132-基于Python的中老年体检数据可视化分析系统

中老年体检数据可视化分析系统 --- 技术文档

1. 项目概述

1.1 项目背景

本系统是一个面向中老年群体体检数据的可视化分析平台，基于 Python + Flask + MySQL 构建。系统整合了来自和鲸社区（Heywhale）的公开数据集，包含 4,909 条中老年居民体检记录，涵盖高血压、心脏病、中风等慢性病指标以及血糖、BMI 等基础健康数据。

1.2 核心功能

功能模块	说明
数据总览	关键指标卡片、仪表盘、疾病分布、年龄/性别/地域多维分析
规律分析	相关性热力图、平行坐标、树图、疾病共现、风险分层等深度分析
趋势分析	性别对比、年龄趋势、城乡差异、工作类型/婚姻/吸烟影响分析
数据管理	管理员 CRUD、CSV 批量导入、分页浏览
重点关注	个人关注列表、风险评估、健康建议、Markdown 报告导出
用户系统	注册登录、角色权限、个人资料管理

1.3 目标用户

医疗健康研究人员
公共卫生管理者
数据分析学习者
中老年健康管理机构

2. 系统架构

2.1 整体架构

系统采用经典的四层分层架构：

复制代码

┌─────────────────────────────────────────────────────────┐
│                    浏览器 (Browser)                       │
│         HTML + CSS + Bootstrap + Plotly.js               │
└──────────────────────────┬──────────────────────────────┘
                           │ HTTP
┌──────────────────────────▼──────────────────────────────┐
│                 Web 层 (app.py --- Flask)                   │
│     路由处理 · Session 认证 · 请求过滤 · 模板渲染            │
├─────────────────────────────────────────────────────────┤
│               业务逻辑层 (analytics.py)                    │
│     风险评分 · 数据富化 · 统计分析 · 洞察生成                 │
├─────────────────────────────────────────────────────────┤
│               数据访问层 (database.py)                     │
│     MySQL CRUD · 密码哈希 · CSV 导入 · SQLAlchemy          │
├─────────────────────────────────────────────────────────┤
│               配置层 (config.py)                          │
│     数据库连接 · 字段定义 · 选项常量                         │
├─────────────────────────────────────────────────────────┤
│               数据存储                                     │
│     MySQL (design_132_health)  ·  CSV 文件                │
└─────────────────────────────────────────────────────────┘

2.2 数据流

复制代码

CSV 文件 ──→ import_data.py ──→ MySQL (health_records)
                                      │
                                      ▼
                              database.py (load_health_records)
                                      │
                                      ▼
                              pandas DataFrame
                                      │
                          ┌───────────┼───────────┐
                          ▼           ▼           ▼
                    apply_filters  enrich_records  statistics
                          │           │           │
                          └───────────┼───────────┘
                                      ▼
                              JSON 数据 (tojson)
                                      │
                                      ▼
                            Jinja2 模板渲染 HTML
                                      │
                                      ▼
                          Plotly.js 客户端图表渲染

2.3 请求处理流程

用户发起 HTTP 请求
Flask 路由匹配，装饰器检查 Session 认证
从 MySQL 加载全量数据到 pandas DataFrame
根据 URL 查询参数应用过滤条件
对过滤后数据进行富化（风险评分、分层标注）
计算统计指标、生成图表数据
通过 Jinja2 模板引擎渲染 HTML，数据以 JSON 形式嵌入
浏览器加载 Plotly.js 渲染交互式图表

3. 技术栈

3.1 后端

技术	版本要求	用途
Python	>= 3.8	运行环境
Flask	内置（无版本约束）	Web 框架
pandas	>= 2.0	数据处理与分析
PyMySQL	>= 1.1	MySQL 数据库驱动
SQLAlchemy	>= 2.0	数据库引擎（pandas SQL 操作）

3.2 前端

技术	版本	用途
Bootstrap	暗色主题	UI 组件库与响应式布局
Plotly.js	2.35.2	客户端交互式图表
Jinja2	Flask 内置	模板引擎
自定义 CSS	---	774 行暗色主题样式

3.3 数据库

技术	说明
MySQL	主数据库，库名 `design_132_health`
字符集	utf8mb4（支持完整 Unicode）

4. 目录结构

复制代码

health/
├── app.py                    # Flask 主应用（1,117 行）
├── analytics.py              # 数据分析引擎（251 行）
├── database.py               # 数据库访问层（449 行）
├── config.py                 # 全局配置（80 行）
├── import_data.py            # CLI 数据导入工具（39 行）
├── requirements.txt          # Python 依赖清单
├── README.md                 # 项目说明
│
├── data/
│   ├── lf44k151_lnrjk.csv                    # 主数据集（4,909 条）
│   ├── 居民体检糖尿病及心血管健康指标数据集_readme.md  # 数据集说明
│   └── 参考链接.url                           # 数据来源链接
│
├── static/
│   ├── css/
│   │   └── bootstrap.min.css                  # Bootstrap 暗色主题
│   ├── js/
│   │   ├── bootstrap.bundle.min.js            # Bootstrap JS
│   │   └── plotly-2.35.2.min.js               # Plotly.js 图表库
│   └── style.css                              # 自定义样式（774 行）
│
└── templates/
    ├── base.html              # 基础布局（侧边栏 + 内容区）
    ├── login.html             # 登录/注册页
    ├── dashboard.html         # 数据总览页
    ├── analysis.html          # 规律分析页
    ├── trend.html             # 趋势分析页
    ├── manage.html            # 数据管理页（管理员）
    ├── focus.html             # 重点关注页
    └── profile.html           # 个人中心页

5. 数据库设计

5.1 ER 关系图

复制代码

┌──────────────┐       ┌───────────────────┐       ┌──────────────────┐
│    users     │       │  tracked_people   │       │  health_records  │
├──────────────┤       ├───────────────────┤       ├──────────────────┤
│ id (PK)      │──┐    │ id (PK)           │    ┌──│ id (PK)          │
│ username      │  │    │ user_id (FK)      │────┘  │ addtime          │
│ password_hash │  └───│ record_id (FK)    │───────│ xingbie          │
│ display_name  │      │ attention_level   │       │ nianling         │
│ email         │      │ note              │       │ gxy, xzb, sfzf   │
│ phone         │      │ created_at        │       │ xtsp, bmi        │
│ role          │      │ updated_at        │       │ ... (其他字段)    │
│ created_at    │      └───────────────────┘       └──────────────────┘
│ updated_at    │
└──────────────┘

5.2 表结构定义

5.2.1 users 表（用户表）

字段	类型	约束	说明
id	BIGINT	PK, AUTO_INCREMENT	用户 ID
username	VARCHAR(64)	NOT NULL, UNIQUE	用户名
password_hash	VARCHAR(255)	NOT NULL	密码哈希值
display_name	VARCHAR(80)	NULL	显示名称
email	VARCHAR(120)	NULL	邮箱
phone	VARCHAR(40)	NULL	手机号
role	VARCHAR(20)	DEFAULT 'user'	角色：`user` / `admin`
created_at	DATETIME	DEFAULT CURRENT_TIMESTAMP	创建时间
updated_at	DATETIME	ON UPDATE CURRENT_TIMESTAMP	更新时间

5.2.2 health_records 表（体检记录表）

字段	类型	约束	说明
id	BIGINT	PK, AUTO_INCREMENT	记录 ID
addtime	DATETIME	NULL	录入时间
xingbie	VARCHAR(20)	NULL	性别（男性/女性）
nianling	INT	NULL	年龄
gxy	TINYINT	NULL	高血压（0/1）
xzb	TINYINT	NULL	心脏病（0/1）
hunyin	TINYINT	NULL	婚姻状态（0=未婚/1=已婚）
gzxz	VARCHAR(80)	NULL	工作性质
zzxz	VARCHAR(40)	NULL	城乡属性（城市/农村）
xtsp	DOUBLE	NULL	血糖指标（mg/dL）
bmi	DOUBLE	NULL	BMI 指数
xyzk	VARCHAR(40)	NULL	吸烟状态
sfzf	TINYINT	NULL	是否中风（0/1）
yearin	INT	NULL	调查年份
monthin	INT	NULL	调查月份
dayin	INT	NULL	调查日
v_bthyr	INT	NULL	出生年
v_bthmon	INT	NULL	出生月
type	INT	NULL	样本类型
prov	INT	NULL	省份编码
residenc	INT	NULL	居住编码（1=中心城区/2=县城乡镇/3=村庄）
trueage	INT	NULL	真实年龄

索引：

索引名	字段	类型
idx_age	nianling	普通索引
idx_gender	xingbie	普通索引
idx_area	zzxz	普通索引
idx_disease	gxy, xzb, sfzf	复合索引

5.2.3 tracked_people 表（关注人员表）

字段	类型	约束	说明
id	BIGINT	PK, AUTO_INCREMENT	记录 ID
user_id	BIGINT	FK → users.id, CASCADE	用户 ID
record_id	BIGINT	FK → health_records.id, CASCADE	体检记录 ID
attention_level	VARCHAR(20)	DEFAULT '重点关注'	关注级别
note	TEXT	NULL	备注
created_at	DATETIME	DEFAULT CURRENT_TIMESTAMP	创建时间
updated_at	DATETIME	ON UPDATE CURRENT_TIMESTAMP	更新时间

唯一约束： (user_id, record_id) --- 同一用户对同一记录只能关注一次

5.3 自动初始化机制

系统首次启动时自动执行以下流程（bootstrap_database()）：

检测 MySQL 连接，若数据库不存在则自动创建
执行 CREATE TABLE IF NOT EXISTS 创建三张表
若 users 表为空，插入默认管理员（admin / 123456）
若 health_records 表为空且 CSV 文件存在，自动导入全部数据

6. 核心模块详解

6.1 config.py --- 配置模块

职责： 集中管理所有静态配置项。

关键配置项：

python 复制代码

# 数据库连接（支持环境变量覆盖）
DB_CONFIG = {
    "host": os.getenv("HEALTH_DB_HOST", "localhost"),
    "port": int(os.getenv("HEALTH_DB_PORT", "3306")),
    "user": os.getenv("HEALTH_DB_USER", "root"),
    "password": os.getenv("HEALTH_DB_PASSWORD", "123456"),
    "database": os.getenv("HEALTH_DB_NAME", "design_132_health"),
    "charset": "utf8mb4",
}

# 22 个标准字段名
HEALTH_COLUMNS = ["id", "addtime", "xingbie", "nianling", "gxy", "xzb",
                  "hunyin", "gzxz", "zzxz", "xtsp", "bmi", "xyzk", "sfzf",
                  "yearin", "monthin", "dayin", "v_bthyr", "v_bthmon", "type",
                  "prov", "residenc", "trueage"]

# 中文标签映射
COLUMN_LABELS = {"id": "编号", "addtime": "录入时间", "xingbie": "性别", ...}

# 下拉选项
GENDER_OPTIONS = ["男性", "女性"]
WORK_OPTIONS = ["私人企业", "自雇人士", "政府部门", "儿童"]
AREA_OPTIONS = ["城市", "农村"]
SMOKE_OPTIONS = ["从不吸烟", "以前吸烟", "吸烟", "不详"]
ATTENTION_LEVELS = ["一般关注", "重点关注", "高危随访"]

环境变量支持：

环境变量	对应配置	默认值
HEALTH_DB_HOST	数据库主机	localhost
HEALTH_DB_PORT	数据库端口	3306
HEALTH_DB_USER	数据库用户	root
HEALTH_DB_PASSWORD	数据库密码	123456
HEALTH_DB_NAME	数据库名称	design_132_health

6.2 database.py --- 数据访问层

职责： 封装所有 MySQL 交互操作，提供统一的数据访问接口。

密码安全：

python 复制代码

PASSWORD_ITERATIONS = 180_000  # PBKDF2 迭代次数

def hash_password(password, salt=None, iterations=180_000):
    # 格式: pbkdf2_sha256$iterations$salt$digest
    salt = salt or secrets.token_hex(16)
    digest = hashlib.pbkdf2_hmac("sha256", password.encode(), salt.encode(), iterations).hex()
    return f"pbkdf2_sha256${iterations}${salt}${digest}"

def verify_password(password, encoded):
    # 使用 hmac.compare_digest 防止时序攻击
    ...

核心函数列表：

函数	参数	返回值	说明
`init_schema()`	无	None	初始化数据库、表结构、默认管理员
`ensure_database()`	无	None	确保数据库存在
`seed_default_admin()`	无	None	插入默认管理员
`create_user()`	username, password, display_name, email, phone	(bool, str)	注册新用户
`authenticate_user()`	username, password	dict or None	验证用户凭据
`hash_password()`	password, salt, iterations	str	生成密码哈希
`verify_password()`	password, encoded	bool	验证密码
`update_user_profile()`	user_id, display_name, email, phone	None	更新用户资料
`change_password()`	user_id, old_password, new_password	(bool, str)	修改密码
`load_health_records()`	无	DataFrame	加载全部体检记录
`get_record()`	record_id	dict or None	获取单条记录
`health_record_count()`	无	int	统计记录总数
`insert_health_record()`	data: dict	int	插入单条记录，返回 ID
`upsert_health_dataframe()`	df: DataFrame	int	批量插入/更新记录
`delete_health_records()`	record_ids: list	int	批量删除记录
`import_csv_to_mysql()`	csv_path, replace	int	导入 CSV 到 MySQL
`add_favorite()`	user_id, record_id, level, note	None	添加关注
`update_favorite()`	user_id, record_id, level, note	None	更新关注
`remove_favorites()`	user_id, record_ids	int	移除关注
`load_favorites()`	user_id	DataFrame	加载用户关注列表

数据类型处理：

python 复制代码

INTEGER_COLUMNS = {"id", "nianling", "gxy", "xzb", "hunyin", "sfzf",
                   "yearin", "monthin", "dayin", "v_bthyr", "v_bthmon",
                   "type", "prov", "residenc", "trueage"}
FLOAT_COLUMNS = {"xtsp", "bmi"}

所有数据写入前经过 _safe_value() 函数进行类型转换和空值处理。

连接管理：

使用 PyMySQL 直连（_connect()）执行 DDL 和简单 CRUD
使用 SQLAlchemy Engine（get_engine()）配合 pandas 执行复杂查询
启用 pool_pre_ping=True 和 pool_recycle=3600 防止连接超时

6.3 analytics.py --- 数据分析引擎

职责： 负责数据富化、风险评分、统计分析和洞察生成。

6.3.1 风险评分算法（compute_risk_score）

综合多维健康指标，计算 0-100 分的风险评分：

因素	条件	分值	最大贡献
年龄	>= 80 岁	24 分	24
年龄	70-79 岁	18 分
年龄	60-69 岁	13 分
年龄	45-59 岁	7 分
高血压	gxy = 1	18 分	18
心脏病	xzb = 1	16 分	16
中风	sfzf = 1	20 分	20
BMI	>= 28（肥胖）	12 分	12
BMI	24-27.99（超重）	6 分
血糖	>= 126（糖尿病风险）	16 分	16
血糖	100-125.99（偏高）	8 分
吸烟	"吸烟"	8 分	8
吸烟	"以前吸烟"	4 分

风险等级划分：

等级	分数区间	标签
低风险	0 - 29.9	低风险
中风险	30 - 59.9	中风险
高风险	60 - 79.9	高风险
重点随访	80 - 100	重点随访

6.3.2 数据富化（enrich_records）

在原始数据基础上添加计算列：

新增列	计算方式	分层规则
年龄段	pd.cut(nianling)	<=44 / 45-59 / 60-69 / 70-79 / >=80
BMI分层	pd.cut(bmi)	<18.5 偏瘦 / 18.5-24 正常 / 24-28 超重 / >=28 肥胖
血糖分层	pd.cut(xtsp)	<100 正常 / 100-126 偏高 / >=126 糖尿病风险
高血压状态	gxy.map(BOOLEAN_LABELS)	无 / 有
心脏病状态	xzb.map(BOOLEAN_LABELS)	无 / 有
中风状态	sfzf.map(BOOLEAN_LABELS)	无 / 有
婚姻状态文本	hunyin.map(MARRIAGE_LABELS)	未婚 / 已婚
居住编码文本	residenc.map(RESIDENCE_LABELS)	中心城区 / 县城乡镇 / 村庄
风险评分	compute_risk_score()	0-100 连续值
风险等级	pd.cut(风险评分)	低/中/高/重点随访

6.3.3 过滤引擎（apply_filters）

支持多条件组合过滤：

过滤条件	参数类型	说明
age_range	(min, max)	年龄范围
gender	str	性别筛选
area	str	城乡筛选
disease	str	疾病筛选（高血压/心脏病/中风）
smoke	str	吸烟状态筛选
keyword	str	关键字搜索（ID、工作、吸烟状态）

6.3.4 统计分析函数

函数	输出	用途
`disease_rate_frame()`	五种疾病的患病率	概览图表
`group_disease_rates()`	按分组列统计三种疾病率	分组对比图表
`disease_cooccurrence()`	3x3 疾病共现矩阵	相关性分析
`age_group_stats()`	各年龄段综合统计	年龄分析
`gender_comparison()`	性别对比统计	性别分析
`risk_distribution()`	风险分值分布	风险分布图
`generate_insights()`	自动生成的文字洞察	智能分析报告

6.3.5 洞察生成（generate_insights）

自动分析数据并生成 5 类文字洞察：

样本概览： 总样本量及 60 岁以上占比
主要风险： 患病率最高的健康风险
年龄分析： 高血压比例最高的年龄段
吸烟影响： 中风占比最高的吸烟状态
综合风险： 高风险及以上样本占比
相关性分析： 与中风关联度最高的指标

6.4 app.py --- Flask Web 应用

职责： 路由处理、请求过滤、Session 管理、模板渲染。

Flask 配置：

python 复制代码

app = Flask(__name__)
app.secret_key = "health-analytics-secret-key-2024"
app.config["SESSION_TYPE"] = "filesystem"

中间件：

python 复制代码

@app.after_request
def no_cache(response):
    # 禁止浏览器缓存 HTML 页面
    response.headers["Cache-Control"] = "no-store, no-cache, must-revalidate, max-age=0"
    response.headers["Pragma"] = "no-cache"
    return response

认证装饰器：

@login_required --- 检查 session["user"] 是否存在，未登录则跳转 /login
@admin_required --- 在 login_required 基础上检查 role == "admin"，非管理员重定向到 dashboard

7. 路由与接口设计

7.1 页面路由

路径	方法	权限	处理函数	说明
`/`	GET	无	`index()`	重定向到 /dashboard
`/login`	GET, POST	无	`login()`	登录页面及表单处理
`/register`	POST	无	`register()`	用户注册
`/logout`	GET	无	`logout()`	清除 Session，退出登录
`/dashboard`	GET	登录	`dashboard()`	数据总览页
`/analysis`	GET	登录	`analysis()`	规律分析页
`/trend`	GET	登录	`trend()`	趋势分析页
`/manage`	GET	管理员	`manage()`	数据管理页
`/focus`	GET	登录	`focus()`	重点关注页
`/profile`	GET	登录	`profile()`	个人中心页

7.2 API 接口

7.2.1 记录管理（管理员）

路径	方法	说明	请求体
`/api/records`	POST	新增记录	Form: addtime, xingbie, nianling, gxy, xzb, hunyin, gzxz, zzxz, xtsp, bmi, xyzk, sfzf
`/api/records/<id>`	PUT	更新记录	JSON: 待更新字段
`/api/records/<id>`	DELETE	删除记录	无
`/api/import`	POST	CSV 导入	Form: replace (checkbox)

7.2.2 关注管理（登录用户）

路径	方法	说明	请求体
`/api/favorites`	POST	添加关注	Form: record_id, attention_level, note
`/api/favorites/<id>`	PUT	更新关注	JSON: attention_level, note
`/api/favorites/<id>`	DELETE	取消关注	无

7.2.3 用户管理

路径	方法	说明	请求体
`/api/profile`	POST	更新资料	Form: display_name, email, phone
`/api/password`	POST	修改密码	Form: old_password, new_password, new_password_confirm

7.2.4 数据导出

路径	方法	说明	响应
`/api/export`	GET	导出过滤后数据	CSV 文件下载
`/api/report/<id>`	GET	导出个人健康报告	Markdown 文件下载

7.3 通用查询参数

所有数据分析页面（dashboard、analysis、trend、manage）支持以下 URL 查询参数进行数据过滤：

参数	类型	说明	示例
age_min	int	最小年龄	`age_min=60`
age_max	int	最大年龄	`age_max=80`
gender	str	性别	`gender=男性`
area	str	城乡	`area=城市`
disease	str	疾病	`disease=高血压`
smoke	str	吸烟状态	`smoke=吸烟`
keyword	str	关键字	`keyword=私人企业`
page	int	页码（仅 manage）	`page=2`

8. 前端页面设计

8.1 基础布局（base.html）

复制代码

┌─────────────────────────────────────────────────────────────┐
│ ┌──────────┐ ┌────────────────────────────────────────────┐ │
│ │          │ │                                            │ │
│ │  Logo    │ │         主内容区域                           │ │
│ │          │ │                                            │ │
│ │ 用户卡片  │ │    (各页面通过 block content 填充)            │ │
│ │          │ │                                            │ │
│ │ 导航菜单  │ │                                            │ │
│ │ ·总览     │ │                                            │ │
│ │ ·分析     │ │                                            │ │
│ │ ·趋势     │ │                                            │ │
│ │ ·管理     │ │                                            │ │
│ │ ·关注     │ │                                            │ │
│ │ ·个人中心  │ │                                            │ │
│ │          │ │                                            │ │
│ │ 退出登录  │ │                                            │ │
│ │          │ │                                            │ │
│ │ 版本信息  │ │                                            │ │
│ └──────────┘ └────────────────────────────────────────────┘ │
│   260px 固定           自适应宽度                             │
└─────────────────────────────────────────────────────────────┘

全局 JavaScript：

javascript 复制代码

// Plotly 暗色主题配置
const DARK_LAYOUT = {
    paper_bgcolor: 'rgba(0,0,0,0)',
    plot_bgcolor: 'rgba(0,0,0,0)',
    font: { color: '#e0e0e0' },
    ...
};

// 通用图表渲染函数
function plotChart(divId, data, layout = {}, config = {}) {
    Plotly.newPlot(divId, data, {...DARK_LAYOUT, ...layout}, config);
}

独立页面，不继承 base.html
动画粒子背景效果
Bootstrap Tabs 切换登录/注册
登录表单：用户名、密码
注册表单：用户名、显示名、邮箱、手机号、密码、确认密码

8.3 数据总览页（dashboard.html）

布局：

复制代码

┌─────────────────────────────────────────────┐
│           顶部过滤条件栏                      │
│  [年龄范围] [性别] [城乡] [疾病] [吸烟] [搜索] │
├─────────────────────────────────────────────┤
│ ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐   │
│ │总数  │ │平均  │ │平均  │ │平均  │ │高风险│   │
│ │     │ │年龄  │ │血糖  │ │BMI  │ │比例  │   │
│ └─────┘ └─────┘ └─────┘ └─────┘ └─────┘   │
├─────────────────────────────────────────────┤
│ ┌──────────────┐ ┌──────────────────────┐   │
│ │ 健康指数仪表盘 │ │ 疾病患病率柱状图      │   │
│ └──────────────┘ └──────────────────────┘   │
│ ┌──────────────┐ ┌──────────────────────┐   │
│ │ 年龄分布直方图 │ │ 风险等级饼图          │   │
│ └──────────────┘ └──────────────────────┘   │
│ ┌──────────────┐ ┌──────────────────────┐   │
│ │ BMI-血糖散点图 │ │ 血糖箱线图            │   │
│ └──────────────┘ └──────────────────────┘   │
│ ┌──────────────┐ ┌──────────────────────┐   │
│ │ BMI分层柱状图  │ │ 城乡疾病对比          │   │
│ └──────────────┘ └──────────────────────┘   │
│ ┌──────────────┐ ┌──────────────────────┐   │
│ │ 吸烟健康影响  │ │ 婚姻状态雷达图        │   │
│ └──────────────┘ └──────────────────────┘   │
│ ┌──────────────┐ ┌──────────────────────┐   │
│ │ 工作类型疾病  │ │ 血糖/BMI分布直方图    │   │
│ └──────────────┘ └──────────────────────┘   │
└─────────────────────────────────────────────┘

包含图表类型： 仪表盘、柱状图、直方图、饼图、散点图、箱线图、雷达图（共 12+ 种）

8.4 规律分析页（analysis.html）

特色功能：

自动生成的文字洞察卡片
健康雷达图（四维：年龄健康、代谢指标、生活方式、疾病风险）
平行坐标图（年龄、血糖、BMI、风险评分的多维关联）
相关性热力图（6 个数值字段的 Pearson 相关系数矩阵）
树图（风险等级 → 年龄段 → 性别的层级分布）
疾病组合分析（高血压 + 心脏病 + 中风的排列组合统计）
BMI-血糖风险热力图（12 个象限的风险评分）
高风险 Top-20 排行表
CSV 导出按钮

8.5 趋势分析页（trend.html）

分析维度：

性别对比（柱状图 + 雷达图）
年龄段疾病趋势线
风险分值分布
城乡差异对比
年度趋势（疾病率、指标均值变化）
工作类型对比
婚姻状态对比
吸烟状态详细分析

8.6 数据管理页（manage.html）

仅管理员访问，三个标签页：

编辑数据： 分页表格（每页 50 条），支持行内编辑和删除
新增记录： 表单录入
导入数据： CSV 同步，支持"替换模式"（清空后重新导入）

8.7 重点关注页（focus.html）

功能：

添加关注（输入记录 ID、选择关注级别、填写备注）
关注列表表格（支持行内修改级别和备注）
跟踪详情：风险仪表盘 + 对比柱状图
健康信息卡片 + 个性化健康建议
Markdown 格式健康报告导出

8.8 个人中心页（profile.html）

用户信息卡片（头像、姓名、角色、邮箱）
资料编辑表单
密码修改表单

9. 数据可视化方案

9.1 技术实现

所有图表采用 Plotly.js 在客户端渲染。数据传递流程：

复制代码

Python (pandas) → dict/list → Jinja2 tojson → JavaScript JSON.parse → Plotly.js 渲染

模板中的图表渲染模式：

html 复制代码

<div id="chart-div" style="height:400px;"></div>
<script>
(function() {
    var data = {{ chart_data | tojson }};
    // 构建 Plotly traces
    plotChart('chart-div', traces, layout);
})();
</script>

9.2 图表清单

页面	图表名称	Plotly 类型	数据维度
Dashboard	健康指数仪表盘	Indicator (gauge)	综合风险评分
Dashboard	疾病患病率	Bar	5 种疾病
Dashboard	年龄分布直方图	Histogram	性别 × 年龄
Dashboard	风险等级饼图	Pie	4 个风险等级
Dashboard	BMI-血糖散点图	Scatter	BMI × 血糖 × 风险等级
Dashboard	血糖箱线图	Box	中风状态 × 年龄段 × 血糖
Dashboard	BMI 分层柱状图	Bar	4 个 BMI 层级
Dashboard	城乡疾病对比	Bar	城乡 × 3 种疾病
Dashboard	吸烟健康影响	Bar	吸烟状态 × 多指标
Dashboard	婚姻状态雷达	Scatterpolar	婚姻 × 多维指标
Dashboard	工作类型疾病	Bar	工作类型 × 疾病率
Dashboard	BMI/血糖分布	Histogram	双直方图
Analysis	健康雷达图	Scatterpolar	4 维综合评分
Analysis	年龄段疾病柱状图	Bar	年龄段 × 3 种疾病
Analysis	平行坐标	Parcoords	年龄/血糖/BMI/风险
Analysis	吸烟-中风柱状图	Bar	吸烟状态 × 中风
Analysis	相关性热力图	Heatmap	6×6 相关系数矩阵
Analysis	树图	Treemap	风险→年龄→性别
Analysis	年龄-性别-疾病	Grouped Bar	年龄段 × 性别 × 疾病
Analysis	疾病组合柱状图	Bar	疾病组合 × 人数
Analysis	BMI-血糖风险热力图	Heatmap	BMI × 血糖 → 风险评分
Analysis	年龄统计	Bar	均值/中位数/标准差
Analysis	风险分布	Stacked Bar	年龄段 × 风险区间
Analysis	城乡疾病对比	Grouped Bar	城乡 × 3 种疾病率
Analysis	地域指标雷达	Scatterpolar	城乡 × 多维指标
Trend	性别对比柱状图	Bar	性别 × 多指标
Trend	性别雷达图	Scatterpolar	性别 × 多维
Trend	年龄段趋势线	Scatter	年龄段 × 疾病率趋势
Trend	风险分值柱状图	Bar	年龄段 × 平均风险
Trend	血糖/趋势线	Scatter	年龄段 × 血糖趋势
Trend	城乡对比	Bar	城乡 × 多指标
Trend	年度趋势	Scatter	年份 × 指标变化
Trend	工作类型对比	Bar	工作类型 × 疾病率
Trend	婚姻对比	Bar	婚姻 × 指标
Trend	吸烟详细分析	Bar	吸烟状态 × 多指标

9.3 暗色主题

所有图表统一使用暗色主题配置：

javascript 复制代码

const DARK_LAYOUT = {
    paper_bgcolor: 'rgba(0,0,0,0)',
    plot_bgcolor: 'rgba(0,0,0,0)',
    font: { color: '#e0e0e0' },
    xaxis: { gridcolor: 'rgba(255,255,255,0.1)' },
    yaxis: { gridcolor: 'rgba(255,255,255,0.1)' },
    margin: { t: 40, r: 20, b: 40, l: 50 },
};

10. 安全机制

10.1 认证与授权

机制	实现方式
密码存储	PBKDF2-SHA256，180,000 次迭代，16 字节随机盐
密码验证	`hmac.compare_digest()` 防止时序攻击
会话管理	Flask Session（filesystem 存储）
路由保护	`@login_required` / `@admin_required` 装饰器
角色控制	两级角色：user（只读 + 关注）/ admin（完整 CRUD）

10.2 输入安全

机制	实现方式
SQL 注入防护	参数化查询（PyMySQL `%s` 占位符）
标识符验证	`_quote_identifier()` 正则校验 `[A-Za-z0-9_]+`
用户名校验	正则 `[A-Za-z0-9_]{3,32}`
密码强度	最少 6 位
数据类型转换	`_safe_value()` 统一处理空值和类型

10.3 传输安全

机制	说明
缓存控制	HTML 响应设置 `no-store, no-cache`
密码哈希格式	`pbkdf2_sha256$iterations$salt$digest`

10.4 安全注意事项

生产环境部署前需处理以下问题：

app.secret_key 硬编码在源码中，应改为环境变量

数据库密码默认为 123456，应修改并使用强密码

默认管理员密码 123456 过于简单

未启用 HTTPS

未配置 CSRF Token

未设置登录失败锁定机制

Flask debug 模式不应在生产环境开启

11. 部署与运行

11.1 环境要求

Python >= 3.8
MySQL >= 5.7
pip（Python 包管理器）

11.2 安装步骤

bash 复制代码

# 1. 克隆/解压项目
cd health

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

# 3. 确保 MySQL 已启动
# 默认连接: localhost:3306, 用户 root, 密码 123456

# 4. 启动应用
python app.py

11.3 启动流程

python app.py 执行后：

Flask 启动，监听 0.0.0.0:5000
首次请求 /dashboard 时触发 bootstrap_database()
自动创建数据库 design_132_health
自动创建 users、health_records、tracked_people 三张表
自动插入默认管理员（admin / 123456）
自动导入 CSV 数据（4,909 条记录）

11.4 手动数据导入

bash 复制代码

# 使用 CLI 工具导入
python import_data.py

# 指定 CSV 文件
python import_data.py --csv path/to/data.csv

# 清空后重新导入
python import_data.py --reset

11.5 数据库配置覆盖

通过环境变量覆盖默认数据库配置：

bash 复制代码

export HEALTH_DB_HOST=192.168.1.100
export HEALTH_DB_PORT=3307
export HEALTH_DB_USER=health_user
export HEALTH_DB_PASSWORD=strong_password_here
export HEALTH_DB_NAME=health_db

python app.py

11.6 默认账号

角色	用户名	密码	权限
管理员	admin	123456	全部功能
普通用户	（注册）	（自定义）	查看 + 关注

11.7 访问地址

启动后浏览器访问：http://localhost:5000

12. 数据字典

12.1 字段编码对照表

性别（xingbie）

值	含义
男性	男性
女性	女性

布尔字段（gxy / xzb / sfzf / hunyin）

值	含义
0	无 / 未婚
1	有 / 已婚

城乡属性（zzxz）

值	含义
城市	城市地区
农村	农村地区

居住编码（residenc）

值	含义
1	中心城区
2	县城/乡镇
3	村庄

工作性质（gzxz）

值	含义
私人企业	私营企业员工
自雇人士	自由职业/个体户
政府部门	政府/事业单位
儿童	未成年/儿童

吸烟状态（xyzk）

值	含义
从不吸烟	从未吸烟
以前吸烟	已戒烟
吸烟	当前吸烟
不详	信息缺失

BMI 分层

区间	层级	说明
< 18.5	偏瘦	体重过轻
18.5 - 24	正常	健康范围
24 - 28	超重	需关注
>= 28	肥胖	需干预

血糖分层

区间 (mg/dL)	层级	说明
< 100	正常	正常血糖
100 - 126	偏高	糖尿病前期
>= 126	糖尿病风险	建议进一步检查

关注级别（attention_level）

级别	说明
一般关注	常规跟踪
重点关注	需定期复查
高危随访	高风险，需密切监控

12.2 数据集来源

来源： 和鲸社区（Heywhale）公开数据集
链接： https://www.heywhale.com/mw/dataset/6a05e303c52ca72ef9c28f3a/content
构成： 脑中风预测数据集 + 中国中老年健康调查数据集合并
样本量： 4,909 条
年龄范围： 3-93 岁

13. 已知问题与改进建议

13.1 已知问题

编号	问题	严重程度	说明
1	README 与实际不符	低	README 写的是 Streamlit，实际是 Flask
2	requirements.txt 包含未使用的 streamlit	低	不影响运行，但造成困惑
3	默认管理员密码过弱	中	admin/123456，生产环境需修改
4	Secret Key 硬编码	中	应通过环境变量配置
5	无 CSRF 保护	中	表单提交缺少 Token 验证
6	无登录限流	低	可被暴力破解
7	cookies.txt 残留	低	项目中遗留的无关文件
8	数据量小时全量加载	低	4,909 条全量加载到内存，适合中小规模

13.2 改进建议

方向	建议
安全	添加 Flask-WTF 实现 CSRF 保护；引入 Flask-Limiter 实现登录限流；使用 bcrypt 替代 PBKDF2
性能	引入 Redis 缓存热门查询结果；大数据量场景使用服务端分页；异步加载图表
功能	添加数据导出为 Excel 格式；增加数据对比功能（选择两条记录对比）；添加定时报告推送
部署	使用 Gunicorn + Nginx 部署；Docker 容器化；CI/CD 自动化
代码	拆分 app.py 为 Blueprint 模块；引入 Marshmallow 进行请求参数校验；添加单元测试
前端	引入 Vue.js/React 实现 SPA；添加图表下载为图片功能；移动端适配优化

文档版本：v1.0
生成日期：2026-05-22
基于源码版本：当前工作目录

132-基于Python的中老年体检数据可视化分析系统

中老年体检数据可视化分析系统 --- 技术文档

目录

1. 项目概述

1.1 项目背景

1.2 核心功能

1.3 目标用户

2. 系统架构

2.1 整体架构

2.2 数据流

2.3 请求处理流程

3. 技术栈

3.1 后端

3.2 前端

3.3 数据库

4. 目录结构

5. 数据库设计

5.1 ER 关系图

5.2 表结构定义

5.2.1 users 表（用户表）

5.2.2 health_records 表（体检记录表）

5.2.3 tracked_people 表（关注人员表）

5.3 自动初始化机制

6. 核心模块详解

6.1 config.py --- 配置模块

6.2 database.py --- 数据访问层

6.3 analytics.py --- 数据分析引擎

6.3.1 风险评分算法（compute_risk_score）

6.3.2 数据富化（enrich_records）

6.3.3 过滤引擎（apply_filters）

6.3.4 统计分析函数

6.3.5 洞察生成（generate_insights）

6.4 app.py --- Flask Web 应用

7. 路由与接口设计

7.1 页面路由

7.2 API 接口

7.2.1 记录管理（管理员）

7.2.2 关注管理（登录用户）

7.2.3 用户管理

7.2.4 数据导出

7.3 通用查询参数

8. 前端页面设计

8.1 基础布局（base.html）

8.2 登录页（login.html）

8.3 数据总览页（dashboard.html）

8.4 规律分析页（analysis.html）

8.5 趋势分析页（trend.html）

8.6 数据管理页（manage.html）

8.7 重点关注页（focus.html）

8.8 个人中心页（profile.html）

9. 数据可视化方案

9.1 技术实现

9.2 图表清单

9.3 暗色主题

10. 安全机制

10.1 认证与授权

10.2 输入安全

10.3 传输安全

10.4 安全注意事项

11. 部署与运行

11.1 环境要求

11.2 安装步骤

11.3 启动流程

11.4 手动数据导入

11.5 数据库配置覆盖

11.6 默认账号

11.7 访问地址

12. 数据字典

12.1 字段编码对照表

性别（xingbie）

布尔字段（gxy / xzb / sfzf / hunyin）

城乡属性（zzxz）

居住编码（residenc）

工作性质（gzxz）

吸烟状态（xyzk）

BMI 分层

血糖分层

关注级别（attention_level）

12.2 数据集来源

13. 已知问题与改进建议