124-基于Python的航空旅客满意度数据可视化分析系统

航空旅客满意度数据可视化分析系统 - 技术文档

1. 项目概述

1.1 项目名称

航空旅客满意度数据可视化分析系统（Airline Passenger Satisfaction Visualization & Analysis System）

1.2 项目简介

本系统是一个基于 Python Flask 框架的 Web 数据可视化分析平台，针对航空旅客满意度调查数据（约 13 万条记录）进行多维度分析与可视化展示。系统涵盖数据概览、满意度分析、旅客画像、航班特征、服务评分卡、深度洞察、预测分析、数据查询共 8 大功能模块，提供 28 个交互式图表和 1 个可筛选分页数据表。

1.3 项目目标

• 对航空旅客满意度数据进行全面的多维分析
• 通过可视化图表直观呈现数据规律和趋势
• 利用机器学习模型识别影响满意度的关键因素
• 提供可交互的数据查询功能，支持按条件筛选

---

2. 系统架构

2.1 整体架构

┌─────────────────────────────────────────────────────┐
│                    浏览器 (Browser)                    │
│  ┌───────────┐  ┌──────────┐  ┌──────────────────┐  │
│  │  HTML/CSS  │  │   JS     │  │    ECharts 5.5   │  │
│  │  (Jinja2)  │  │ (原生)   │  │   (图表渲染)     │  │
│  └─────┬─────┘  └────┬─────┘  └──────────────────┘  │
│        │              │                               │
│        └──────────────┘                               │
│                 │ AJAX (fetch API)                     │
└─────────────────┼─────────────────────────────────────┘
                  │
┌─────────────────┼─────────────────────────────────────┐
│           Flask Server (port 5080)                     │
│  ┌─────────────────────────────────────────────────┐  │
│  │                   app.py                         │  │
│  │  ┌──────────┐  ┌──────────────┐  ┌───────────┐ │  │
│  │  │ 路由控制  │  │  Session认证  │  │ API接口层 │ │  │
│  │  └──────────┘  └──────────────┘  └───────────┘ │  │
│  └────────────────────┬────────────────────────────┘  │
│                       │                                │
│  ┌────────────────────┼────────────────────────────┐  │
│  │                    ▼                             │  │
│  │  ┌──────────────┐  ┌──────────────────────────┐ │  │
│  │  │   models.py   │  │    data_analysis.py      │ │  │
│  │  │  (用户管理)   │  │    (数据分析引擎)        │ │  │
│  │  └──────┬───────┘  └────────────┬─────────────┘ │  │
│  │         │                       │               │  │
│  │         ▼                       ▼               │  │
│  │  ┌──────────────┐  ┌──────────────────────────┐ │  │
│  │  │  SQLite DB   │  │  Pandas + scikit-learn   │ │  │
│  │  │  (users.db)  │  │  (CSV数据处理)           │ │  │
│  │  └──────────────┘  └──────────────────────────┘ │  │
│  └─────────────────────────────────────────────────┘  │
└───────────────────────────────────────────────────────┘

2.2 架构风格

• 前后端半分离架构：后端通过 Flask 路由提供页面和 JSON API，前端为单页应用（SPA）模式
• 数据驱动：分析数据来源于 CSV 文件，通过 Pandas 在内存中加载和处理
• 懒加载模式：CSV 数据在首次请求时加载到内存，后续请求复用缓存的 DataFrame

---

3. 技术栈

3.1 后端技术

技术	版本	用途
Python	3.x	主要开发语言
Flask	3.1.1	Web 框架，提供路由、模板渲染、Session 管理
Pandas	2.2.3	数据加载、清洗、统计分析
NumPy	-	数值计算支持
scikit-learn	1.3.2	机器学习（逻辑回归分类模型）
SQLite3	内置	用户数据存储
hashlib	内置	密码 SHA-256 加密

3.2 前端技术

技术	版本	用途
HTML5	-	页面结构
CSS3	-	样式（暗色科技主题、CSS 变量、动画）
JavaScript	ES6+	交互逻辑（原生，无框架）
ECharts	5.5.1 (CDN)	数据可视化图表库
Jinja2	Flask 内置	服务端模板引擎
Fetch API	-	前后端数据交互

3.3 开发工具

工具	用途
pip	Python 包管理
CDN	ECharts 前端资源加载

3.4 依赖清单 (requirements.txt)

flask==3.1.1
pandas==2.2.3
scikit-learn==1.3.2
numpy

---

4. 数据库设计

4.1 数据库类型

• SQLite3：用于存储用户账户和操作日志
• CSV 文件 ：作为分析数据源（airline_passenger_satisfaction.csv，约 129,880 条记录）

4.2 数据库表结构

4.2.1 用户表 (users)

字段	类型	约束	说明
id	INTEGER	PRIMARY KEY AUTOINCREMENT	用户唯一标识
username	TEXT	UNIQUE NOT NULL	用户名
password	TEXT	NOT NULL	密码（SHA-256 加盐哈希，盐值：airline2024）
nickname	TEXT	DEFAULT ''	用户昵称
avatar	TEXT	DEFAULT ''	头像（Base64 Data URI 格式存储）
created_at	REAL	NOT NULL	注册时间（Unix 时间戳）

4.2.2 操作日志表 (data_records)

字段	类型	约束	说明
id	INTEGER	PRIMARY KEY AUTOINCREMENT	记录唯一标识
user_id	INTEGER	NOT NULL (FK → users.id)	关联用户 ID
action	TEXT	NOT NULL	操作类型（如 login、logout）
detail	TEXT	DEFAULT ''	操作详情
created_at	REAL	NOT NULL	操作时间（Unix 时间戳）

4.2.3 CSV 数据字段说明

数据来源：airline_passenger_satisfaction.csv

字段名	类型	取值范围	说明
ID	整数	唯一标识	旅客编号
Gender	分类	Male / Female	性别
Age	整数	7-85	年龄
Customer Type	分类	First-time / Returning	客户类型
Type of Travel	分类	Business / Personal	出行目的
Class	分类	Business / Economy / Economy Plus	舱位等级
Flight Distance	整数	31-4983	飞行距离（km）
Departure Delay	整数	0-1592	出发延误（分钟）
Arrival Delay	浮点数	0-1584（含缺失值）	到达延误（分钟）
Departure and Arrival Time Convenience	整数	1-5	出入港时间便利性评分
Ease of Online Booking	整数	1-5	在线预订便捷性评分
Check-in Service	整数	1-5	值机服务评分
Online Boarding	整数	1-5	在线登机评分
Gate Location	整数	1-5	登机口位置评分
On-board Service	整数	1-5	机上服务评分
Seat Comfort	整数	1-5	座椅舒适度评分
Leg Room Service	整数	1-5	腿部空间评分
Cleanliness	整数	1-5	清洁度评分
Food and Drink	整数	1-5	餐饮评分
In-flight Service	整数	1-5	机上服务评分
In-flight Wifi Service	整数	1-5	机上 WiFi 评分
In-flight Entertainment	整数	1-5	机上娱乐评分
Baggage Handling	整数	1-5	行李处理评分
Satisfaction	分类	Satisfied / Neutral or Dissatisfied	总体满意度

4.3 E-R 关系图

┌──────────┐       1:N       ┌───────────────┐
│  users   │ ─────────────── │ data_records  │
│          │                 │               │
│ id (PK)  │◄───────────────│ user_id (FK)  │
│ username │                 │ id (PK)       │
│ password │                 │ action        │
│ nickname │                 │ detail        │
│ avatar   │                 │ created_at    │
│ created_at│                └───────────────┘
└──────────┘

---

5. 功能模块详细说明

5.1 用户认证模块

5.1.1 登录功能

• 页面 ：login.html
• 路由 ：GET/POST /login
• 认证方式：Session-based Authentication
• 密码加密 ：SHA-256 加盐哈希（盐值：airline2024）
• 特性：粒子动画背景、表单验证、错误提示

5.1.2 注册功能

• 页面 ：register.html
• 路由 ：GET/POST /register
• 验证规则：用户名唯一性检查、密码强度校验
• 注册成功后：自动跳转登录页

5.1.3 用户资料管理

• 页面 ：profile.html
• 路由 ：GET/POST /profile
• 功能 ：
  • 修改昵称
  • 上传头像（Base64 编码存储）
  • 修改用户名
  • 修改密码

5.1.4 管理员功能

• GET /api/admin/users：查看所有用户列表
• POST /api/admin/delete_user：删除指定用户

5.2 数据概览模块 (Dashboard)

• 前端文件 ：dashboard.js
• API ：GET /api/overview
• 功能 ：
  • 8 个 KPI 指标卡片：总旅客数、满意/不满意人数、满意度率、平均年龄、平均飞行距离、平均出发延误、平均到达延误
  • 3 个环形饼图：满意度分布、舱位分布、性别分布
  • 1 个柱状图：年龄段分布

5.3 满意度分析模块

• 前端文件 ：satisfaction.js
• 图表数量：6 个
• 功能：

图表	API	说明
雷达图	/api/satisfaction/radar	14 个服务维度的平均评分对比
水平条形图	/api/satisfaction/factors	影响满意度的关键因素排名（满意与不满意群体的均值差异）
堆叠柱状图（按舱位）	/api/satisfaction/by_class	不同舱位的满意度分布
堆叠柱状图（按客户类型）	/api/satisfaction/by_customer_type	首次/回头客的满意度对比
堆叠柱状图（按出行目的）	/api/satisfaction/by_travel_type	商务/个人出行的满意度对比
分组柱状图	/api/satisfaction/rating_by_class	各服务维度按舱位分组的评分对比

5.4 旅客画像模块 (Population)

• 前端文件 ：population.js
• 图表数量：4 个
• 功能：

图表	API	说明
堆叠柱状图	/api/population/age_vs_satisfaction	各年龄段的满意度分布
堆叠柱状图	/api/population/gender_vs_satisfaction	不同性别的满意度对比
柱状图	/api/population/age	旅客年龄分布（7 个分段）
饼图	/api/population/gender	性别比例

年龄分段规则：<18、18-25、26-35、36-45、46-55、56-65、65+

5.5 航班特征模块 (Flight)

• 前端文件 ：flight.js
• 图表数量：6 个图表 + 1 个数据表
• 功能：

图表	API	说明
4 个延误 KPI 卡片	/api/flight/delay_gauge	平均延误时间、准点率、严重延误率等
柱状图	/api/flight/distance_vs_satisfaction	飞行距离与满意度的关系（6 个距离段）
柱状图	/api/flight/delay_vs_satisfaction	延误时间与满意度的关系（7 个时间段）
分组柱状图	/api/flight/delay_distribution	出发/到达延误分布对比
仪表盘	/api/flight/delay_gauge	准点率仪表盘
散点图	/api/analysis/scatter	年龄与延误的散点关系（随机抽样 2000 条）
箱线图	/api/analysis/boxplot	各舱位的飞行距离分布（含异常值检测）

距离分段规则：0-500、501-1000、1001-1500、1501-2000、2001-3000、3000+

延误分段规则：0（准时）、1-15、16-30、31-60、61-120、121-240、240+（分钟）

5.6 服务评分卡模块 (Service)

• 前端文件 ：service.js
• 图表数量：4 个
• 功能：

图表	API	说明
水平条形图（带合格线）	/api/service/scorecard	14 个服务维度的平均评分（含 3.5 分合格线）
分组柱状图	/api/service/scorecard	各维度的高分（≥4）/低分（≤2）占比
柱状图	/api/service/scorecard	各维度评分标准差（波动程度）
漏斗图	/api/analysis/funnel	旅客漏斗：全部→无延误→短途→中途→长途

5.7 深度洞察模块 (Insights)

• 前端文件 ：insights.js
• 图表数量：4 个
• 功能：

图表	API	说明
双向条形图	/api/satisfaction/factors	满意/不满意群体各维度评分对比
热力图	/api/satisfaction/correlation	14×14 服务维度皮尔逊相关系数矩阵
热力图	/api/flight/distance_heatmap	年龄×飞行距离的满意度率矩阵
矩形树图	/api/analysis/segments	客户细分（客户类型×舱位×出行目的三维交叉分析）

5.8 预测分析模块 (Prediction)

• 前端文件 ：prediction.js
• 图表数量：4 个
• 功能：

图表	API	说明
4 个模型指标 KPI	/api/prediction/model	准确率、精确率、召回率、F1 分数
水平条形图	/api/prediction/model	特征重要性排名（逻辑回归系数绝对值）
直方图	/api/prediction/model	预测概率分布（5% 步长分箱）
热力图	/api/prediction/model	混淆矩阵（2×2）

5.9 数据查询模块 (DataTable)

• 前端文件 ：flight.js（initDataTable 函数）
• API ：GET /api/data/table
• 筛选条件：性别、年龄范围、客户类型、舱位等级、满意度
• 功能：服务端分页、条件筛选、HTML 表格展示

---

6. 机器学习模型

6.1 模型概述

项目	说明
算法	逻辑回归（Logistic Regression）
库	scikit-learn 1.3.2
目标	二分类（Satisfied = 1，其余 = 0）
训练方式	每次 API 调用时实时训练（不持久化模型）

6.2 特征工程

输入特征（18 个）：

类型	特征
数值型	Age、Flight Distance、Departure Delay、Arrival Delay
评分型 (1-5)	Departure and Arrival Time Convenience、Ease of Online Booking、Check-in Service、Online Boarding、Gate Location、On-board Service、Seat Comfort、Leg Room Service、Cleanliness、Food and Drink、In-flight Service、In-flight Wifi Service、In-flight Entertainment、Baggage Handling

6.3 数据预处理

1. 缺失值填充：fillna(0)
2. 特征标准化：StandardScaler（零均值单位方差）
3. 数据集划分：训练集 70% / 测试集 30%（random_state=42）

6.4 模型参数

LogisticRegression(max_iter=1000, random_state=42)

6.5 评估指标

• 准确率 (Accuracy)：整体预测正确率
• 精确率 (Precision)：预测为满意中实际满意的比例
• 召回率 (Recall)：实际满意中被正确预测的比例
• F1 分数：精确率和召回率的调和平均
• 混淆矩阵：TP、TN、FP、FN
• 特征重要性：逻辑回归系数绝对值排序
• 预测概率分布：以 5% 为步长的直方图

6.6 统计分析方法

方法	应用场景
皮尔逊相关系数	14 个服务维度的相关性矩阵
均值差异分析	满意/不满意群体各维度评分差异
四分位数分析	箱线图（Q1、中位数、Q3、IQR 异常值检测）
标准差	服务评分波动程度
交叉分析	年龄×距离满意度率、客户细分三维交叉

---

7. API 接口文档

7.1 页面路由

方法	路径	说明	认证要求
GET	/	主仪表盘页面	需登录
GET/POST	/login	登录页面	无
GET/POST	/register	注册页面	无
GET	/logout	退出登录	无
GET/POST	/profile	个人资料页面	需登录

7.2 用户管理 API

方法	路径	说明	请求参数	返回格式
GET	/api/profile	获取当前用户信息	-	JSON
POST	/api/change_password	修改密码	old_pwd, new_pwd	JSON
POST	/api/change_username	修改用户名	new_username	JSON
GET	/api/logs	获取操作日志	-	JSON
GET	/api/admin/users	获取所有用户列表	-	JSON
POST	/api/admin/delete_user	删除用户	user_id	JSON

7.3 数据分析 API

所有分析 API 均为 GET 请求，返回 JSON 格式数据。

7.3.1 数据概览

GET /api/overview
返回：{
  total: 总旅客数,
  satisfied: 满意人数,
  dissatisfied: 不满意人数,
  satisfaction_rate: 满意度率(%),
  avg_age: 平均年龄,
  avg_distance: 平均飞行距离,
  avg_departure_delay: 平均出发延误,
  avg_arrival_delay: 平均到达延误
}

7.3.2 满意度分析

GET /api/satisfaction/distribution        → 满意/不满意人数分布
GET /api/satisfaction/radar               → 14 维度平均评分
GET /api/satisfaction/by_class            → 按舱位统计满意度
GET /api/satisfaction/by_customer_type    → 按客户类型统计满意度
GET /api/satisfaction/by_travel_type      → 按出行目的统计满意度
GET /api/satisfaction/rating_by_class     → 各维度按舱位分组评分
GET /api/satisfaction/factors             → 影响因素排名
GET /api/satisfaction/correlation         → 14×14 相关系数矩阵

7.3.3 旅客画像

GET /api/population/age                   → 年龄分布
GET /api/population/gender                → 性别分布
GET /api/population/age_vs_satisfaction   → 年龄×满意度
GET /api/population/gender_vs_satisfaction → 性别×满意度
GET /api/population/class_distribution    → 舱位分布

7.3.4 航班特征

GET /api/flight/distance_vs_satisfaction  → 距离×满意度
GET /api/flight/delay_distribution        → 延误分布
GET /api/flight/delay_vs_satisfaction     → 延误×满意度
GET /api/flight/delay_gauge               → 准点率/延误指标
GET /api/flight/distance_heatmap          → 年龄×距离满意度热力图
GET /api/data/table                       → 分页数据表（支持筛选）

7.3.5 服务评分卡

GET /api/service/scorecard                → 14 维度评分统计

7.3.6 深度洞察

GET /api/analysis/scatter                 → 散点图数据
GET /api/analysis/boxplot                 → 箱线图数据
GET /api/analysis/funnel                  → 漏斗图数据
GET /api/analysis/segments                → 客户细分数据

7.3.7 预测分析

GET /api/prediction/model                 → 模型训练结果

---

8. 前端页面设计

8.1 页面结构

系统采用 SPA（单页应用）架构，通过侧边栏导航在 8 个虚拟页面间切换：

┌──────────────────────────────────────────────────────┐
│                    index.html                         │
│  ┌────────────┐  ┌────────────────────────────────┐  │
│  │            │  │                                │  │
│  │  侧边栏    │  │       内容区域                  │  │
│  │  导航菜单  │  │  ┌──────────────────────────┐  │  │
│  │            │  │  │  dashboard / satisfaction │  │  │
│  │  · 数据概览│  │  │  / population / flight    │  │  │
│  │  · 满意度  │  │  │  / service / insights     │  │  │
│  │  · 旅客画像│  │  │  / prediction / datatable │  │  │
│  │  · 航班特征│  │  └──────────────────────────┘  │  │
│  │  · 服务评分│  │                                │  │
│  │  · 深度洞察│  │                                │  │
│  │  · 预测分析│  │                                │  │
│  │  · 数据查询│  │                                │  │
│  └────────────┘  └────────────────────────────────┘  │
└──────────────────────────────────────────────────────┘

8.2 UI 设计风格

• 主题：暗色科技风格（Dark Sci-Fi Theme）
• 主色调：青色 (#00b4ff)
• 背景：深色网格背景 + 扫描线动画
• 面板：毛玻璃效果（Glassmorphism）
• 字体：等宽字体
• 动画：CSS 过渡动画、粒子效果（登录/注册页）

8.3 图表统计

共使用 28 个 ECharts 实例，涵盖以下图表类型：

图表类型	数量	使用页面
环形饼图 (Donut Pie)	3	Dashboard
柱状图 (Bar)	5	Dashboard、Population、Flight
雷达图 (Radar)	1	Satisfaction
水平条形图 (Horizontal Bar)	4	Satisfaction、Service、Insights、Prediction
堆叠柱状图 (Stacked Bar)	4	Satisfaction、Population
分组柱状图 (Grouped Bar)	3	Satisfaction、Service、Prediction
仪表盘 (Gauge)	1	Flight
散点图 (Scatter)	1	Flight
箱线图 (Boxplot)	1	Flight
热力图 (Heatmap)	3	Insights、Prediction
矩形树图 (Treemap)	1	Insights
漏斗图 (Funnel)	1	Service

8.4 文件清单

文件	职责
main.js	导航切换、ECharts 主题注册、页面初始化调度
dashboard.js	数据概览页：KPI 卡片 + 饼图 + 柱状图
satisfaction.js	满意度分析页：雷达图 + 条形图 + 堆叠柱状图
population.js	旅客画像页：年龄/性别分布与满意度交叉
flight.js	航班特征页：延误分析 + 距离分析 + 数据表
service.js	服务评分卡页：评分排名 + 高低分占比 + 漏斗图
insights.js	深度洞察页：因素对比 + 相关矩阵 + 热力图 + 树图
prediction.js	预测分析页：模型指标 + 特征重要性 + 混淆矩阵
style.css	主仪表盘全局样式（暗色主题）

---

9. 安全设计

9.1 认证安全

• 密码使用 SHA-256 加盐哈希存储（盐值：airline2024）
• 基于 Flask Session 的会话管理
• Secret Key 每次服务启动随机生成（os.urandom(24)）

9.2 接口安全

• 所有 API 接口检查登录状态，未登录返回 401
• 管理员接口需要额外权限验证
• 密码修改需验证旧密码

9.3 数据安全

• 密码不明文存储
• 头像以 Base64 编码存储在数据库中
• SQL 查询使用参数化查询防止 SQL 注入

---

10. 部署与运行

10.1 环境要求

• Python 3.8+
• pip 包管理工具

10.2 安装步骤

# 1. 进入项目目录
cd fly

# 2. 安装依赖
pip install -r requirements.txt

# 3. 启动服务
python app.py

10.3 访问地址

• 服务启动后监听端口 5080
• 浏览器访问：http://localhost:5080

10.4 文件结构说明

fly/
├── airline_passenger_satisfaction.csv   # 分析数据源（约 12.3MB）
├── app.py                               # Flask 主应用（路由、API）
├── data_analysis.py                     # 数据分析引擎（Pandas 处理）
├── models.py                            # 数据库模型（用户、日志）
├── requirements.txt                     # Python 依赖清单
├── users.db                             # SQLite 数据库文件
├── static/
│   ├── css/
│   │   └── style.css                    # 仪表盘样式
│   └── js/
│       ├── main.js                      # 主控制脚本
│       ├── dashboard.js                 # 数据概览
│       ├── satisfaction.js              # 满意度分析
│       ├── population.js                # 旅客画像
│       ├── flight.js                    # 航班特征 + 数据表
│       ├── service.js                   # 服务评分卡
│       ├── insights.js                  # 深度洞察
│       └── prediction.js               # 预测分析
└── templates/
    ├── index.html                       # 主 SPA 页面
    ├── login.html                       # 登录页
    ├── register.html                    # 注册页
    └── profile.html                     # 个人资料页

---

11. 数据流说明

11.1 请求处理流程

用户操作 → 浏览器 JS → fetch API 请求
    → Flask 路由匹配
        → 页面路由：渲染 Jinja2 模板返回 HTML
        → API 路由：调用 data_analysis.py 分析函数
            → Pandas 读取/处理 CSV 数据
            → 返回 JSON 数据
        → 前端 JS 解析 JSON → ECharts 渲染图表

11.2 数据加载策略

• CSV 数据采用懒加载模式：首次请求时通过 get_df() 加载到全局变量 _df
• 后续请求直接使用内存中的 DataFrame，避免重复 I/O
• 每次 API 调用基于完整 DataFrame 进行实时计算

11.3 机器学习流程

API 请求 → 加载 DataFrame → 特征提取 (18 维)
    → 缺失值填充 (fillna(0))
    → StandardScaler 标准化
    → 训练集/测试集划分 (70/30)
    → LogisticRegression 训练
    → 预测 + 评估
    → 返回指标 + 特征重要性 + 混淆矩阵 + 概率分布

---

12. 局限性与改进方向

12.1 当前局限

方面	说明
数据存储	分析数据存储在 CSV 文件中，未导入数据库，不适合大数据量场景
模型持久化	机器学习模型每次请求重新训练，未做缓存或持久化
并发性能	Pandas 单线程处理，高并发场景下性能受限
认证机制	Session-based 认证不支持分布式部署
前端框架	使用原生 JS，组件化程度低
配置管理	数据库路径、端口等硬编码，无配置文件

12.2 可改进方向

• 将 CSV 数据导入关系型数据库（如 MySQL/PostgreSQL），提升查询性能
• 引入模型缓存机制，避免重复训练
• 前端引入 Vue.js / React 提升组件化和可维护性
• 增加更多机器学习算法（随机森林、XGBoost 等）进行对比
• 添加数据导出功能（Excel、PDF 报告）
• 支持数据定时更新和增量分析
• 容器化部署（Docker）