Python景点数据分析系统：爬虫、数据库与可视化实战

简介：一套基于Python的热门景点数据分析与可视化系统项目实例，面向具备Python基础、希望掌握全栈式数据分析流程的研发人员与数据分析师，适用于文旅决策、景区运营优化和在线旅游平台推荐等场景。内容围绕完整项目闭环展开：从数据生成、数据库建模、FastAPI后端接口开发，到pandas/NumPy数据处理、scikit-learn K-Means聚类建模，再到Tkinter桌面GUI集成，覆盖数据清洗、特征工程、统计聚合和多维可视化展示。压缩包共1个文件，为docx格式（Word文档），大小仅112KB，便于随时查阅。目前已有70人浏览学习。文档内含项目背景、系统分层架构、模块代码详解、数据预处理与聚类示例，并给出数据库设计、API规范及未来优化方向，同时展示数据读取、缺失值处理、特征派生、描述性统计与可视化生成等典型代码片段，适合逐模块运行与调试，作为从学习到实战的参考范本。

1. 一个“景点数据分析与可视化系统”到底在解决什么问题？

一趟热门景点数据分析项目，最容易翻车的不是爬虫，而是数据入库之后没人敢信。基于 Python 的景点数据分析与可视化系统，表面上是把景点数据抓下来、存进数据库、画几张图，实际做的是四件事：把多来源的景点数据统一成结构化字段，清洗掉重复和脏数据，通过 GUI 让非技术人员按城市、级别、评分去筛选，再把结果转成一眼能看懂的图表。适合谁？想用爬虫、数据库和桌面 GUI 串起完整技术栈的初学者，以及要给业务方交付可验证结果的数据分析师。这里的核心难点不在某个模型多高级，而在数据口径统一、查询快、图表可追溯。

2. 先定技术选型：从 Python 爬虫到数据可视化，这条链路怎么搭才不返工？

动手之前先把数据链路想清楚，能省掉后面一半返工。一条典型的链路是：Python 爬虫或 Excel 台账进入数据清洗，清洗后写入 SQLite 或 MySQL，再用 DAO 层隔离数据库操作，最后在 GUI 里调用 Matplotlib 或 ECharts 渲染。每个环节都有可替换的方案，选错会在联调阶段付出代价。

2.1 数据从哪来：爬虫、开放数据集还是手工台账？

旅游景点数据的来源常见有三条路：开放 API、网页爬虫、业务手工台账。我一般不建议一开始就抓评论全文，因为评论里全是口语、表情和长短句，清洗成本高，信息增量却很低。先抓结构化信息：景点名称、城市、级别、经纬度、门票价格、评分、月游客量、评论数量。Python 爬虫通常用requests拿页面，再用BeautifulSoup或lxml解析表格；如果对方提供了 API，直接requests.get(url).json()更方便。

import requests from bs4 import BeautifulSoup import pandas as pd def fetch_table(url): resp = requests.get(url, headers={"User-Agent": "Mozilla/5.0"}, timeout=10) resp.encoding = "utf-8" soup = BeautifulSoup(resp.text, "lxml") table = soup.find("table") rows = [] for tr in table.find_all("tr"): cols = [td.get_text(strip=True) for td in tr.find_all(["td", "th"])] if cols: rows.append(cols) df = pd.DataFrame(rows[1:], columns=rows[0]) return df

这段代码无论网页换成什么表格都能用，但要注意几个参数：timeout=10是为了避免某个请求卡死整条爬虫；resp.encoding = "utf-8"在页面是 GBK 时需要改成"gbk"，最稳妥的做法是先用resp.apparent_encoding探测一遍。列名直接用表头第一行，后续入库前还要统一字段名。如果项目连爬虫都不需要，直接用pd.read_csv(csv_path, encoding="utf-8-sig")读取景区台账，这也是很多课程设计和内部工具的真实起点。爬虫不是目的，数据可信才是。

2.2 存储层选型：SQLite 还是 MySQL？单机演示和正式上线的取舍

数据库是这套系统的地基，选型要看你需要什么样的并发和部署环境。SQLite 是单文件、零配置，适合桌面 GUI 和几千到几万条记录的景点数据；MySQL 适合多用户、需要网络访问和复杂权限控制的场景，也方便后续接 Web 端做企业级数据可视化。演示项目我倾向用 SQLite 起步，但 DAO 层按 MySQL 的习惯去写，这样切换不会伤筋动骨。

连接层需要写两个函数，一个连 SQLite，一个连 MySQL，方便后面切换：

import sqlite3 import pymysql def get_sqlite_conn(db_path="scenic.db"): conn = sqlite3.connect(db_path) conn.row_factory = sqlite3.Row return conn def get_mysql_conn(host, user, password, database): return pymysql.connect( host=host, port=3306, user=user, password=password, database=database, charset="utf8mb4", cursorclass=pymysql.cursors.DictCursor )

conn.row_factory = sqlite3.Row让查询结果可以用row["spot_name"]这种字典式访问，和 MySQL 的DictCursor行为对齐。MySQL 连接必须写charset="utf8mb4"，否则中文数据入库后会变成问号，这是老生常谈的坑。如果你刚开始学习 Python，还没装pymysql，用python -m pip install pymysql安装；Python 安装时如果没把 pip 加入 PATH，命令行会提示找不到 pip，重新安装勾选 Add Python to PATH 就行。

2.3 GUI 选型：Tkinter 还是 PyQt5/PySide6？

GUI 设计看起来只是界面问题，实际上决定了后期能放多少功能。Tkinter 是 Python 自带的桌面 GUI 库，不需要额外安装，打包体积小，适合查询表单、表格展示、按钮联动这种典型工具界面；PyQt5 和 PySide6 控件更丰富，表格编辑、样式、信号槽机制都更强，但引入依赖后打包体积和复杂度也会上升。

本项目我把主界面做成 Tkinter，原因很简单：新手能跟得上，代码结构也清晰。需要说明的是，Tkinter 里嵌入图表不要用plt.show()，而是用FigureCanvasTkAgg把 Matplotlib 的 Figure 挂到 Tk 窗口上。GUI 设计上记住三条原则：查询区和结果区分离，筛选条件放在顶部，表格和图表共享同一份查询结果，这样用户点击一次“查询”，下方表格和右侧图表同时刷新，直觉上不会出错。

2.4 可视化选型：Matplotlib 还是 ECharts？

数据可视化这一步，选型取决于图表是在桌面窗口里看，还是要输出到浏览器。Matplotlib 和 Tkinter 集成最直接，适合快速画柱状图、折线图、饼图；ECharts 的交互效果更强，但需要生成 HTML 页面，适合把报告发给其他人看。近几年 pyecharts 简化了这个过程，内部封装了 ECharts，可以直接渲染成 HTML 文件。

import matplotlib matplotlib.use("TkAgg") from matplotlib.figure import Figure from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg

墙裂建议在导入matplotlib.pyplot之前先设置matplotlib.use("TkAgg")，否则在某些环境下会出现绘图后端不匹配的黑匣子报错。景点数据量不大时，Matplotlib 画一张 TOP10 水平条形图就足够说明问题；如果要做地图热力图、随时间变化的动态图，再用 pyecharts 生成 HTML 报告也不迟。不要把两种方案混在一个窗口里，维护成本会翻倍。

3. 数据库设计与 DAO 层：把景点数据拆成可查询的表，别让 CSV 一散到底

很多刚入门的朋友会把 CSV 当数据库用，每次查询都读一次文件，数据一多速度明显下降，而且无法保证字段约束。这一章要把景点数据建模成表，并用 Python 封装增删改查，给 GUI 提供一个稳定接口。

3.1 景点主表设计：字段、类型、索引与三个约束

景点主表至少需要这些字段：ID、景点名称、别名、城市、省份、级别、经度、纬度、门票价格、评分、月游客量、评论数量、更新时间。其中“别名”不是可有可无，它专门用来吸收重复数据问题。DDL 如下：

CREATE TABLE IF NOT EXISTS scenic_spot ( id INTEGER PRIMARY KEY AUTOINCREMENT, spot_name TEXT NOT NULL, alias_name TEXT DEFAULT '', city TEXT NOT NULL, province TEXT DEFAULT '', level TEXT DEFAULT '4A', longitude REAL NOT NULL, latitude REAL NOT NULL, ticket_price REAL DEFAULT 0.0, avg_rating REAL DEFAULT 0.0, monthly_visitors INTEGER DEFAULT 0, comment_count INTEGER DEFAULT 0, update_time TEXT DEFAULT CURRENT_TIMESTAMP ); CREATE UNIQUE INDEX idx_spot_name_city ON scenic_spot(spot_name, city);

字段设计有几个考虑：经纬度必须NOT NULL，因为可视化图表依赖坐标，缺了坐标的景点在画地图时会直接消失；ticket_price用REAL而不是INTEGER，是为了兼容“免费”和“淡旺季价格”；monthly_visitors用整数，避免浮点统计误差。唯一索引idx_spot_name_city从数据库层挡掉重复记录，同一个城市里同名景点只保留一条，这比在 Python 里反复drop_duplicates靠谱得多。

如果后面要换 MySQL，建表语句加一句ENGINE=InnoDB DEFAULT CHARSET=utf8mb4，并把AUTOINCREMENT改成AUTO_INCREMENT，其余字段基本不用动。

3.2 连接 Python 与数据库：SQLite 与 MySQL 的参数差异和中文编码

连接层是 DAO 的基础。SQLite 连接后要设置row_factory，MySQL 连接要指定charset和游标类型，这些细节直接决定了后面代码写起来是不是顺畅。另外，SQLite 和 pymysql 对 SQL 参数的占位符规则不一样：SQLite 的命名参数用:name，pymysql 的格式化参数用%(name)s。这个差异最容易让人写得昏头。

def test_conn(conn): try: conn.execute("SELECT 1") print("数据库连接正常") except Exception as e: print("连接失败:", e)

连接测试不是走过场，它能快速暴露数据库文件路径错误、MySQL 密码不对、端口被占用等问题。SQLite 的文件路径尽量用绝对路径，因为 GUI 程序的工作目录很可能不是你启动 Python 时所在的目录。常见做法是在项目目录下放一个db_config.py，把DB_PATH和 MySQL 连接参数集中管理，避免在 GUI 和 DAO 里到处写死。

3.3 数据库增删改查的最小实现：DAO 层让 GUI 和业务解耦

DAO（Data Access Object）可以把 SQL 操作封装成函数，GUI 只需要调用insert()、query()，不必关心 SQL 语句。下面是一个兼容 SQLite 的ScenicSpotDAO，迁移 MySQL 时只需替换连接层和占位符。

class ScenicSpotDAO: def __init__(self, conn): self.conn = conn def insert(self, item: dict) -> int: sql = """ INSERT INTO scenic_spot (spot_name, alias_name, city, province, level, longitude, latitude, ticket_price, avg_rating, monthly_visitors, comment_count) VALUES (:spot_name, :alias_name, :city, :province, :level, :longitude, :latitude, :ticket_price, :avg_rating, :monthly_visitors, :comment_count) """ cur = self.conn.execute(sql, item) self.conn.commit() return cur.lastrowid def delete(self, spot_id: int) -> int: cur = self.conn.execute("DELETE FROM scenic_spot WHERE id = ?", (spot_id,)) self.conn.commit() return cur.rowcount def update(self, spot_id: int, item: dict) -> int: fields = ", ".join(f"{k} = :{k}" for k in item.keys()) sql = f"UPDATE scenic_spot SET {fields} WHERE id = :spot_id" item["spot_id"] = spot_id cur = self.conn.execute(sql, item) self.conn.commit() return cur.rowcount def query(self, city=None, level=None, min_rating=None): sql = "SELECT * FROM scenic_spot WHERE 1=1" params = {} if city: sql += " AND city = :city" params["city"] = city if level: sql += " AND level = :level" params["level"] = level if min_rating is not None: sql += " AND avg_rating >= :min_rating" params["min_rating"] = min_rating sql += " ORDER BY monthly_visitors DESC LIMIT 200" return self.conn.execute(sql, params).fetchall()

插入语句用的是命名参数，键名必须和 dict 的键一致，否则 SQLite 会报“no such column”的错误。update里的字段名直接拼接，虽然在这个封闭项目里不会有问题，但正式使用时不要接收用户直接传入的字段名，最好用白名单过滤一遍。query末尾的LIMIT 200是为了防止一次查询把几万条记录全塞进 GUI，表格卡到无法滚动。

3.4 数据清洗入库：从 DataFrame 到 insert 的字段映射与类型陷阱

爬虫或 CSV 读进来的数据几乎不可能直接入库，常见的坑有：空值、重复值、经纬度带中文单位、门票价格是字符串。批量入库前先做清洗：

import pandas as pd def load_csv_to_db(csv_path, dao, conn): df = pd.read_csv(csv_path, encoding="utf-8-sig") df = df.drop_duplicates(subset=["spot_name", "city"]) df = df.fillna({"alias_name": "", "ticket_price": 0}) for row in df.itertuples(index=False): try: price = 0.0 if pd.isna(row.ticket_price) else float(row.ticket_price) visitors = 0 if pd.isna(row.monthly_visitors) else int(row.monthly_visitors) rating = 0.0 if pd.isna(row.avg_rating) else float(row.avg_rating) dao.insert({ "spot_name": row.spot_name, "alias_name": row.alias_name, "city": row.city, "province": row.province, "level": row.level, "longitude": float(row.longitude), "latitude": float(row.latitude), "ticket_price": price, "avg_rating": rating, "monthly_visitors": visitors, "comment_count": int(row.comment_count) if not pd.isna(row.comment_count) else 0, }) except Exception as e: print(f"跳过 {row.spot_name}: {e}") conn.commit()

代码里用pd.isna(row.ticket_price)判断而不是if row.ticket_price，因为 pandas 的NaN是浮点类型，直接塞进 SQLite 会成为nan字符串，后面图表计算全部翻车。comment_count也要单独判断，很多 CSV 里这个字段是整列空值。读取时用utf-8-sig而不是utf-8，是防止 Excel 另存的 CSV 带 BOM 头，导致第一列列名多一个不可见字符。这个函数虽然简单，却是整个平台数据可信度的第一道关卡。

4. GUI 设计：用 Tkinter 把数据库和图表接到可点击的界面上

GUI 是用户看到的全部。一个“查询按钮 + 表格 + 图表”的结构已经能满足大部分景点分析需求，本章给出可直接拼装的 Tkinter 骨架。

4.1 窗口布局：三个区域切分

主窗口分成三个区域：顶部工具栏负责筛选条件，中间表格展示明细，底部图表展示聚合结果。布局用frame.pack(side=tk.TOP)加fill参数控制，简单直接。

import tkinter as tk from tkinter import ttk class App(tk.Tk): def __init__(self): super().__init__() self.title("热门景点数据分析与可视化系统") self.geometry("1000x700") self._build_toolbar() self._build_table() self._build_chart() def _build_toolbar(self): frame = ttk.Frame(self) frame.pack(side=tk.TOP, fill=tk.X, padx=8, pady=6) ttk.Label(frame, text="城市").pack(side=tk.LEFT) self.city_var = tk.StringVar() ttk.Entry(frame, textvariable=self.city_var, width=12).pack(side=tk.LEFT, padx=4) ttk.Button(frame, text="查询", command=self.on_query).pack(side=tk.LEFT, padx=6) ttk.Button(frame, text="导出CSV", command=self.on_export).pack(side=tk.LEFT)

self.city_var是 Tkinter 的字符串变量，输入框的实时内容会同步到它上面，查询时用self.city_var.get()读取。按钮的command绑定的必须是方法名，不能带括号，这是 Tkinter 里最常见的入门错误。工具栏左右排列不需要grid，用pack(side=tk.LEFT)更省事；如果后续筛选条件超过五个，再改成两行grid布局。

4.2 表格组件：ttk.Treeview 显示与点击排序

明细表格用ttk.Treeview最合适，它支持多列显示、滚动条和表头点击排序。列宽和锚点要设定，否则长景点名称会把表格挤得乱七八糟。

def _build_table(self): columns = ("id", "spot_name", "city", "level", "ticket_price", "avg_rating", "monthly_visitors") self.tree = ttk.Treeview(self, columns=columns, show="headings", height=14) headers = {"id": "ID", "spot_name": "景点", "city": "城市", "level": "级别", "ticket_price": "门票", "avg_rating": "评分", "monthly_visitors": "月游客量"} for col in columns: self.tree.heading(col, text=headers[col], command=lambda c=col: self.sort_by(c)) self.tree.column(col, width=100, anchor="center") self.tree.pack(side=tk.TOP, fill=tk.BOTH, expand=True, padx=8)

show="headings"会隐藏第一列默认的 ID 列，让界面更干净。表头点击排序这里有一个隐藏坑：Treeview 单元格里的值全是字符串，直接按字符串排序，“10”会排在“9”前面，需要先转float。

def sort_by(self, col): rows = list(self.tree.get_children()) if not rows: return items = [(self.tree.set(row, col), row) for row in rows] try: items.sort(key=lambda x: float(x[0]), reverse=True) except ValueError: items.sort(key=lambda x: x[0]) for index, (_, row) in enumerate(items): self.tree.move(row, "", index)

self.tree.set(row, col)拿到的是单元格文本，get_children()拿到的是树节点 ID，而不是数据行本身。排序完成后通过tree.move(row, "", index)把节点插入指定索引。这段逻辑是每次做表格工具都要重复一遍的，建议直接收进工具函数，不要每个项目重写。

4.3 数据联动：筛选查询后刷新表格，同时更新 Matplotlib 图表

查询按钮的回调要完成三件事：从输入框读取条件，调用 DAO 查询，刷新表格和图表。

def on_query(self): city = self.city_var.get().strip() rows = dao.query(city=city) for row in self.tree.get_children(): self.tree.delete(row) for r in rows: self.tree.insert("", "end", values=( r["id"], r["spot_name"], r["city"], r["level"], r["ticket_price"], r["avg_rating"], r["monthly_visitors"])) self.plot_top10(rows)

查询前用.strip()清掉用户输入的空格，否则城市“北京 ”和“北京”会被当成两个条件，查不到数据。dao在这个示例中是模块级变量，实际项目里建议通过类构造函数传入，方便测试时替换成 mock。

绘图函数里每次查询都重建图表，而不是新增一个 Figure：

from matplotlib.figure import Figure from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg def plot_top10(self, rows): rows = sorted(rows, key=lambda x: x["monthly_visitors"], reverse=True)[:10] names = [r["spot_name"] for r in rows] visitors = [r["monthly_visitors"] for r in rows] if not hasattr(self, "canvas"): self.fig = Figure(figsize=(6, 4), dpi=100) self.canvas = FigureCanvasTkAgg(self.fig, master=self) self.canvas.get_tk_widget().pack(side=tk.BOTTOM, fill=tk.BOTH, expand=True) self.fig.clear() ax = self.fig.add_subplot(111) ax.barh(names[::-1], visitors[::-1], color="#4C72B0") ax.set_title("热门景点月游客量 TOP10") ax.set_xlabel("月游客量") self.canvas.draw()

第一次点击查询时创建FigureCanvasTkAgg并挂到窗口，后续查询复用同一个 canvas，只调用clear()和draw()。如果每次查询都新建 canvas，窗口底部会叠出一堆图，内存慢慢涨到让人怀疑人生。names[::-1]是为了配合barh让最高的条出现在顶部，这是 Matplotlib 的显示习惯。

4.4 导出报表：CSV 导出与图表保存

工具系统一定要有导出功能，否则业务方只能截图给领导看。导出 CSV 直接读 Treeview 当前展示的数据，而不是重新查库，这样用户看到什么就能导出什么。

def on_export(self): from tkinter import filedialog file_path = filedialog.asksaveasfilename(defaultextension=".csv", filetypes=[("CSV", "*.csv")]) if not file_path: return rows = [self.tree.item(row)["values"] for row in self.tree.get_children()] pd.DataFrame(rows, columns=self.tree["columns"]).to_csv(file_path, index=False, encoding="utf-8-sig")

tree.item(row)["values"]返回元组，需要转成列表；列名直接用 Treeview 的 column 标识。保存图表更简单，在plot_top10最后加一行self.fig.savefig("top10.png", dpi=200)就行，别忘了dpi调高一些，不然导出图片放大后全是锯齿。无论是 CSV 还是图片，导出路径都别写死，用filedialog让用户选，这是 GUI 的基本礼仪。

5. 避坑排查：旅游景点数据项目里最容易翻车的 5 个问题

这一章整理了我做这类项目时反复踩过的五个坑，每一条都是“现象 → 原因 → 解决”的结构，适合直接抄进项目笔记里。

5.1 现象：同一个景点换了个别名，统计时数量直接翻倍

现象：表格里“故宫”和“故宫博物院”都显示在 TOP10 中，月游客量被拆成两行，排名和总览数据对不上。

原因：爬虫来源不同，同一景点在不同网站的称呼不一致，数据库里的唯一索引只能拦住完全相同的文本，拦不住别名。

解决：建表时预留alias_name字段，入库前把名称做归一化处理。常见的操作是去掉省市前缀、去掉“景区”“风景名胜区”后缀、统一括号类别，再写入标准名。

import re def normalize_name(name: str) -> str: name = str(name).strip() name = re.sub(r"\(.*?\)|（.*?）", "", name) name = name.replace("风景区", "").replace("景区", "") return name

归一化不是“消灭数据”，而是给数据一个权威的主键。如果业务上需要保留原始名称，可以再增加一个source_name字段，展示时按标准名显示。这个坑不解决，后面所有按景点维度的聚合分析都是错的。

5.2 现象：经纬度变成字符串和度分秒，地图绘图一片空白

现象：从某些网站抓到的经纬度是“39°54′26″N”这种格式，或者116°23′28″E，直接转float报错，地图上无法定位。

原因：网页展示坐标的习惯和 API 返回的十进制小数不一样，爬虫解析时没有做坐标格式转换。

解决：写一个parse_coord函数，兼容十进制字符串、度分秒和带方向后缀的格式。

def parse_coord(value) -> float: if isinstance(value, (int, float)): return float(value) s = str(value).strip().upper() if "°" not in s: return float(s.strip("北N南S西W东E")) d, rest = s.split("°", 1) m = 0.0 sec = 0.0 if "′" in rest: m_part, rest = rest.split("′", 1) m = float(m_part) elif "'" in rest: m_part, rest = rest.split("'", 1) m = float(m_part) if "″" in rest: sec = float(rest.split("″")[0]) elif '"' in rest: sec = float(rest.split('"')[0]) return float(d) + m / 60.0 + sec / 3600.0

这个函数要注意方向后缀导致的正负号问题，北纬和东纬是正，南纬和西纬要取负。入库前统一转成纯浮点，并检查是否落在合理范围内；中国的纬度范围大约是 3 到 53，经度是 73 到 135，超出这个范围的基本是脏数据，直接打印日志跳过。

5.3 现象：MySQL 写入中文全部变成问号

现象：使用 pymysql 连接 MySQL，插入景点名称后查询结果是???，Excel 导出的 CSV 里也是同样情况。

原因：数据库、表、连接三层的字符集不一致。常见的是 MySQL 服务端默认latin1，连接时也没指定utf8mb4，中文在传输过程中被丢成问号。

解决：建库时显式指定字符集，连接时也指定同样的字符集，两层对齐以后不会再乱码。

CREATE DATABASE tourism CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

conn = pymysql.connect( host="localhost", user="root", password="your_password", database="tourism", charset="utf8mb4", )

如果已经建好库，可以用ALTER DATABASE tourism CHARACTER SET utf8mb4改库，再给表执行ALTER TABLE scenic_spot CONVERT TO CHARACTER SET utf8mb4。注意ALTER TABLE CONVERT会重写整张表，数据量大时提前备份。

5.4 现象：点击“查询”按钮后窗口无响应，像死机

现象：数据量到几万条以后，点击查询按钮窗口立刻变白，标题变成“未响应”，过十几秒才能缓过来。

原因：查询、清洗、排序这些耗时操作全部放在 Tkinter 主线程里，事件循环被阻塞，界面自然不会刷新。

解决：把数据库查询放到线程池，查询完成后再通过after回到主线程更新界面。

from concurrent.futures import ThreadPoolExecutor self.executor = ThreadPoolExecutor(max_workers=2) def on_query(self): city = self.city_var.get().strip() self.executor.submit(self._query_worker, city) def _query_worker(self, city): rows = dao.query(city=city) self.after(0, lambda: self._render_rows(rows))

关键是不能在子线程里直接操作tree控件，Tkinter 不是线程安全的，必须用after(0, callback)把刷新操作塞回主线程。max_workers=2已经够用，不要盲开十个线程，SQLite 对这种并发并不友好。

5.5 现象：打包成 exe 后提示找不到 scenic.db 或图标

现象：用 PyInstaller 打包 GUI 应用，在开发环境运行正常，复制到别的电脑后双击 exe 报错，找不到数据库文件或图标资源。

原因：开发时用的是相对路径scenic.db，实际工作目录取决于用户从哪里启动 exe，而不是 exe 所在目录；打包时资源文件也不会自动包含。

解决：用Path(__file__).resolve().parent定位项目根目录，数据库和图标都放在这个目录下。PyInstaller 打包时，如果用了--onefile，资源文件会放到临时目录sys._MEIPASS，需要判断一下。

import sys from pathlib import Path def base_dir() -> Path: if getattr(sys, "frozen", False): return Path(sys._MEIPASS) return Path(__file__).resolve().parent DB_PATH = base_dir() / "scenic.db"

打包命令用--add-data把资源带进去，Windows 上分号分隔，Linux 和 macOS 上冒号分隔：

pyinstaller -w -F main.py --add-data "scenic.db;."

这段命令里的scenic.db是数据库文件，如果你的系统第一次启动时自动生成数据库，就不需要打包了，但要保证目标目录有写入权限。这类问题排查起来不复杂，多数是路径和打包参数不一致。

6. 进阶：把“演示系统”变成可信的分析工具：三个落地技巧

前五章的系统已经能跑通“筛选-展示-绘图”的闭环，但如果想让它经得起业务方追问，还需要加入三个进阶技巧：数据校验前置、HTML 报告输出、参数持久化。

6.1 入库前加数据校验脚本

每次跑完爬虫，第一件事不是入库，而是跑一段断言脚本，把明显不符合常识的数据挡在外面。

assert df["spot_name"].notnull().all(), "存在空景点名" assert df["latitude"].between(3, 54).all(), "纬度超出中国范围" assert df["longitude"].between(73, 136).all(), "经度超出中国范围" assert (df["ticket_price"] >= 0).all(), "门票价格不能为负"

这四条断言看起来基础，却能拦下一半的脏数据。让校验成为固定脚本，而不是每次手动检查。

6.2 用 ECharts 替换 Matplotlib 生成 HTML 报告

桌面端用 Matplotlib 足够，但交付报告时，HTML 形式的 ECharts 图更生动。把查询结果抽出来，交给 pyecharts 渲染成一个report.html，可以直接发给业务方在浏览器里打开。

from pyecharts.charts import Bar from pyecharts import options as opts bar = Bar() bar.add_xaxis(names) bar.add_yaxis("月游客量", visitors) bar.set_global_opts(title_opts=opts.TitleOpts(title="热门景点月游客量 TOP10")) bar.render("top10_report.html")

企业级数据可视化往往需要这种可交互、可缩放的图表，pyecharts 的学习成本主要在 options 配置上，但案例非常丰富，对着官方示例改数据就能用。

6.3 用 config.json 记住用户偏好

每次打开系统都要重新输入城市和筛选条件很烦人。写一个config.json，保存数据库路径、上次筛选的城市和图表类型，程序启动时读取，退出时写入。

{ "db_path": "scenic.db", "last_city": "北京", "chart_type": "bar", "theme": "light" }

读取不到配置文件时不要崩溃，用dict.get("db_path", "scenic.db")提供默认值。这个技巧能明显提升好感度，也是从“能用”走向“好用”的关键一步。

我最早做这个项目时，总想在 GUI 里堆功能，结果一半时间花在清理重复景点名上，另一半时间在调试 MySQL 乱码。后来把数据校验和路径处理放在最前面，反而省下两倍的时间。工具的价值在于让数据可信、让结论可复核，而不是按钮数量多好看。希望帮到你。

本文还有配套的精品资源，点击获取