week': 'day', 'name': 'week'}).to_dict(orient='records'))

if ... not  
	return ...   # 这小白也看得懂吧？

还不太清楚Python语言特点？

我之前做过一个欧洲杯的课题：再看一下简单不？

# 导入Pandas库并读取Euro2012_stats.csv文件到DataFrame对象euro12
euro12 = pd.read_csv('./app/index/Euro2012_stats.csv')

# 计算不同球队的数量
num_teams = euro12['Team'].nunique()
# 获取DataFrame的列数
num_columns = euro12.shape[1]
# 创建一个新的DataFrame对象discipline，包含'Team'、'Yellow Cards'和'Red Cards'列
discipline = euro12[['Team', 'Yellow Cards', 'Red Cards']]
# 对discipline DataFrame按'Red Cards'和'Yellow Cards'列进行降序排序
discipline = discipline.sort_values(['Red Cards', 'Yellow Cards'], ascending = False)
# 计算所有球队的平均黄牌数量
average_yellow_cards = discipline['Yellow Cards'].mean()
# 选择进球数（'Goals'）大于6的球队
teams_over_6_goals = euro12[euro12['Goals'] > 6]
# 选择球队名以字母'G'开头的球队
g_teams = euro12[euro12['Team'].str.startswith('G')]
# 选择DataFrame的前7列
first_7_columns = euro12.iloc[:, :7]
# 选择DataFrame的除了最后3列以外的所有列
all_but_last_3 = euro12.iloc[:, :-3]
# 选择球队名为'England'、'Italy'和'Russia'的球队，并且只包括'Team'和'Shooting Accuracy'列
teams = ['England', 'Italy', 'Russia']
accuracy = euro12.loc[euro12['Team'].isin(teams), ['Team', 'Shooting Accuracy']]

这你还有的说嘛？ 这库一引入，多方便呐 😂

无奈💢

纵使我前前后后写了十几个接口......但我的初代项目引数据量小->不足以构成数据分析？->失败！

话虽如此：公司所有的项目从0开始就有很多数据吗？数据岗位的难道不是从数据0做起的嘛~

头疼，原本想着够选题也行 ：)