博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，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。🍅

点击查看作者主页，了解更多项目！

🍅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：2025年计算机专业毕业设计选题汇总（建议收藏）✅

2、大数据毕业设计：2025年选题大全 深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅

1、项目介绍

技术栈：
python语言、Flask框架、pyecharts可视化、requests爬虫技术、京东数据

功能模块：
各厂商手机销售分布
手机品牌市场占有率
各品牌手机价格分析
各品牌好评率分析
智能推荐
市场占比率预测

本项目旨在通过Python技术栈对京东平台上的手机数据进行抓取、分析并构建一个简单的手机推荐系统。
利用网络爬虫技术从京东采集手机的价格、销量、评论等数据，经过数据清洗后存入数据库，
并实现手机厂商手机销售、市场占有率、价格区间等多维度的可视化统计分析，并基于多属性的品牌手机的推荐。
系统采用 Flask 框架构建后端分析服务，前端采用 Bootstrap + Echarts 实现可视化渲染。

主要功能包括：
（1）网络爬虫：从京东获取手机数据；
（2）数据分析：统计各厂商手机销售分布、市场占有率、价格区间和好评率；
（3）可视化展示：使用ECharts进行数据可视化；
（4）推荐功能：根据分析结果为用户推荐手机。 基于自定义的参数推荐手机。

2、项目界面

（1）注册登录界面

（2）各品牌手机价格分析

（3）手机品牌市场占有率分析

（4）各厂商手机销售分布分析

（5）各品牌好评率分析

（6）智能推荐

（7）后台管理

3、项目说明

功能模块：
各厂商手机销售分布
手机品牌市场占有率
各品牌手机价格分析
各品牌好评率分析
智能推荐
市场占比率预测

本项目旨在通过Python技术栈对京东平台上的手机数据进行抓取、分析并构建一个简单的手机推荐系统。
利用网络爬虫技术从京东采集手机的价格、销量、评论等数据，经过数据清洗后存入数据库，
并实现手机厂商手机销售、市场占有率、价格区间等多维度的可视化统计分析，并基于多属性的品牌手机的推荐。
系统采用 Flask 框架构建后端分析服务，前端采用 Bootstrap + Echarts 实现可视化渲染。

主要功能包括：
（1）网络爬虫：从京东获取手机数据；
（2）数据分析：统计各厂商手机销售分布、市场占有率、价格区间和好评率；
（3）可视化展示：使用ECharts进行数据可视化；
（4）推荐功能：根据分析结果为用户推荐手机。 基于自定义的参数推荐手机。

4、核心代码

def phone_sell_count():
    """计算各品牌手机的销量"""
    conn = sqlite3.connect('jd_phone_info.db')
    cursor = conn.cursor()
    sql = 'select 品牌, 评论 from phone'
    cursor.execute(sql)
    datas = cursor.fetchall()

    pingpai_counts = {}
    for data in datas:
        pingpai = data[0]
        count = json.loads(data[1])
        count = count['CommentCountStr']
        if '+' in count:
            count = count[:-1]
            if '万' in count:
                count = int(count[:-1]) * 10000
            else:
                count = int(count)
        else:
            count = int(count)

        if pingpai not in pingpai_counts:
            pingpai_counts[pingpai] = 0
        pingpai_counts[pingpai] += count

    total = sum(pingpai_counts.values())

    pingpai_counts = sorted(pingpai_counts.items(), key=lambda x: x[1], reverse=True)
    pingpai = [p[0] for p in pingpai_counts]
    counts = [p[1] for p in pingpai_counts]
    zhanyoulv = [p[1] / total * 1.0 for p in pingpai_counts]
    return pingpai, counts, zhanyoulv


@app.route('/query_phone_zhanyoulv')
def query_phone_zhanyoulv():
    pingpai, counts, zhanyoulv = phone_sell_count()
    return jsonify({'keys': pingpai, 'counts': counts, 'zhanyoulv': zhanyoulv})


@app.route('/fetch_pingpai_prices')
def fetch_pingpai_prices():
    """各品牌在售手机价格区间分布"""
    conn = sqlite3.connect('jd_phone_info.db')
    cursor = conn.cursor()
    sql = 'select 品牌, 价格 from phone'
    cursor.execute(sql)
    datas = cursor.fetchall()

    loc_price = {}
    for data in datas:
        pingpai, price = data
        if pingpai == 'VERTU': continue
        if pingpai not in loc_price:
            loc_price[pingpai] = []
        loc_price[pingpai].append(price)

    loc_counts = {}
    loc_mean_price = {}
    for pingpai in loc_price:
        loc_counts[pingpai] = len(loc_price[pingpai])
        loc_mean_price[pingpai] = np.mean(loc_price[pingpai])

    locations = list(loc_price.keys())
    results = {
        '品牌': locations,
        '品牌数量': [loc_counts[loc] for loc in locations],
        '品牌平均价格': [loc_mean_price[loc] for loc in locations],
        '品牌价格数据': [loc_price[loc] for loc in locations]
    }
    return jsonify(results)


@app.route('/query_phone_good_comment_ratio')
def query_phone_good_comment_ratio():
    """不同手机品牌的好评率分布"""
    conn = sqlite3.connect('jd_phone_info.db')
    cursor = conn.cursor()
    sql = 'select 品牌, 评论 from phone'
    cursor.execute(sql)
    datas = cursor.fetchall()

    # 计算出热销的手机
    pingpai, counts, zhanyoulv = phone_sell_count()
    hot_pingpai = pingpai[:30]

    pingpai_counts = {}
    for data in datas:
        pingpai = data[0]

        if pingpai not in hot_pingpai:
            continue

        comment = json.loads(data[1])
        # 平均评分
        PoorRate = comment['PoorRate']
        # 好评率
        GoodRate = comment['GoodRate']

        if pingpai not in pingpai_counts:
            pingpai_counts[pingpai] = []
        pingpai_counts[pingpai].append([PoorRate, GoodRate])

    # 计算平均差评
    pinpai_PoorRate = {}
    # 计算平均好评率
    pinpai_GoodRate = {}
    for pinpai in pingpai_counts:
        pinpai_PoorRate[pinpai] = (sum([p[0] for p in pingpai_counts[pinpai]])) / len(pingpai_counts[pinpai])
        pinpai_GoodRate[pinpai] = (sum([p[1] for p in pingpai_counts[pinpai]])) / len(pingpai_counts[pinpai])

    pinpai_PoorRate = sorted(pinpai_PoorRate.items(), key=lambda x: x[1], reverse=True)
    pingpai1 = [p[0] for p in pinpai_PoorRate]
    PoorRate = [p[1] for p in pinpai_PoorRate]

    pinpai_GoodRate = sorted(pinpai_GoodRate.items(), key=lambda x: x[1], reverse=False)
    pingpai2 = [p[0] for p in pinpai_GoodRate]
    GoodRate = [p[1] for p in pinpai_GoodRate]
    return jsonify({'pinpai': pingpai1, 'PoorRate': PoorRate,
                    'pingpai2': pingpai2, 'GoodRate': GoodRate})


@app.route('/get_all_brands')
def get_all_brands():
    """获取所有品牌"""
    pingpai, counts, zhanyoulv = phone_sell_count()
    return jsonify({'品牌': pingpai, '数量': counts})


@app.route('/recommend_phones')
def recommend_phones():
    """基于参数手机推荐"""
    品牌 = request.args.get('品牌')
    最低价格 = request.args.get('最低价格')
    最高价格 = request.args.get('最高价格')
    最低好评率 = request.args.get('最低好评率')
    最低好评率 = float(最低好评率)

    conn = sqlite3.connect('jd_phone_info.db')
    cursor = conn.cursor()
    sql = "select * from phone where 品牌=='{}' and 价格 >= {} and 价格 <= {}".format(品牌, 最低价格, 最高价格)
    cursor.execute(sql)
    datas = cursor.fetchall()

    phones = []
    all_names = set()
    for data in datas:
        comment = json.loads(data[5])
        GoodRate = comment['GoodRate']

        if (GoodRate < 最低好评率) or ():
            continue

        if not data[3].strip():
            continue

        if data[3] in all_names:
            continue

        phones.append(
            {
                '品牌': data[0],
                '图片': data[1],
                '价格': data[2],
                '产品名称': data[3],
                '链接': data[4],
                '好评率': GoodRate
            }
        )
        all_names.add(data[3])
    # 按照好评率排序
    phones = sorted(phones, key=lambda x: x['好评率'], reverse=True)
    # 推荐 TOP20 的
    return jsonify({'推荐手机': phones[:20]})


if __name__ == "__main__":
    app.run(host='127.0.0.1')

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看【用户名】、【专栏名称】、就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，查看下方👇🏻👇🏻