109-基于Flask的客户购物趋势分析系统

基于 Flask 的客户购物趋势分析系统：从零到一的实战落地指南（含代码与可视化）

一套现代化、可扩展的客户购物趋势分析系统：内置仪表盘、多维度分析（时间/客户/商品/交易/行为）、用户与权限管理、系统日志、数据导入，前后端风格统一、交互流畅，适合企业级数据分析与管理场景。

简介与亮点
项目结构
技术栈与依赖
架构设计与运行机制
数据模型与数据库
后端 API 设计（含代码）
前端可视化（Chart.js 片段）
仪表盘与多维度分析页
安装与部署
可视化展示预留位（占位图片/视频）
二次开发与扩展指引
性能优化与安全实践
常见问题 FAQ
许可证与联系

简介与亮点

一体化：集数据可视化、趋势洞察、用户/权限管理、系统日志于一体。
易扩展：Flask 蓝图 + 前后端分层清晰，快速新增模块和维度。
体验佳：Bootstrap 5 + 现代配色（极简白灰+橙），Chart.js 细致打磨的交互和动效。
稳定可靠：SQLAlchemy ORM + 分层日志 + 接口鉴权，保证数据与访问安全。

项目结构

text 复制代码

code/
├── app/                          # 后端核心模块
│   ├── __init__.py               # Flask 应用工厂与蓝图注册
│   ├── admin.py                  # 后台管理：用户/趋势/日志
│   ├── api.py                    # 数据分析与统计 API
│   ├── auth.py                   # 登录/注册/改密/注销
│   ├── forms.py                  # WTForms 表单
│   ├── main.py                   # 首页/仪表盘/分析入口
│   ├── models.py                 # ORM 数据模型（User/ShoppingTrends 等）
│   └── utils.py                  # 数据分析与日志工具
├── static/                       # 前端静态资源
│   ├── css/ (bootstrap.min.css, aos.css, style.css)
│   └── js/  (analysis.js, analysis_main.js, dashboard.js, ...)
├── templates/                    # 前端模板（Jinja2）
│   ├── base.html, index.html, dashboard.html, analysis*.html
│   └── admin/*, auth/*, errors/*
├── data/                         # 数据样例与探索
│   ├── shopping_trends.csv
│   └── 关于客户购物（最新趋势）数据集的探索.ipynb
├── logs/                         # 运行日志
├── uploads/                      # 上传文件
├── config.py                     # 配置（数据库/日志/会话）
├── run.py                        # 启动入口
├── requirements.txt              # 依赖
└── README.md                     # 项目说明

技术栈与依赖

后端
- Flask, Flask-SQLAlchemy, Flask-Migrate, Flask-Login, Flask-WTF, Flask-Cors, Flask-Mail
- 数据：MySQL（生产/开发），SQLite（测试）
- 数据处理：Pandas, NumPy（工具类预留）
前端
- Bootstrap 5, Chart.js, AOS（动画）
- 少量原生 JS + DOM API，统一橙色主题与阴影层级

核心依赖版本（节选，自 requirements.txt）：

text 复制代码

Flask==2.3.3
Flask-SQLAlchemy==3.0.5
Flask-Login==0.6.3
Flask-Migrate==4.0.5
Chart.js（前端静态引入）

项目演示

🅰️ 项目源码获取码界筑梦坊各大平台同名博客底部含联系方式卡片，欢迎咨询~

架构设计与运行机制

蓝图与应用工厂

python 复制代码

# app/__init__.py（节选）
db = SQLAlchemy()
login_manager = LoginManager()

def create_app(config_name='default'):
    app = Flask(__name__, template_folder=..., static_folder=...)
    app.config.from_object(config[config_name])

    db.init_app(app)
    login_manager.init_app(app)

    from app.main import main as main_blueprint
    app.register_blueprint(main_blueprint)

    from app.auth import auth as auth_blueprint
    app.register_blueprint(auth_blueprint, url_prefix='/auth')

    from app.admin import admin as admin_blueprint
    app.register_blueprint(admin_blueprint, url_prefix='/admin')

    from app.api import api as api_blueprint
    app.register_blueprint(api_blueprint, url_prefix='/api')
    return app

交互流程（Mermaid）

浏览器 Flask(后端) MySQL GET /api/stats (需登录) 聚合查询(用户/订单/销售额/评分) 统计结果 JSON { total_orders, total_sales, ... } Chart.js 渲染仪表盘浏览器 Flask(后端) MySQL

数据模型与数据库

python 复制代码

# app/models.py（节选）
class User(UserMixin, db.Model):
    __tablename__ = 'users'
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(80), unique=True, nullable=False, index=True)
    email = db.Column(db.String(120), unique=True, nullable=False, index=True)
    password_hash = db.Column(db.String(255), nullable=False)
    role = db.Column(db.String(20), default='user')  # admin, user
    is_active = db.Column(db.Boolean, default=True)
    created_at = db.Column(db.DateTime, default=datetime.utcnow)

class ShoppingTrends(db.Model):
    __tablename__ = 'shopping_trends'
    id = db.Column(db.Integer, primary_key=True)
    customer_id = db.Column(db.Integer, nullable=False, index=True)
    age = db.Column(db.Integer, nullable=False)
    gender = db.Column(db.String(10), nullable=False)
    item_purchased = db.Column(db.String(100), nullable=False)
    category = db.Column(db.String(50), nullable=False)
    purchase_amount_usd = db.Column(db.Float, nullable=False)
    location = db.Column(db.String(100), nullable=False)
    size = db.Column(db.String(10), nullable=False)
    color = db.Column(db.String(20), nullable=False)
    season = db.Column(db.String(20), nullable=False)
    review_rating = db.Column(db.Float, nullable=False)
    discount_applied = db.Column(db.String(10), nullable=False)
    promo_code_used = db.Column(db.String(10), nullable=False)
    previous_purchases = db.Column(db.Integer, nullable=False)
    payment_method = db.Column(db.String(50), nullable=False)
    frequency_of_purchases = db.Column(db.String(20), nullable=False)
    created_at = db.Column(db.DateTime, default=datetime.utcnow)

数据库配置（config.py，请更换实际密码/环境变量）：

python 复制代码

class Config:
    SQLALCHEMY_DATABASE_URI = 'mysql+pymysql://root:你的密码@localhost:3306/design_109_custom?charset=utf8mb4'
    SQLALCHEMY_TRACK_MODIFICATIONS = False

后端 API 设计（含代码）

典型统计接口：

python 复制代码

# app/api.py（节选）
@api.route('/stats', methods=['GET'])
@login_required
def get_stats():
    user_count = User.query.count()
    order_count = ShoppingTrends.query.count()
    total_amount = db.session.query(func.sum(ShoppingTrends.purchase_amount_usd)).scalar() or 0
    avg_rating = db.session.query(func.avg(ShoppingTrends.review_rating)).scalar() or 0
    return jsonify({
        'success': True,
        'data': {
            'total_customers': user_count,
            'total_orders': order_count,
            'total_sales': float(total_amount),
            'avg_rating': float(avg_rating)
        }
    })

类别销售分布：

python 复制代码

@api.route('/category-sales', methods=['GET'])
@login_required
def get_category_sales():
    results = db.session.query(
        ShoppingTrends.category,
        func.count(ShoppingTrends.id),
        func.sum(ShoppingTrends.purchase_amount_usd)
    ).group_by(ShoppingTrends.category).all()
    data = [{
        'category': c, 'count': n, 'total_amount': float(a or 0)
    } for c, n, a in results]
    return jsonify({'success': True, 'data': data})

多维度分析（时间/客户/商品/交易/行为）统一入口：

python 复制代码

@api.route('/analysis', methods=['GET'])
@login_required
def get_analysis():
    time_dim = request.args.get('time_dimension', 'all')
    customer_dim = request.args.get('customer_dimension', 'all')
    product_dim = request.args.get('product_dimension', 'all')
    transaction_dim = request.args.get('transaction_dimension', 'all')
    return jsonify({'success': True, 'data': generate_analysis_data(
        time_dim, customer_dim, product_dim, transaction_dim
    )})

前端可视化（Chart.js 片段）

主要图表初始化（Bar）：

javascript 复制代码

// static/js/analysis.js（节选）
const mainCtx = document.getElementById('mainChart').getContext('2d');
const mainChart = new Chart(mainCtx, {
  type: 'bar',
  data: { labels: [], datasets: [{ label: '数量', data: [], backgroundColor: '#ff9800', borderColor: '#f57c00', borderWidth: 2, borderRadius: 8 }] },
  options: { responsive: true, maintainAspectRatio: false }
});

仪表盘加载：

javascript 复制代码

// static/js/dashboard.js（节选）
async function loadStats() {
  const res = await fetch('/api/stats');
  const data = await res.json();
  if (data.success) {
    document.getElementById('total-sales').textContent = '$' + data.data.total_sales.toLocaleString();
  }
}

仪表盘与多维度分析页

index.html：首页英雄区 + 动效卡片 + CTA。
dashboard.html：指标卡（订单/收入/评分/客户）+ 多图联动。
analysis.html + analysis_*.html：维度选择、说明、跳转至细分页（时间/客户/商品/交易/行为）。

页面示例（维度入口卡片，来自 templates/analysis.html）：

html 复制代码

<div class="dimension-card-enhanced" data-dimension="product">
  <i class="fas fa-box"></i> 商品维度分析
  <ul>
    <li>类别销售排行</li>
    <li>颜色偏好分析</li>
    <li>尺码分布统计</li>
  </ul>
  <!-- 点击可跳转到 /analysis/product -->
  <!-- 由 analysis_main.js 处理交互与跳转 -->
  
</div>

安装与部署

1) 环境要求

Python 3.8+
MySQL 5.7+

2) 安装依赖

bash 复制代码

pip install -r requirements.txt

3) 配置数据库

sql 复制代码

CREATE DATABASE design_109_custom CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

编辑 config.py：

python 复制代码

SQLALCHEMY_DATABASE_URI = 'mysql+pymysql://root:你的密码@localhost:3306/design_109_custom?charset=utf8mb4'

4) 初始化数据（如需）

bash 复制代码

python init_data.py

5) 启动服务

bash 复制代码

python run.py

访问：http://localhost:5000

可视化展示预留位（占位）

将项目运行截图/动图放入 static/uploads/blog/，以下为占位锚点：

仪表盘总览（图1）

markdown 复制代码

![仪表盘总览](static/uploads/blog/dashboard-overview.png)

商品维度分析（图2）

markdown 复制代码

![商品维度分析](static/uploads/blog/product-analysis.png)

交易金额分布雷达图（图3）

markdown 复制代码

![交易金额分布](static/uploads/blog/transaction-radar.png)

短视频演示（图4）

markdown 复制代码

![交互演示GIF](static/uploads/blog/interaction-demo.gif)

二次开发与扩展指引

新增分析维度（后端）

在 app/api.py 增加路由与聚合查询；
若需复杂统计，可在 app/utils.py 的 DataAnalyzer 中封装；
返回统一 JSON：{ labels, data, table_data? }；
在前端使用 Chart.js 渲染对应图表。

新增页面（前端）

在 templates/ 新增 analysis_xxx.html；
在 static/js/ 新增/复用 analysis_xxx.js；
在 templates/base.html 的导航添加入口；
路由在 app/main.py 中注册页面。

新增管理功能

在 app/admin.py 新增页面与接口；
配合 templates/admin/* 页面与 static/js/admin_*.js；
通过 current_user.is_admin() 进行权限管控。

性能优化与安全实践

查询优化：对高频分组字段建索引（如 ShoppingTrends.category/gender/created_at）。
连接池：SQLALCHEMY_ENGINE_OPTIONS 设置连接池大小与预热。
鉴权：所有数据接口默认 @login_required；后台入口仅 admin 可见。
日志：RotatingFileHandler 滚动日志，logs/app.log 持续记录关键动作。
CORS：仅对前端域名开放；生产环境按需收紧策略。
配置：生产环境使用环境变量注入 SECRET_KEY、数据库密码、邮件凭据。

常见问题 FAQ

Q: MySQL 某些日期函数不兼容？
- A: 已在接口中提供 extract 与 substring 双方案回退，确保兼容性。
Q: 图表无数据/加载失败？
- A: 检查登录状态与 /api/* 返回；确认数据库中已有样例数据。
Q: 静态资源未加载？
- A: 清理浏览器缓存，检查 templates/base.html 中静态路径是否正确。

许可证与联系

许可证：MIT
联系方式（同名检索）：码界筑梦坊各大平台同名

如果这篇文章对你有帮助，欢迎收藏与分享；也期待你在"码界筑梦坊各大平台同名"找到我们，获取更多开源与实战案例。

109-基于Flask的客户购物趋势分析系统

基于 Flask 的客户购物趋势分析系统：从零到一的实战落地指南（含代码与可视化）

目录

简介与亮点

项目结构

技术栈与依赖

项目演示

架构设计与运行机制

蓝图与应用工厂

交互流程（Mermaid）

数据模型与数据库

后端 API 设计（含代码）

前端可视化（Chart.js 片段）

仪表盘与多维度分析页

安装与部署

1) 环境要求

2) 安装依赖

3) 配置数据库

4) 初始化数据（如需）

5) 启动服务

可视化展示预留位（占位）

二次开发与扩展指引

新增分析维度（后端）

新增页面（前端）

新增管理功能

性能优化与安全实践

常见问题 FAQ

许可证与联系