大数据毕业设计django+vue.js豆瓣图书推荐系统豆瓣图书数据分析可视化大屏豆瓣图书爬虫知识图谱图书大数据机器学习深度学习知识图谱计算机毕业设计

本文介绍了开发一款图书管理系统的设计，包括添加人员管理、教师、班级和学生信息，以及管理员对阅览室、积分管理和信息发布等功能。使用Python的Django框架，配合MySQL数据库和MVC架构，同时涉及决策树回归算法用于数据预测。论文要求强调技术指标、格式规范、字数和创新性应用。

题目简介：开发一款图书管理系统。具备如下功能

1．图书馆可以添加相应的学生和教师人员，可以对他们的信息进行修改。

2. 能够对教师信息，班级信息，学生信息进行管理。

3. 管理员能够对图书馆的阅览室类型和阅览室信息进行管理。

4.管理员可以对学生选座的信息积分进行管理，可以防止学生选座时的违规行为。

5. 学生可以选座和查询剩下座位的数量。

6.管理员可以发布信息在公众频道。

7. 学生可以发布交流信息，管理员可以管理发出来的信息。

8.可以对学生违规占座或者预约不来的行为做一个统计。

课题要求：

1. 毕业设计作品要达到的主要技术指标

1）开发技术：根据自己的选题方向，使用Python语言。

2）核心技术有：Django + MySQL；通过Python编写的服务器端程序，交互式地浏览和生成数据，在通过HTML5+CSS3+Bootstrap，Python实现前端管理界面的显示；数据库：MySQL。

3）系统架构：要求采用MVC的Django架构进行系统设计；

4）功能模块：功能模块不少于10个。

2. 毕业论文要达到的主要指标

1）论文格式必须符合学校统一规范。

2）论文正文（不含图表标题及注释）不能少于8000字，参考文献种类不能少于三种，数量不能少于15篇。

3）论文须通过学校图书馆统一的检测，复制比不能超过15%。

4）论文观点鲜明、思路清晰、结构合理、文笔流畅，论文内容能体现研究过程。

5）能将所学理论知识和专业技术运用到实际问题的解决之中。

核心算法代码分享如下：

    x = csv.iloc[:, 0:-1].values
    # '区','所处楼层级别','总楼层数','建造年份','面积','朝向','是否近地铁','挂牌年','挂牌月','挂牌日','纬度','经度'
    y = csv.iloc[:, -1].values
    # '总价'
    cart = tree.DecisionTreeRegressor(random_state=20, max_depth=10)
    cart.fit(x, y)
    parameters = np.array(parameters).reshape(1, -1)
    return cart.predict(parameters)


def dataFilter(condition):
    csv = pd.read_csv('static/data/processedDataForVisual.csv',
                      header=None, delimiter=',')
    data = csv.iloc[1:, :].values
    result = []
    for i in range(19998):
        if condition[0] != -1 and int(data[i][2]) != condition[0]:  # 区
            continue
        if condition[1] != -1 and data[i][3] != condition[1]:  # 房型
            continue
        if condition[2] != -1 and int(data[i][4]) != condition[2]:  # 所处楼层级别
            continue
        if condition[3] != -1 and int(data[i][5]) < condition[3]:  # 总楼层数下限
            continue
        if condition[4] != -1 and int(data[i][5]) > condition[4]:  # 总楼层数上限
            continue
        if condition[5] != -1 and int(data[i][6]) < condition[5]:  # 建造年份下限
            continue
        if condition[6] != -1 and int(data[i][6]) > condition[6]:  # 建造年份上限
            continue
        if condition[7] != -1 and float(data[i][7]) < condition[7]:  # 面积下限
            continue
        if condition[8] != -1 and float(data[i][7]) > condition[8]:  # 面积上限
            continue
        if condition[9] != -1 and int(data[i][8]) != condition[9]:  # 朝向
            continue
        if condition[10] != -1 and int(data[i][11]) != condition[10]:  # 是否近地铁
            continue
        if condition[11] != -1 and float(data[i][12]) < condition[11]:  # 面积下限
            continue
        if condition[12] != -1 and float(data[i][12]) > condition[12]:  # 面积上限
            continue
        if condition[13] != -1 and float(data[i][16]) < condition[13]:  # 面积下限
            continue
        if condition[14] != -1 and float(data[i][16]) > condition[14]:  # 面积上限
            continue
        newdata = data[i]
        result.append(newdata)
    return result