133-基于Python的全球城市生活成本数据可视化分析系统

全球城市生活成本数据可视化分析系统 - 技术文档

1. 项目概述

1.1 系统简介

本系统是一个基于 Django 框架的全球城市生活成本数据可视化分析平台，旨在为用户提供全球主要城市的生活成本数据查询、对比分析和可视化展示。系统基于 Numbeo 公开数据集，涵盖全球 5000+ 城市的 57 项生活成本指标，包括餐饮、交通、住房、教育、娱乐等多个维度。

1.2 核心功能

功能模块	说明
数据看板	全局统计概览、国家排名、雷达图、散点图、热力图、城市推荐
数据管理	城市生活成本记录的增删改查、CSV 导入导出
城市对比	多城市多维度雷达图 + 柱状图对比分析
购买力分析	各国工资对 17 种日常商品的购买力对比
分布分析	各指标的直方图分布 + 描述性统计（均值、中位数、标准差、四分位数）
区域分析	按大洲划分的区域生活成本对比
成本结构	各国生活成本的六大类别占比分析（饼图 + 柱状图）
负担力排名	各国工资对基本生活开支的覆盖率排名
租金预测	基于线性回归的市中心一居室月租预测

1.3 数据来源

数据集来源于 Numbeo，采集时间为 2022 年 12 月 3 日，包含 63 列数据（其中 57 项为数值型生活成本指标），编码格式为 GB18030。

2. 技术栈

2.1 后端

组件	版本	用途
Python	3.x	运行环境
Django	4.2.8	Web 框架
django-simpleui	--	Django Admin 美化界面
MySQL	--	关系型数据库
mysqlclient	2.2.0	MySQL 数据库驱动
PyMySQL	1.1.1	MySQL 备选驱动
pandas	2.2.3	CSV 数据处理
scikit-learn	1.3.2	机器学习（线性回归预测）

2.2 前端

组件	版本	来源	用途
Bootstrap CSS	5.3.3	CDN	UI 框架
Bootstrap JS	5.3.3	CDN	交互组件
Bootstrap Icons	1.11.3	CDN	图标库
ECharts	5.5.1	CDN	数据可视化图表
Inter Font	--	Google Fonts	字体

2.3 架构模式

采用 Django 的 MVT（Model-View-Template） 架构模式：

复制代码

┌─────────────┐     ┌─────────────┐     ┌──────────────┐
│   Template   │◄────│    View      │◄────│    Model      │
│  (HTML/CSS/  │     │ (业务逻辑)   │     │ (数据层/ORM)  │
│     JS)      │     │              │     │               │
└─────────────┘     └──────┬──────┘     └───────────────┘
                           │
                    ┌──────▼──────┐
                    │   MySQL DB   │
                    └─────────────┘

3. 项目结构

复制代码

city/
├── citycost/                              # Django 项目配置包
│   ├── __init__.py
│   ├── settings.py                        # 项目配置（数据库、中间件、应用等）
│   ├── urls.py                            # 根 URL 路由
│   ├── wsgi.py                            # WSGI 入口
│   └── asgi.py                            # ASGI 入口
│
├── dashboard/                             # 主应用
│   ├── __init__.py
│   ├── admin.py                           # Admin 后台注册
│   ├── apps.py                            # 应用配置
│   ├── forms.py                           # 表单定义（3 个表单类）
│   ├── models.py                          # 数据模型（2 个模型 + CSV 映射常量）
│   ├── urls.py                            # 应用 URL 路由（40 条规则）
│   ├── views.py                           # 视图函数（28 个视图）
│   │
│   ├── management/
│   │   └── commands/
│   │       ├── create_admin.py            # 创建默认管理员
│   │       ├── import_cost_data.py        # CSV 数据导入
│   │       └── populate_chinese_names.py  # 中文名称填充
│   │
│   ├── migrations/                        # 数据库迁移文件
│   │   ├── 0001_initial.py
│   │   ├── 0002_userfavorite.py
│   │   └── 0003_costoflivingrecord_city_cn_and_more.py
│   │
│   ├── static/dashboard/
│   │   ├── css/
│   │   │   └── app.css                    # 全局样式（1285 行设计系统）
│   │   ├── images/
│   │   │   └── city-bg.jpg                # 登录/注册页背景图
│   │   └── js/
│   │       ├── charts.js                  # 首页看板图表（273 行）
│   │       ├── city_compare.js            # 城市对比图表
│   │       ├── purchasing_power.js        # 购买力分析图表
│   │       ├── distribution.js            # 分布分析图表
│   │       ├── regional.js                # 区域分析图表
│   │       ├── cost_structure.js          # 成本结构图表
│   │       └── affordability.js           # 负担力排名图表
│   │
│   └── templates/
│       ├── registration/
│       │   └── login.html                 # 登录页
│       └── dashboard/
│           ├── base.html                  # 基础布局模板（侧边栏 + 顶栏）
│           ├── index.html                 # 数据看板首页
│           ├── register.html              # 注册页
│           ├── profile.html               # 个人中心
│           ├── record_list.html           # 数据列表
│           ├── record_detail.html         # 城市详情
│           ├── record_form.html           # 新增/编辑表单
│           ├── record_confirm_delete.html # 删除确认
│           ├── record_import.html         # CSV 导入
│           ├── predict.html               # 租金预测
│           ├── city_compare.html          # 城市对比
│           ├── purchasing_power.html      # 购买力分析
│           ├── distribution.html          # 分布分析
│           ├── regional.html              # 区域分析
│           ├── cost_structure.html        # 成本结构
│           └── affordability.html         # 负担力排名
│
├── cost-of-living_20221203.csv            # Numbeo 原始数据集
├── requirements.txt                       # Python 依赖清单
├── gen_all_mappings.py                    # 城市中文名音译生成器
├── build_mapping.py                       # 映射构建脚本
├── generate_city_names.py                 # 城市名生成脚本
├── unmapped_cities.txt                    # 未映射城市列表
├── all_cities.txt                         # 全部城市列表
└── cities_by_country.txt                  # 按国家分组的城市列表

4. 环境搭建与部署

4.1 系统要求

Python 3.8+
MySQL 5.7+ / 8.0
pip 包管理器

4.2 安装步骤

bash 复制代码

# 1. 克隆或解压项目
cd city

# 2. 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate        # Linux/Mac
# venv\Scripts\activate         # Windows

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

# 4. 创建 MySQL 数据库
mysql -u root -p
CREATE DATABASE design_133_city CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
EXIT;

# 5. 执行数据库迁移
python manage.py migrate

# 6. 导入生活成本数据
python manage.py import_cost_data --path cost-of-living_20221203.csv

# 7. 填充中文城市/国家名称
python manage.py populate_chinese_names

# 8. 创建管理员账号
python manage.py create_admin

# 9. 启动开发服务器
python manage.py runserver

4.3 默认管理员账号

字段	值
用户名	`admin`
密码	`123456`
邮箱	`admin@example.com`

注意：create_admin 命令会重置已存在管理员的密码为 123456。

4.4 访问地址

地址	说明
`http://127.0.0.1:8000/`	系统首页（需登录）
`http://127.0.0.1:8000/accounts/login/`	登录页
`http://127.0.0.1:8000/register/`	注册页
`http://127.0.0.1:8000/admin/`	Django Admin 后台

5. 数据库设计

5.1 数据库配置

配置项	值
引擎	MySQL (`django.db.backends.mysql`)
数据库名	`design_133_city`
用户	`root`
主机	`localhost:3306`
字符集	`utf8mb4`
SQL 模式	`STRICT_TRANS_TABLES`

5.2 数据表概览

数据表	模型	说明
`cost_of_living_records`	`CostOfLivingRecord`	城市生活成本记录（主表）
`user_favorites`	`UserFavorite`	用户收藏关联表
`auth_user`	Django 内置	用户账号表
`django_session`	Django 内置	会话表

5.3 CostOfLivingRecord 模型

表名：cost_of_living_records

元数据字段

字段	类型	约束	说明
`id`	BigAutoField	PK, 自增	主键
`city`	CharField(120)	索引, 非空	城市英文名
`city_cn`	CharField(120)	可空	城市中文名
`country`	CharField(120)	索引, 非空	国家英文名
`country_cn`	CharField(120)	可空	国家中文名
`created_at`	DateTimeField	auto_now_add	创建时间
`updated_at`	DateTimeField	auto_now	更新时间

餐饮类指标（14 个字段）

字段	中文标签	单位
`cheap_meal`	廉价餐厅	USD
`mid_range_meal`	2人中档餐厅三道菜	USD
`mcdonalds_meal`	麦当劳套餐	USD
`domestic_beer_restaurant`	国产啤酒-餐馆	USD
`imported_beer_restaurant`	进口啤酒-餐馆	USD
`cappuccino`	卡布奇诺	USD
`coke`	可乐	USD
`water_small`	瓶装水 0.33L	USD
`milk`	牛奶 1L	USD
`white_bread`	白面包 500g	USD
`rice`	大米 1kg	USD
`eggs`	鸡蛋 12 个	USD
`local_cheese`	当地奶酪 1kg	USD
`chicken_fillet`	鸡肉片 1kg	USD

日用品类指标（10 个字段）

字段	中文标签	单位
`beef_round`	牛圆肉 1kg	USD
`apples`	苹果 1kg	USD
`bananas`	香蕉 1kg	USD
`oranges`	橙子 1kg	USD
`tomatoes`	番茄 1kg	USD
`potatoes`	马铃薯 1kg	USD
`onions`	洋葱 1kg	USD
`lettuce`	莴苣 1 头	USD
`water_large`	瓶装水 1.5L	USD
`wine`	中档葡萄酒	USD

酒类与烟草（3 个字段）

字段	中文标签	单位
`domestic_beer_market`	国产啤酒-市场	USD
`imported_beer_market`	进口啤酒-市场	USD
`cigarettes`	万宝路 20 支	USD

交通类指标（8 个字段）

字段	中文标签	单位
`one_way_ticket`	公共交通单程票	USD
`monthly_pass`	公共交通月票	USD
`taxi_start`	出租车起步价	USD
`taxi_1km`	出租车 1 公里	USD
`taxi_waiting_hour`	出租车等待 1 小时	USD
`gasoline`	汽油 1L	USD
`volkswagen_golf`	大众高尔夫	USD
`toyota_corolla`	丰田卡罗拉	USD

通信与生活服务（6 个字段）

字段	中文标签	单位
`basic_utilities`	85 平方米公寓基础开销	USD/月
`mobile_tariff`	1 分钟手机费	USD
`internet`	互联网 60Mbps	USD/月
`fitness_club`	健身俱乐部月费	USD
`tennis_court`	网球场周末 1 小时	USD
`cinema`	电影院票价	USD

教育类指标（2 个字段）

字段	中文标签	单位
`preschool`	私立学前班月费	USD
`international_primary_school`	国际小学年费	USD

服饰类指标（4 个字段）

字段	中文标签	单位
`jeans`	牛仔裤	USD
`summer_dress`	夏装	USD
`nike_shoes`	耐克跑步鞋	USD
`leather_shoes`	男士皮鞋	USD

住房类指标（6 个字段）

字段	中文标签	单位
`apartment_1br_center`	市中心 1 居室月租	USD
`apartment_1br_outside`	市中心外 1 居室月租	USD
`apartment_3br_center`	市中心 3 居室月租	USD
`apartment_3br_outside`	市中心外 3 居室月租	USD
`price_sqm_center`	市中心公寓每平方米购买价	USD
`price_sqm_outside`	市中心外公寓每平方米购买价	USD

收入与金融（2 个字段）

字段	中文标签	单位
`salary`	平均月净工资	USD
`mortgage_rate`	年度抵押贷款利率	%

质量标记（1 个字段）

字段	中文标签	说明
`data_quality_score`	数据质量标记	Numbeo 提供的数据可信度评分

数据库索引

索引名称	字段	说明
主键索引	`id`	自增主键
普通索引	`country, city`	国家+城市联合查询
普通索引	`salary`	工资排序/筛选
普通索引	`apartment_1br_center`	租金排序/筛选

模型属性

python 复制代码

@property
def data_completeness(self):
    """返回 14 个关键字段的完整度百分比 (0-100)"""

5.4 UserFavorite 模型

表名：user_favorites

字段	类型	约束	说明
`id`	BigAutoField	PK	主键
`user`	ForeignKey(User)	CASCADE	关联用户
`record`	ForeignKey(CostOfLivingRecord)	CASCADE	关联城市记录
`created_at`	DateTimeField	auto_now_add	收藏时间

约束：(user, record) 唯一联合约束，防止重复收藏。

5.5 ER 关系图

复制代码

┌──────────────┐       ┌─────────────────────┐       ┌──────────────┐
│   auth_user   │       │ cost_of_living_     │       │ user_favorites│
│──────────────│       │ records              │       │──────────────│
│ id (PK)      │◄──┐   │─────────────────────│   ┌──►│ id (PK)      │
│ username     │   │   │ id (PK)             │   │   │ user_id (FK) │
│ password     │   └───│ ...                 │◄──┘   │ record_id(FK)│
│ email        │       │ city, country       │       │ created_at   │
│ ...          │       │ 57 项指标字段         │       └──────────────┘
└──────────────┘       │ created_at, updated_at│
                       └─────────────────────┘

6. 后端架构

6.1 URL 路由体系

根路由 (`citycost/urls.py`)

URL 模式	目标	说明
`admin/`	`admin.site.urls`	Django Admin 后台
`accounts/`	`django.contrib.auth.urls`	内置认证（登录/登出/密码重置）
`` (根路径)	`include("dashboard.urls")`	应用路由

应用路由 (`dashboard/urls.py`)

共 40 条 URL 规则，分为四类：

用户页面（3 条）

URL	视图	说明
`register/`	`register`	用户注册
`profile/`	`profile`	个人中心
``	`index`	首页看板

数据 CRUD（7 条）

URL	视图	说明
`records/`	`record_list`	数据列表
`records/export/`	`record_export`	CSV 导出
`records/import/`	`record_import`	CSV 导入
`records/new/`	`record_create`	新增记录
`records/<pk>/`	`record_detail`	记录详情
`records/<pk>/edit/`	`record_update`	编辑记录
`records/<pk>/delete/`	`record_delete`	删除记录

分析页面（7 条）

URL	视图	说明
`analysis/predict/`	`predict`	租金预测
`analysis/city-compare/`	`city_compare`	城市对比
`analysis/purchasing-power/`	`purchasing_power`	购买力分析
`analysis/distribution/`	`distribution`	分布分析
`analysis/regional/`	`regional`	区域分析
`analysis/cost-structure/`	`cost_structure`	成本结构
`analysis/affordability/`	`affordability_ranking`	负担力排名

API 接口（15 条）

详见 [第 9 章 API 接口文档](#第 9 章 API 接口文档)。

6.2 视图层设计

所有视图均为函数视图（FBV），除 register 外均使用 @login_required 装饰器。

辅助函数

函数	说明
`_round(value, digits=2)`	浮点数四舍五入
`_avg(field)`	计算字段全局均值
`_metric_from_request(request)`	从 GET 参数提取并验证指标键
`_field_label(field_name)`	获取字段的中文 verbose_name
`_group_values(record)`	构建详情页分组数据
`_prediction_defaults()`	计算预测表单默认值
`_category_baselines()`	计算分类基线均值
`_category_index(row, fields, baselines)`	计算成本指数
`_country_rows(fields)`	国家级聚合查询
`_monthly_essential(row)`	计算月度基本开支
`_recommend_cities(limit=8)`	按工资/开支比推荐城市
`_train_rent_model()`	训练租金预测模型

6.3 表单设计

BootstrapMixin

为所有表单字段自动添加 Bootstrap CSS 类：

文本输入类字段 → form-control
选择框类字段 → form-select

RegisterForm

基于 Django UserCreationForm，新增必填 email 字段。

RecordForm

基于 CostOfLivingRecord 模型，排除 created_at 和 updated_at，所有数值字段添加 step="0.01" 属性。

PredictionForm

6 个浮点数输入字段（salary, basic_utilities, internet, cheap_meal, price_sqm_center, gasoline），默认值从数据库均值动态计算。

6.4 认证与权限

使用 Django 内置认证系统 (django.contrib.auth)
未登录用户自动重定向到 /accounts/login/
注册成功后自动登录
密码校验已简化：仅保留最低长度 1 位的要求
登录/注册页面使用城市天际线背景图 + 毛玻璃效果

7. 前端架构

7.1 模板继承体系

复制代码

base.html
├── login.html
├── register.html
├── index.html
├── profile.html
├── record_list.html
├── record_detail.html
├── record_form.html
├── record_confirm_delete.html
├── record_import.html
├── predict.html
├── city_compare.html
├── purchasing_power.html
├── distribution.html
├── regional.html
├── cost_structure.html
└── affordability.html

base.html 提供两种布局模式：

已认证用户：左侧 260px 固定侧边栏 + 右侧主内容区
未认证用户 ：全屏居中认证面板（auth_content 块）

7.2 设计系统 (`app.css`)

CSS 自定义属性

css 复制代码

:root {
  --ink: #1a1d29;          /* 主文字色 */
  --muted: #6b7280;        /* 次要文字色 */
  --line: #e5e7eb;         /* 边框线色 */
  --surface: #ffffff;      /* 卡片背景色 */
  --page: #f0f2f5;         /* 页面背景色 */
  --teal: #0d9488;         /* 绿色强调 */
  --blue: #2563eb;         /* 蓝色主色 */
  --gold: #f59e0b;         /* 金色 */
  --rose: #e11d48;         /* 红色警告 */
  --indigo: #6366f1;       /* 靛蓝主色 */
  --cyan: #0891b2;         /* 青色 */
  --radius: 12px;          /* 圆角 */
  --radius-sm: 8px;        /* 小圆角 */
  --radius-lg: 16px;       /* 大圆角 */
  --font: "Inter", "Segoe UI", "Microsoft YaHei", system-ui, sans-serif;
}

响应式断点

断点	宽度	适配
桌面端	> 1180px	4 列网格，完整侧边栏
平板端	820px - 1180px	2 列网格
移动端	< 820px	侧边栏折叠为顶栏
小屏手机	< 560px	单列布局

特殊效果

登录/注册背景：城市天际线图片 + 半透明暗色遮罩 + 毛玻璃卡片
卡片悬停：顶部渐变色条显示 + 微向上位移 + 阴影增强
渐入动画 ：fadeInUp 0.3s 缓动
减少动效 ：prefers-reduced-motion 媒体查询支持

7.3 JavaScript 架构

所有 JS 文件采用 IIFE（立即执行函数表达式）模式，通过 window.addEventListener("DOMContentLoaded", init) 初始化。

公共模式

javascript 复制代码

// API 请求封装
async function fetchJson(url) {
  const res = await fetch(url);
  if (!res.ok) throw new Error(res.status);
  return res.json();
}

// 统一 Tooltip 样式
function tooltipStyle() {
  return {
    backgroundColor: "rgba(15,23,42,0.9)",
    borderColor: "rgba(99,102,241,0.2)",
    textStyle: { color: "#fff", fontSize: 12 },
    borderWidth: 1,
    padding: [8, 12],
    extraCssText: "border-radius:8px;box-shadow:0 4px 12px rgba(0,0,0,0.15);"
  };
}

// 金额格式化
function money(v) {
  return v != null ? "$" + Number(v).toLocaleString("en-US", {
    minimumFractionDigits: 0, maximumFractionDigits: 0
  }) : "-";
}

JS 文件职责

文件	行数	图表类型	对应 API
`charts.js`	273	仪表盘、柱状图、热力图、雷达图、散点图	`rankings`, `radar`, `scatter`, `affordability`, `category_heatmap`, `country_compare`
`city_compare.js`	109	雷达图、柱状图、对比表格	`city_compare_data`
`purchasing_power.js`	87	水平柱状图	`purchasing_power`
`distribution.js`	106	直方图 + 标记线	`distribution`
`regional.js`	91	柱状图、详情表格	`regional`
`cost_structure.js`	89	饼图、柱状图、详情表格	`cost_structure`
`affordability.js`	124	3 组柱状图、排名表格	`affordability_ranking`

8. 功能模块详解

8.1 数据看板 (`index`)

首页提供全局数据概览，包含以下组件：

6 张统计摘要卡片

卡片	数据来源	说明
覆盖城市数	`COUNT(DISTINCT city)`	数据集中的城市总数
覆盖国家数	`COUNT(DISTINCT country)`	数据集中的国家总数
全球平均工资	`AVG(salary)`	全球月均净工资
全球平均租金	`AVG(apartment_1br_center)`	市中心一居室月租均值
全球平均餐饮	`AVG(cheap_meal)`	廉价餐厅均值
全球平均房价	`AVG(price_sqm_center)`	市中心每平方米房价均值

6 组可视化图表

国家排名柱状图：按选定指标展示 Top 12 国家
城市雷达图：单城市 5 维度与全球均值对比（餐饮、交通、住房、通信娱乐、教育服饰）
工资 vs 租金散点图：最多 900 个城市的工资-租金关系
负担力仪表盘：全球平均工资覆盖率
分类热力图：Top 16 国家 × 5 大类别的成本指数矩阵
国家对比雷达图：默认 5 国多维对比

城市推荐卡片

基于 工资 / (房租 + 水电网 + 餐饮 × 30 + 交通) 比率排名，展示 Top 8 最宜居城市。

8.2 数据管理

列表页 (`record_list`)

分页：每页 20 条
搜索：按城市名模糊搜索（中英文）
筛选：按国家下拉筛选
排序：支持按城市、国家、工资、租金排序
收藏：每行可切换收藏状态

详情页 (`record_detail`)

5 张摘要卡片（工资、租金、餐饮、房价、数据完整度）
4 组指标分组展示：
- 餐饮日用品（12 项）
- 交通服务（8 项）
- 住房收入（9 项）
- 教育娱乐服饰（9 项）
收藏切换按钮

CSV 导入 (`record_import`)

支持上传 CSV 文件
自动映射中文列头到英文字段
按 city + country 唯一键执行 update_or_create
缺失值用国家均值填充，其次用全局均值填充

CSV 导出 (`record_export`)

导出 10 列核心字段
UTF-8 BOM 编码（兼容 Excel 中文显示）

8.3 城市对比 (`city_compare`)

选择 2-5 个城市进行对比
雷达图：5 维度标准化对比
柱状图：各维度原始值对比
对比表格：详细数值列表

8.4 购买力分析 (`purchasing_power`)

按国家选择
计算月工资可购买的 17 种日常商品数量
水平柱状图展示购买力排名
摘要卡片展示平均购买力指标

8.5 分布分析 (`distribution`)

选择任意指标
直方图展示全球分布
8 项描述性统计：
- 样本量、均值、中位数、标准差
- 最小值、最大值、Q1（25%）、Q3（75%）

8.6 区域分析 (`regional`)

按 6 大洲分组：亚洲、北美洲、南美洲、欧洲、大洋洲、非洲
柱状图展示各区域均值
详情表格展示每个区域的均值、最小值、最大值、城市数

8.7 成本结构 (`cost_structure`)

按国家选择
6 大类别的成本占比：
- 餐饮（廉价餐厅 + 中档餐厅 + 咖啡 + 可乐）
- 日用品（牛奶 + 面包 + 大米 + 鸡蛋 + 鸡肉）
- 交通（单程票 + 月票 + 出租车 + 汽油）
- 住房（1 居室租金 + 水电网）
- 娱乐（健身 + 电影 + 网球）
- 服饰（牛仔裤 + 夏装 + 运动鞋 + 皮鞋）
饼图 + 柱状图 + 详情表格

8.8 负担力排名 (`affordability_ranking`)

3 组图表：

工资覆盖率排名 ：工资 / 基本开支 × 100%
租金压力排名 ：租金 / 工资 × 100%
食品开支占比排名 ：食品开支 / 工资 × 100%

完整排名表格包含：国家、覆盖率、租金占比、食品占比、平均工资、平均租金、平均餐饮开支。

9. API 接口文档

所有 API 返回 JSON 格式，均需要登录认证。

9.1 全局概览

复制代码

GET /api/overview/

响应示例：

json 复制代码

{
  "cities": 5428,
  "countries": 98,
  "avg_salary": 1523.45,
  "avg_rent": 856.32,
  "avg_meal": 8.67,
  "avg_home_price": 3245.12
}

9.2 国家地图数据

复制代码

GET /api/country-map/?metric={metric_key}

响应示例：

json 复制代码

{
  "metric": "salary",
  "label": "平均月净工资",
  "rows": [
    {"country": "Switzerland", "country_cn": "瑞士", "value": 6523.0, "cities": 5}
  ]
}

9.3 国家排名

复制代码

GET /api/rankings/?metric={metric_key}

响应： Top 12 国家按选定指标降序排列。

9.4 城市雷达图

复制代码

GET /api/radar/?city={city_name}

响应： 5 维度值与全局均值对比。

9.5 工资-租金散点

复制代码

GET /api/scatter/

响应： 最多 900 个城市的 {salary, rent, city} 数组。

9.6 负担力概览

复制代码

GET /api/affordability/

响应： 全局覆盖率、Top 10 高覆盖率国家、租金压力 Top 10。

9.7 分类热力图

复制代码

GET /api/category-heatmap/?metric={metric_key}

响应： Top 16 国家 × 5 类别的成本指数矩阵。

9.8 国家对比

复制代码

GET /api/country-compare/?countries=China,United States,Germany

参数： countries - 逗号分隔的 2-5 个国家名。

响应： 雷达图数据 + 柱状图数据 + 国家卡片信息。

9.9 城市对比

复制代码

GET /api/city-compare/?cities=Tokyo,Shanghai,New York

参数： cities - 逗号分隔的 2-5 个城市名。

响应： 雷达图数据 + 柱状图数据 + 对比表格数据。

9.10 购买力分析

复制代码

GET /api/purchasing-power/?country={country_name}

响应： 17 种商品的可购买数量。

9.11 分布分析

复制代码

GET /api/distribution/?metric={metric_key}

响应： 直方图分箱数据 + 描述性统计。

9.12 区域分析

复制代码

GET /api/regional/?metric={metric_key}

响应： 6 大洲的聚合统计。

9.13 成本结构

复制代码

GET /api/cost-structure/?country={country_name}

响应： 6 大类别的成本值和百分比。

9.14 负担力排名

复制代码

GET /api/affordability-ranking/

响应： 全部国家的覆盖率、租金占比、食品占比排名。

9.15 收藏切换

复制代码

POST /api/favorite-toggle/
Content-Type: application/x-www-form-urlencoded

record_id={id}

响应：

json 复制代码

{"favorited": true}

10. 机器学习模块

10.1 模型概述

系统内置一个基于 scikit-learn 的线性回归模型，用于预测城市市中心一居室月租。

10.2 算法详情

项目	说明
算法	`sklearn.linear_model.LinearRegression`
目标变量	`apartment_1br_center`（市中心一居室月租，USD）
特征变量	`salary`（工资）、`basic_utilities`（基础开销）、`internet`（网络）、`cheap_meal`（廉价餐饮）、`price_sqm_center`（市中心房价）、`gasoline`（汽油）
训练数据	数据库中所有 7 个字段均非空的记录
最小样本量	10 条记录
输出	预测租金值、R² 决定系数、各特征系数

10.3 使用流程

用户在预测页面输入 6 项特征值（或使用数据库均值作为默认值）
后端从数据库加载训练数据
训练线性回归模型
返回预测值、R² 分数和各特征系数
前端展示预测结果和模型解释

10.4 模型代码

python 复制代码

def _train_rent_model():
    """训练租金预测模型"""
    qs = CostOfLivingRecord.objects.filter(
        apartment_1br_center__isnull=False,
        salary__isnull=False,
        basic_utilities__isnull=False,
        internet__isnull=False,
        cheap_meal__isnull=False,
        price_sqm_center__isnull=False,
        gasoline__isnull=False,
    )
    if qs.count() < 10:
        raise RuntimeError("可用训练数据不足")
    
    df = pd.DataFrame(qs.values(FEATURE_FIELDS + ["apartment_1br_center"]))
    X = df[FEATURE_FIELDS]
    y = df["apartment_1br_center"]
    
    model = LinearRegression()
    model.fit(X, y)
    return model, model.score(X, y)

11. 数据导入与管理

11.1 管理命令一览

命令	文件	说明
`import_cost_data`	`import_cost_data.py`	导入 Numbeo CSV 数据
`create_admin`	`create_admin.py`	创建/重置管理员账号
`populate_chinese_names`	`populate_chinese_names.py`	填充中文城市/国家名

11.2 数据导入 (`import_cost_data`)

bash 复制代码

python manage.py import_cost_data [--path PATH] [--encoding ENCODING] [--append]

参数	默认值	说明
`--path`	`cost-of-living_20221203.csv`	CSV 文件路径
`--encoding`	`gb18030`	文件编码
`--append`	False	追加模式（默认清空后导入）

处理流程：

使用 pandas 读取 CSV 文件
将 63 列中文列头映射为 57 个英文字段名
对缺失值：先用同国家均值填充，再用全局均值填充
使用 bulk_create 批量插入，每批 500 条

11.3 中文名填充 (`populate_chinese_names`)

bash 复制代码

python manage.py populate_chinese_names

内置约 190 个国家和 4956 个城市的中文名称映射，通过音译规则自动生成。对于未匹配的城市，使用基于音节的规则引擎进行自动翻译。

音译引擎组成：

MANUAL 字典：约 300 个主要城市的手动映射
WORD_PATTERNS：约 50 个常见词汇翻译（如 "north" → "北"）
SYLLABLE_RULES：约 100+ 个音节到中文的映射规则
SUFFIX_PATTERNS：约 30 个常见后缀（如 "ton" → "顿"，"burg" → "堡"）

12. 配置说明

12.1 核心配置项 (`settings.py`)

配置项	值	说明
`DEBUG`	`True`	开发模式（生产环境需改为 `False`）
`ALLOWED_HOSTS`	`["localhost", "127.0.0.1"]`	允许的主机名
`LANGUAGE_CODE`	`zh-hans`	中文简体
`TIME_ZONE`	`Asia/Shanghai`	时区
`LOGIN_URL`	`login`	登录页 URL
`LOGIN_REDIRECT_URL`	`dashboard:index`	登录后跳转
`LOGOUT_REDIRECT_URL`	`login`	登出后跳转
`DEFAULT_AUTO_FIELD`	`BigAutoField`	默认主键类型

12.2 密码策略

python 复制代码

AUTH_PASSWORD_VALIDATORS = [
    {
        "NAME": "django.contrib.auth.password_validation.MinimumLengthValidator",
        "OPTIONS": {"min_length": 1},
    },
]

当前仅要求密码长度 ≥ 1 位，已移除复杂度校验。

12.3 SimpleUI Admin 配置

python 复制代码

SIMPLEUI_CONFIG = {
    "system_keep": False,
    "menus": [
        {
            "name": "生活成本数据",
            "icon": "bi bi-database",
            "models": [
                {"name": "城市成本记录", "url": "/admin/dashboard/costoflivingrecord/"},
                {"name": "用户收藏", "url": "/admin/dashboard/userfavorite/"},
            ],
        },
        {
            "name": "账号权限",
            "icon": "bi bi-shield-lock",
            "models": [
                {"name": "用户", "url": "/admin/auth/user/"},
                {"name": "用户组", "url": "/admin/auth/group/"},
            ],
        },
    ],
}

12.4 依赖清单

复制代码

Django==4.2.8
django-simpleui
mysqlclient==2.2.0
PyMySQL==1.1.1
pandas==2.2.3
scikit-learn==1.3.2

文档版本 ：v1.0
最后更新 ：2026-05-22
适用系统版本：全球城市生活成本数据可视化分析系统 v1.0

133-基于Python的全球城市生活成本数据可视化分析系统

全球城市生活成本数据可视化分析系统 - 技术文档

目录

1. 项目概述

1.1 系统简介

1.2 核心功能

1.3 数据来源

2. 技术栈

2.1 后端

2.2 前端

2.3 架构模式

3. 项目结构

4. 环境搭建与部署

4.1 系统要求

4.2 安装步骤

4.3 默认管理员账号

4.4 访问地址

5. 数据库设计

5.1 数据库配置

5.2 数据表概览

5.3 CostOfLivingRecord 模型

元数据字段

餐饮类指标（14 个字段）

日用品类指标（10 个字段）

酒类与烟草（3 个字段）

交通类指标（8 个字段）

通信与生活服务（6 个字段）

教育类指标（2 个字段）

服饰类指标（4 个字段）

住房类指标（6 个字段）

收入与金融（2 个字段）

质量标记（1 个字段）

数据库索引

模型属性

5.4 UserFavorite 模型

5.5 ER 关系图

6. 后端架构

6.1 URL 路由体系

根路由 (citycost/urls.py)

应用路由 (dashboard/urls.py)

6.2 视图层设计

辅助函数

6.3 表单设计

BootstrapMixin

RegisterForm

RecordForm

PredictionForm

6.4 认证与权限

7. 前端架构

7.1 模板继承体系

7.2 设计系统 (app.css)

CSS 自定义属性

响应式断点

特殊效果

7.3 JavaScript 架构

公共模式

JS 文件职责

8. 功能模块详解

8.1 数据看板 (index)

8.2 数据管理

列表页 (record_list)

详情页 (record_detail)

CSV 导入 (record_import)

CSV 导出 (record_export)

8.3 城市对比 (city_compare)

8.4 购买力分析 (purchasing_power)

8.5 分布分析 (distribution)

8.6 区域分析 (regional)

8.7 成本结构 (cost_structure)

8.8 负担力排名 (affordability_ranking)

9. API 接口文档

9.1 全局概览

9.2 国家地图数据

9.3 国家排名

9.4 城市雷达图

9.5 工资-租金散点

9.6 负担力概览

9.7 分类热力图

9.8 国家对比

9.9 城市对比

根路由 (`citycost/urls.py`)

应用路由 (`dashboard/urls.py`)

7.2 设计系统 (`app.css`)

8.1 数据看板 (`index`)

列表页 (`record_list`)

详情页 (`record_detail`)

CSV 导入 (`record_import`)

CSV 导出 (`record_export`)

8.3 城市对比 (`city_compare`)

8.4 购买力分析 (`purchasing_power`)

8.5 分布分析 (`distribution`)

8.6 区域分析 (`regional`)

8.7 成本结构 (`cost_structure`)

8.8 负担力排名 (`affordability_ranking`)

11.2 数据导入 (`import_cost_data`)

11.3 中文名填充 (`populate_chinese_names`)

12.1 核心配置项 (`settings.py`)