自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 基于vue多维数据融合与混合推荐算法的智能旅行规划系统设计与实现

TripMasterPro基于Flask+Vue.js 3,整合全国6121条景点、6150条美食及1364条住宿数据,提供个性化行程规划。采用模拟退火与遗传算法动态优化,结合用户疲劳度(三档)及实时拥堵数据,确保行程舒适合理。集成DeepSeek大模型实现AI推荐与自然语言交互,支持多模态输入及协作编辑。后端SQLite连接池+WAL模式提升并发,前端ECharts可视化。测试表明,系统有效解决信息过载与规划低效,具备高可用与扩展性。未来拟引入强化学习与实时交通,增强智能化。

2026-07-03 19:48:21 302

原创 大数据分析与挖掘实战第二版

实验代码管理:支持8大章节50+实验脚本的组织和管理代码安全执行:隔离执行环境,捕获输出、变量和图表多语言国际化:6种语言界面动态切换AI智能问答:内置数据科学知识库,提供学习辅助批量运行:支持多实验并行执行,提高效率结果对比:实验结果并排对比,便于分析理解。

2026-04-11 16:43:11 373

原创 基于Streamlit的数据挖掘实验集成平台设计与实现

本系统是一个基于Streamlit构建的交互式数据挖掘实验教学平台,整合了第三章、第五章、第六章共25个数据挖掘实验。系统采用模块化设计,通过动态加载和展示各章节的实验代码与结果,为学生和教师提供了一个统一、美观、易用的实验操作环境。

2025-12-23 12:21:44 968

原创 基于Streamlit的行业指数分析与股票综合评价系统

本文介绍了一个基于Streamlit的交互式金融数据分析系统。该系统整合行业指数、股票交易和财务数据,提供申万行业指数可视化分析、上市公司综合评价和投资组合收益计算功能。采用模块化设计,包含数据加载、可视化展示、主成分分析和收益率计算四大核心模块。技术栈涵盖Pandas、NumPy、Scikit-learn等数据处理工具,支持CSV/Excel多种数据格式。系统特色包括:动态数据加载、多维度可视化展示、主成分分析综合评价模型、投资组合收益计算与市场基准对比等功能。

2025-12-19 09:49:13 853

原创 基于streamlit的申万行业应收 & 利润可视化分析工具

本代码实现了一个基于 Streamlit 的交互式数据可视化工具,用于分析申万行业分类下的营业收入和营业利润数据。该工具通过读取不同年份的财务数据文件,计算各行业的年度总值、增长率以及上市公司数量,并以表格和柱状图的形式展示分析结果。本代码通过 Streamlit 构建了一个交互式数据可视化工具,实现了申万行业应收 & 利润的可视化分析。

2025-12-19 08:42:50 902

原创 基于streamlit申万行业指数交互分析工具

本代码实现了一个基于 Streamlit 的交互式金融数据分析工具,主要用于展示申万行业指数及其成分股的交易数据、财务数据,并进行综合评价。st_data:读取和处理行业指数及成分股数据,生成指数走势图和成分股价格走势图,并返回相关数据。:基于财务数据对成分股进行综合评价,使用主成分分析计算综合得分。st_fig:通过 Streamlit 构建交互式界面,展示数据和图表。

2025-12-18 10:56:53 622

原创 基于streamlit的金融数据基础与计算实验数据和程序

本实验旨在通过 Python 编程语言及其相关库(如 Streamlit、Pandas、Matplotlib 等),对金融数据进行基础获取、处理、分析与可视化。实验内容涵盖了从股票代码获取、财务指标数据处理到交易指数构造、关键转折点计算等多个方面,为金融数据分析提供了完整的流程示例。本实验通过 Python 编程语言和相关库,实现了金融数据的基础获取、处理、分析与可视化,涵盖了股票代码获取、财务指标分析、交易数据可视化、交易指数构造、关键转折点计算等多个方面,为金融数据分析提供了完整的流程示例。

2025-12-18 10:06:30 644

原创 基于Streamlit的金融数据分析与可视化平台

(1)数据处理能力:掌握了使用 Pandas 处理金融时间序列数据的方法,包括数据读取、清洗、9转换和分析。(2)可视化技能:学会了使用 Plotly 创建交互式金融图表,能够直观展示股票价格走势、涨跌幅等关键指标。(3) Web 应用开发:熟悉了 Streamlit 框架的使用,能够快速将数据分析代码转换为交互式 Web 应用。(4) 金融知识应用:将金融理论知识与实践结合,理解了行业分类、指数计算、财务比率等概念在实际分析中的应用。

2025-12-17 22:47:25 1111

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除