code/├── main.py                    # 主路由文件（所有 Web 路由定义）├── database.py                # 数据库操作层（MySQL CRUD）├── run.py                     # 启动脚本（依赖检查、数据转换、启动服务）├── config.yaml                # 项目配置（数据集、模块开关、分析参数）├── requirements.txt           # Python 依赖清单├── data/                      # 数据目录│   ├── 2024年12月鱼泡网招聘信息已处理.xlsx   # 原始 Excel 数据│   └── 2024年12月鱼泡网招聘信息已处理.csv    # 转换后的 CSV（供 shared 模块使用）├── reports/                   # 生成的报告文件目录├── shared/                    # 核心分析模块（纯 Python，无 Web 依赖）│   ├── __init__.py│   ├── analysis_core.py       # 通用数据分析（概览、相关性矩阵）│   ├── stats_core.py          # 统计检验（描述性统计、正态性检验、卡方检验）│   ├── regression_core.py     # 回归分析（简单/多元线性回归、诊断）│   ├── anomaly_core.py        # 异常检测（IQR、Z-Score、Isolation Forest）│   ├── clustering_core.py     # 聚类分析（K-Means、DBSCAN、最优K）│   ├── association_core.py    # 关联规则（Apriori 频繁项集、规则生成）│   └── report_core.py         # 报告导出（Excel、PDF）├── static/                    # 静态资源│   ├── css/│   │   ├── style.css          # 主样式文件（CSS 变量、组件样式）│   │   ├── bootstrap.min.css  # Bootstrap 5│   │   └── bootstrap-icons.css│   └── js/│       ├── echarts.min.js     # ECharts 图表库│       └── bootstrap.bundle.min.js└── templates/                 # Jinja2 模板    ├── base.html              # 基础模板（导航栏、页脚、全局脚本）    ├── index.html             # 首页 Dashboard    ├── login.html             # 登录页    ├── register.html          # 注册页    ├── profile.html           # 个人中心    ├── edit_profile.html      # 编辑资料    ├── change_password.html   # 修改密码    ├── analytics.html         # 数据概览    ├── salary_analysis.html   # 薪资分布分析    ├── job_category.html      # 岗位类别分析    ├── city_distribution.html # 城市分布分析    ├── benefits_analysis.html # 福利待遇分析    ├── payment_analysis.html  # 结算方式分析    ├── correlation.html       # 相关性分析    ├── stat_tests.html        # 统计检验分析    ├── regression.html        # 薪资回归分析    ├── anomaly.html           # 异常检测    ├── clustering.html        # 聚类分析    ├── association.html       # 关联规则分析    ├── geo_map.html           # 城市地图    ├── reports.html           # 报告导出    ├── data_manage.html       # 数据管理列表    ├── data_manage_edit.html  # 数据编辑/新增    ├── admin/    │   ├── dashboard.html     # 管理员仪表盘    │   └── users.html         # 用户管理    └── macros/                # Jinja2 可复用宏        ├── kpi.html           # KPI 指标卡片宏        ├── charts.html        # 图表容器宏        └── tables.html        # 数据表格、页面头宏

┌─────────────────────────────────────────────────────┐│                    浏览器 (Browser)                    ││         Bootstrap 5 + ECharts + JavaScript           │└──────────────────────┬──────────────────────────────┘                       │ HTTP┌──────────────────────▼──────────────────────────────┐│               Web 层 (main.py)                       ││         FastAPI 路由 + Jinja2 模板渲染                ││         职责：请求转发、数据组装、模板渲染             │├─────────────────────────────────────────────────────┤│               数据层 (database.py)                    ││         PyMySQL 数据库操作                            ││         职责：用户管理、数据集 CRUD                    │├─────────────────────────────────────────────────────┤│           分析核心层 (shared/*.py)                     ││    analysis_core    stats_core    regression_core     ││    anomaly_core    clustering_core    association_core ││    report_core                                        ││    职责：纯数据分析逻辑，无 Web 依赖                   │├─────────────────────────────────────────────────────┤│               数据源层                                ││    MySQL 数据库 + CSV/Excel 文件                      │└─────────────────────────────────────────────────────┘

Excel 文件 → run.py 转换 → CSV 文件 → shared 模块读取 → 分析结果 (dict)                                         ↓MySQL 数据库 ← database.py 导入 ← CSV 文件                                         ↓main.py 路由 ← 调用 shared 模块 + database 操作         ↓Jinja2 模板渲染 → HTML + JSON 数据 → ECharts 渲染图表

project:  id: '145'  name: 鱼泡直聘蓝领岗位招聘数据可视化分析系统  name_en: recruitment  stack: fastapi_bootstrap  db_name: design_145_recruitment    # MySQL 数据库名  db_host: localhost  db_port: 3306  db_user: root  db_password: '123456'  port: 8000                         # Web 服务端口  theme_color: '#2563EB'             # 主题色

dataset:  file: 2024年12月鱼泡网招聘信息已处理.xlsx  target_column: ''                  # 目标列（本项目无预测目标）  encoding: utf-8  features:                          # 特征定义列表  - key: 岗位标题                    # 数据库列名 / CSV 列名    label: 岗位标题                  # 中文显示名    type: text                       # 类型: text / numeric / categorical / binary  - key: 薪资下限    label: 薪资下限    type: numeric    unit: 元/月                      # 单位（可选）    range: [180, 100000]             # 合理范围（可选）  - key: 结算方式    label: 结算方式    type: categorical    options: [月结, 日结, 未知, 周结, ...]  # 分类选项

modules:  auth: true                # 用户认证  roles: [user, admin]      # 角色定义  prediction: false         # 预测功能（未启用）  analytics: true           # 数据分析  data_manage: true         # 数据管理  dashboard: true           # 首页仪表盘  statistical_analysis: true # 统计检验  regression: true          # 回归分析  anomaly_detection: true   # 异常检测  clustering: true          # 聚类分析  association_rules: true   # 关联规则  report_export: true       # 报告导出  geo_map: true             # 地图可视化

analysis_pages:- route: salary_analysis  title: 薪资分布分析  description: 薪资下限、上限、平均薪资的分布与交叉分析  columns: [薪资下限, 薪资上限, 平均薪资]  group: 薪资分析- route: regression  title: 薪资回归分析  type: regression  target: 薪资上限           # 回归目标变量  predictors: [薪资下限]     # 回归自变量- route: anomaly  title: 薪资异常检测  type: anomaly  columns: [薪资下限, 薪资上限, 平均薪资]

clustering:  columns: [薪资下限, 薪资上限, 平均薪资]  # 聚类特征  max_k: 8                                  # 最大 K 值association:  columns: [结算方式, 是否包住, 是否包吃, 城市]  # 关联规则分析列

Database.__init__()    ├── CREATE TABLE users（如不存在）    ├── ALTER TABLE users ADD COLUMN（兼容旧表）    ├── 创建默认管理员（如无 admin 用户）    ├── CREATE TABLE dataset_data（列从 config.yaml 动态生成）    └── 如 dataset_data 为空 → 自动调用 import_csv() 导入数据

class XxxCore:    def __init__(self, data_path: str, feature_config: List[Dict]):        self.data_path = data_path        self.feature_config = feature_config        self._df = None  # 懒加载    @property    def df(self) -> pd.DataFrame:        if self._df is None:            self._df = pd.read_csv(self.data_path)        return self._df    def reload(self):        self._df = None  # 强制重新加载

analyzer = AnalysisCore(data_path="data/dataset.csv", target_column="", feature_config=[...])overview = analyzer.overview()corr = analyzer.correlation_matrix(["薪资下限", "薪资上限", "平均薪资"])# corr = {"columns": [...], "matrix": [[1.0, 0.98, 0.99], ...]}

{    "target": "薪资上限",    "predictors": ["薪资下限"],    "r_squared": 0.9555,    "adj_r_squared": 0.9554,    "f_statistic": 10680.5,    "intercept": 523.45,    "coefficients": [        {"name": "薪资下限", "coefficient": 1.234, "std_err": 0.012, "t_statistic": 103.2, "p_value": 0.0, "significant": True}    ],    "residual_stats": {"mean": 0.0, "std": 1234.5, "min": -5000, "max": 4500, ...}}

{    "薪资下限": {        "q1": 5000.0, "q3": 9000.0, "iqr": 4000.0,        "lower_bound": -1000.0, "upper_bound": 15000.0,        "outlier_count": 23, "outlier_pct": 4.6,        "box_data": {"min": 180, "q1": 5000, "median": 7000, "q3": 9000, "max": 14500}    }}

{    "k": 3,    "total": 500,    "cluster_sizes": {0: 200, 1: 180, 2: 120},    "centers": {"薪资下限": {0: 5000, 1: 8000, 2: 12000}, ...},    "silhouette_score": 0.45,    "scatter_data": {"x": [...], "y": [...], "labels": [...]},    "profile": [{"cluster": 0, "size": 200, "avg_薪资下限": 5000, ...}, ...]}

{    "rules": [        {"antecedents": ["是否包住=是"], "consequents": ["结算方式=月结"], "support": 0.15, "confidence": 0.72, "lift": 2.3}    ],    "frequent_itemsets": [        {"items": ["是否包住=是"], "support": 0.21}    ],    "total_rules": 741,    "total_frequent_itemsets": 294}

app.add_middleware(SessionMiddleware, secret_key="dev-secret-change-me", same_site="lax")

@app.get("/protected")async def protected_page(request: Request):    user = require_login(request)    if not user:        return RedirectResponse(url="/login", status_code=302)    # ... 业务逻辑

@app.get("/analytics/xxx", response_class=HTMLResponse)async def analytics_xxx(request: Request):    user = get_current_user(request)          # 1. 获取用户    df = _load_dataframe()                     # 2. 加载数据    # 3. 数据处理（Pandas 操作）    result = df.groupby(...).agg(...)    # 4. 渲染模板    return templates.TemplateResponse("xxx.html", {        "request": request, "current_user": user,        "page_config": {"route": "xxx", "title": "..."},        "field_mapping": FIELD_MAPPING,        "data": result,    })

def _load_dataframe() -> pd.DataFrame:    """加载数据集为 DataFrame（自动判断 Excel/CSV）"""def _get_numeric_cols() -> list:    """获取所有数值列名"""def _get_categorical_cols() -> list:    """获取所有分类列名"""def _cn(col: str) -> str:    """列名中文映射（Jinja2 全局函数）"""

base.html├── 导航栏 (navbar)├── {% block content %}    ← 子模板填充├── 页脚 (footer)├── 全局 JavaScript│   ├── chartColors 配色方案│   ├── cn() 中文映射函数│   ├── initChart() ECharts 初始化│   ├── 导航高亮│   ├── 回到顶部按钮│   └── KPI 计数动画└── {% block extra_js %}   ← 子模板额外 JS

{{ kpi.kpi_card(value, label, icon, variant, suffix, prefix) }}

{{ charts.chart_card(chart_id, title, icon, height) }}      {# 半宽 #}{{ charts.chart_card_full(chart_id, title, icon, height) }}  {# 全宽 #}{{ charts.chart_card_md4(chart_id, title, icon, height) }}   {# 1/3 宽 #}

{{ tbl.page_header(title, subtitle, icon) }}

// 基础初始化var chart = initChart('chartDomId', {    color: chartColors,           // 全局配色方案    tooltip: { trigger: 'axis' },    grid: { left: '10%', right: '5%', top: '10%', bottom: '10%' },    xAxis: { type: 'category', data: [...] },    yAxis: { type: 'value' },    series: [{ type: 'bar', data: [...] }]});// 数据从 Jinja2 注入var data = {{ result | tojson }};

:root {    /* 主题色（蓝色系） */    --primary: #2563EB;    --primary-dark: #1D4ED8;    --primary-darker: #1E40AF;    --primary-light: #3B82F6;    --primary-lighter: #60A5FA;    --primary-50: #EFF6FF;    /* 背景色 */    --bg-white: #FFFFFF;    --bg-body: #F8FAFC;    /* 文字色 */    --text-primary: #1E293B;    --text-secondary: #64748B;    --text-muted: #94A3B8;    /* 边框 */    --border: rgba(0, 0, 0, 0.08);    /* 玻璃态 */    --glass-bg: rgba(255, 255, 255, 0.7);    /* 圆角 */    --radius-sm: 0.375rem;    --radius-md: 0.5rem;    --radius-lg: 0.75rem;    --radius-xl: 1rem;    --radius-2xl: 1.5rem;    --radius-full: 9999px;}

# 薪资分箱bins = [0, 3000, 5000, 8000, 12000, 20000, 150000]labels = ['3k以下', '3k-5k', '5k-8k', '8k-12k', '12k-20k', '20k以上']

- route: regression  target: 薪资上限  predictors: [薪资下限]

pip install -r requirements.txt

fastapi>=0.100.0uvicorn>=0.23.0jinja2>=3.1.0python-multipart>=0.0.6itsdangerous>=2.1.0starlette>=0.27.0pandas>=2.0.0numpy>=1.24.0scipy>=1.10.0scikit-learn>=1.3.0mlxtend>=0.23.0pymysql>=1.1.0passlib>=1.7.4bcrypt>=4.0.0pyyaml>=6.0openpyxl>=3.1.0

# 方式一：使用启动脚本（推荐）python run.py# 方式二：直接启动python main.py# 方式三：Uvicorn 命令行uvicorn main:app --host 127.0.0.1 --port 8000 --reload

1. 加载 config.yaml2. 检查所有依赖是否安装3. 检查数据文件是否存在4. Excel → CSV 转换（如 CSV 不存在）5. 创建必要目录（reports/, static/, templates/）6. 启动 Uvicorn 服务器（reload=True 热重载）

{# 错误 #}{{ item.items | join(', ') }}{# 正确 #}{{ item['items'] | join(', ') }}

# 旧版rules = association_rules(freq_items, metric="confidence", min_threshold=0.5)# 新版 (0.23+)rules = association_rules(freq_items, num_itemsets=len(encoded), metric="confidence", min_threshold=0.5)

target: 薪资上限predictors: [薪资下限]

GET /api/overview

{    "total_rows": 500,    "total_columns": 15,    "columns": [...],    "dtypes": {...},    "missing": {...},    "numeric_stats": {...}}