博主介绍：✌全网粉丝50W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅🍅**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、毕业设计：2026年计算机专业毕业设计选题汇总（建议收藏）✅
1、项目介绍
技术栈
采用 Python 语言开发，基于 Flask 框架搭建后端服务，使用 MySQL 数据库进行数据存储，前端利用 Echarts 实现数据可视化大屏展示。
功能模块
· 农产品数据分析与可视化大屏
· 个人中心
项目介绍
本系统基于 Flask 框架构建电商农产品销售数据分析与可视化平台，使用 MySQL 数据库存储农产品销售数据，前端通过 Echarts 搭建数据可视化大屏。大屏包含商品总数、平均价格等核心指标，以及关键词分析、产地品种明细、门店销量排行、商品销量趋势、热词云、价格与销量分布、品种分布玫瑰图、产地分布、关键词价值分析、门店价格统计、产地价格统计、品种价格与销量统计、热力图、门店总销量 TOP20、门店品种丰富度、关键词总销量 TOP20 等模块，多维度呈现农产品数据特征。个人中心支持用户信息编辑与头像上传。
2、项目界面
农产品数据分析与可视化大屏
该页面为农产品数据分析可视化大屏，包含商品总数、平均价格等核心指标，设有关键词分析、产地品种明细、门店销量排行、商品销量趋势、热词云、价格与销量分布等模块，直观呈现数据特征。
农产品数据分析与可视化大屏
该页面为农产品数据分析可视化大屏，包含关键词价值分析、产地品种明细、门店销量排行、商品销量趋势、产地分布、热词云、价格分布及品种分布玫瑰图模块，多维度呈现农产品数据特征。
农产品数据分析与可视化大屏
该页面为农产品数据分析可视化大屏，包含关键词出现次数与均价统计、门店价格、销量、商品数统计及产地价格统计等模块，通过多类图表直观呈现农产品不同维度数据特征。
农产品数据分析与可视化大屏
该页面为农产品数据分析可视化大屏，包含产地销量与商品数统计、品种价格与销量统计、品种商品数分布、关键词与品种热力图模块，通过图表直观呈现产地、品种维度的销量、价格等数据特征。
农产品数据分析与可视化大屏
该页面为农产品数据分析可视化大屏，包含价格与销量分布玫瑰图、门店总销量TOP20、门店品种丰富度、关键词总销量TOP20及各关键词下总销量最高的门店等模块，通过多类图表直观呈现农产品不同维度数据特征。
个人中心页
该页面为农产品数据分析系统的个人中心，提供用户名、性别、年龄、个人简介等信息编辑功能，支持头像文件上传与信息保存，同时可返回大屏或退出登录，用于管理用户个人信息。
3、项目说明
一、技术栈简要说明
本系统采用 Python 语言开发，基于 Flask 框架搭建后端服务，使用 MySQL 数据库进行数据存储，前端利用 Echarts 实现数据可视化大屏展示。
二、功能模块详细介绍
· 农产品数据分析与可视化大屏
该系统包含多个数据可视化大屏页面，全面展示农产品销售数据特征。大屏呈现商品总数、平均价格等核心指标，设有关键词分析模块，展示关键词出现次数与均价统计。产地品种明细模块清晰呈现不同产地的农产品品种分布。门店销量排行模块展示各门店的销售排名情况。商品销量趋势模块通过折线图呈现销量随时间的变化规律。热词云模块以词云形式展示高频关键词热度。价格与销量分布模块分析价格区间与销量的对应关系。产地分布模块通过图表展示各产地的商品数量与销量情况。品种分布玫瑰图直观呈现不同品种的占比结构。关键词价值分析模块评估各关键词对应的市场价值。门店价格、销量、商品数统计模块综合展示门店经营状况。产地价格统计模块分析各产地的价格水平。品种价格与销量统计模块展示不同品种的价格与销量关系。品种商品数分布模块呈现各品种的商品数量。关键词与品种热力图模块通过热力图展示关键词与品种的关联强度。价格与销量分布玫瑰图以玫瑰图形式呈现价格与销量的分布特征。门店总销量 TOP20 模块列出销量最高的前20家门店。门店品种丰富度模块评估各门店的商品种类丰富程度。关键词总销量 TOP20 模块展示销量最高的前20个关键词及各关键词下总销量最高的门店。所有模块通过柱状图、折线图、玫瑰图、热力图、词云图等多种图表形式，多维度呈现农产品数据特征。
· 个人中心
该页面为农产品数据分析系统的个人中心，提供用户名、性别、年龄、个人简介等信息编辑功能，支持头像文件上传与信息保存，同时可返回大屏或退出登录，用于管理用户个人信息，方便用户维护个人资料。
三、项目总结
本系统基于 Flask 框架构建电商农产品销售数据分析与可视化平台，使用 MySQL 数据库存储农产品销售数据，前端通过 Echarts 搭建数据可视化大屏。大屏包含商品总数、平均价格等核心指标，以及关键词分析、产地品种明细、门店销量排行、商品销量趋势、热词云、价格与销量分布、品种分布玫瑰图、产地分布、关键词价值分析、门店价格统计、产地价格统计、品种价格与销量统计、热力图、门店总销量 TOP20、门店品种丰富度、关键词总销量 TOP20 等模块，通过柱状图、折线图、玫瑰图、热力图、词云图等多种图表形式，多维度呈现农产品销售的产地、品种、门店、价格、销量、关键词等数据特征。个人中心支持用户信息编辑与头像上传。该系统为电商农产品销售分析提供了全面直观的数据可视化支持，帮助用户快速把握销售动态与市场特征。
4、核心代码
python
# coding:utf-8
from flask import Blueprint, jsonify
import pandas as pd
import mysql.connector
import jieba
from collections import Counter
import re
# 数据库配置字典
DB_CFG = dict(
host="127.0.0.1",
port=3306,
user="root",
password="123456",
database="ncp",
charset="utf8mb4"
)
def get_conn():
return mysql.connector.connect(**DB_CFG) # 建立数据库连接
def read_sql(sql, params=None):
conn = get_conn()
try:
df = pd.read_sql(sql, conn, params=params)
return df
finally:
conn.close() # 执行SQL后自动关闭数据库连接
# 创建Flask蓝图，路由前缀为 /api
big_page_bp = Blueprint("big_page", __name__, url_prefix="/api")
# 成功响应统一格式
def ok(data):
return jsonify({"success": True, "data": data})
# 失败响应统一格式（含500状态码）
def fail(msg):
return jsonify({"success": False, "error": str(msg)}), 500
# 停用词集合（过滤无意义营销类词汇）
STOPWORDS = {
"官方", "旗舰店", "店", "专营店", "专卖店", "正品", "包邮", "全国", "现货", "送", "赠", "礼盒", "礼品",
"原装", "品质", "品牌", "全新", "新款", "装", "套装", "活动", "特价", "促销", "旗舰", "官方旗舰店",
"升级版", "原版", "款", "系列", "经典", "正装", "大", "小", "便携", "家庭装", "组合", "随机", "任选",
}
# ==== /api/summary 数据概览接口 ====
@big_page_bp.route("/summary")
def api_summary():
try:
# 总商品数查询与解析
df1 = read_sql("SELECT COUNT(*) as cnt FROM ncp_data")
total_products = int(df1.iloc[0]["cnt"]) if not df1.empty else 0
# 有效商品平均价格计算（过滤price<=0的情况）
df2 = read_sql("SELECT AVG(price) as avg_price FROM ncp_data WHERE price > 0")
avg_price = round(float(df2.iloc[0]["avg_price"]), 2) if not df2.empty and pd.notna(
df2.iloc[0]["avg_price"]) else 0
# 总销量统计
df3 = read_sql("SELECT SUM(sales) as total_sales FROM ncp_data")
total_sales = int(df3.iloc[0]["total_sales"]) if not df3.empty and pd.notna(df3.iloc[0]["total_sales"]) else 0
# distinct 门店数量统计
df4 = read_sql("SELECT COUNT(DISTINCT store) as cnt FROM ncp_data")
store_count = int(df4.iloc[0]["cnt"]) if not df4.empty else 0
return ok({
"total_products": total_products,
"avg_price": avg_price,
"total_sales": total_sales,
"store_count": store_count
})
except Exception as e:
return fail(e)
# ==== /api/keyword_trends 关键词分析接口（左上） ====
@big_page_bp.route("/keyword_trends")
def api_keyword_trends():
try:
views = []
# 关键词出现次数TOP15查询
df1 = read_sql("""
SELECT keyword, cnt
FROM keyword_count
ORDER BY cnt DESC
LIMIT 15
""")
if not df1.empty:
views.append({
"key": "count",
"title": "关键词热度排行",
"x": df1["keyword"].tolist(),
"y": df1["cnt"].tolist(),
"type": "bar"
})
# 关键词平均价格TOP15查询
df2 = read_sql("""
SELECT keyword, ROUND(avg_price, 2) as avg_price
FROM keyword_avg_price
ORDER BY avg_price DESC
LIMIT 15
""")
if not df2.empty:
views.append({
"key": "price",
"title": "关键词价值分析",
"x": df2["keyword"].tolist(),
"y": df2["avg_price"].tolist(),
"type": "bar"
})
return ok({"views": views})
except Exception as e:
return fail(e)
# ==== /api/sales_analysis 销量分析接口（左中） ====
@big_page_bp.route("/sales_analysis")
def api_sales_analysis():
try:
# 关键词平均销量TOP20查询
df = read_sql("""
SELECT keyword, ROUND(avg_sales, 0) as avg_sales
FROM keyword_avg_sales
ORDER BY avg_sales DESC
LIMIT 20
""")
return ok({
"keywords": df["keyword"].tolist() if not df.empty else [],
"sales": df["avg_sales"].tolist() if not df.empty else []
})
except Exception as e:
return fail(e)