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、Django框架、MySQL数据库、深度学习TensorFlow的Keras构建 LSTM 模型、 LSTM 预测算法模型、Echarts可视化、selenium爬虫技术、大众点评数据
大数据技术：Hadoop、Spark、Hive

2、项目界面

（1）首页–数据概况

（2）美食类型分析

（3）美食价格分析

（4）美食评价分析

（5）美食地区分析

（6）美食词云图分析

（7）美食数据中心

（8）评价预测----- LSTM 预测算法模型

（9）注册登录

（10）数据采集

3、项目说明

项目功能模块介绍

1. 首页——数据概况

• 展示整体数据的概览，例如数据总量、数据更新时间等。
• 可能会用图表展示关键指标，比如不同美食类型的数量分布、热门地区等。

2. 美食类型分析

• 分析不同美食类型的分布情况。
• 可能会展示各种美食类型的占比，以及不同地区美食类型的偏好差异。

3. 美食价格分析

• 分析美食价格的分布情况，例如不同价格区间的餐厅数量。
• 可能会展示价格与评分、人气等因素的相关性。

4. 美食评价分析

• 分析用户对美食的评价，包括好评率、差评率等。
• 可能会展示评价的分布情况，以及不同美食类型或地区的评价差异。

5. 美食地区分析

• 分析不同地区美食的分布情况。
• 可能会展示热门美食地区、不同地区的美食偏好等。

6. 美食词云图分析

• 通过词云图展示用户评价中的高频词汇。
• 可以直观地看出用户对美食的常见评价词汇，例如“好吃”“服务好”“环境差”等。

7. 美食数据中心

• 提供一个数据管理界面，用户可以查看、筛选、导出数据。
• 可能会展示数据的详细信息，例如餐厅名称、地址、评分、价格等。

8. 评价预测——LSTM预测算法模型

• 使用LSTM模型对美食评价进行预测。
• 用户可以输入相关参数（如餐厅信息、历史评价等），模型会预测未来的评价趋势。

9. 注册登录

• 提供用户注册和登录功能。
• 用户可以注册账号，登录后可以访问更多功能，例如数据收藏、评价预测等。

10. 数据采集

• 介绍数据采集的流程和方法。
• 可能会使用Selenium爬虫技术从大众点评等平台采集数据，并存储到MySQL数据库中。
• 数据采集后可能会经过清洗、预处理等步骤，再用于分析或模型训练。

4、核心代码

#coding:utf8
#导包
from pyspark.sql import SparkSession
from pyspark.sql.functions import monotonically_increasing_id
from pyspark.sql.types import StructType,StructField,IntegerType,StringType,FloatType
from pyspark.sql.functions import count,mean,col,sum,when,max,min,avg
from pyspark.sql import functions as F

if __name__ == '__main__':
    #构建
    spark = SparkSession.builder.appName("sparkSQL").master("local[*]").\
        config("spark.sql.shuffle.partitions", 2). \
        config("spark.sql.warehouse.dir", "hdfs://node1:8020/user/hive/warehouse"). \
        config("hive.metastore.uris", "thrift://node1:9083"). \
        enableHiveSupport().\
        getOrCreate()

    sc = spark.sparkContext

    #读取
    fooddata = spark.read.table("fooddata")

    #需求一 价格TOP10评分
    top_ten_price = fooddata.orderBy(fooddata.avgPrice.desc()).limit(10)
    result1 = top_ten_price.select("title","start","avgPrice")

    df = result1.toPandas()
    # print(df)

    # sql
    result1.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "maxPriceTop"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    result1.write.mode("overwrite").saveAsTable("maxPriceTop", "parquet")
    spark.sql("select * from maxPriceTop").show()

    #需求二 totalType
    result2 = fooddata.groupby("totalType").count()

    # sql
    result2.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "typeCount"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    result2.write.mode("overwrite").saveAsTable("typeCount", "parquet")
    spark.sql("select * from typeCount").show()

    #需求三 城市均价
    reuslt3 = fooddata.groupby("city").agg(F.avg("avgPrice").alias("averagePrice"))

    # sql
    reuslt3.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "cityAvg"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    reuslt3.write.mode("overwrite").saveAsTable("cityAvg", "parquet")
    spark.sql("select * from cityAvg").show()

    #类型分析
    result4 = fooddata.groupby("totalType").agg(avg("totalComment").alias("commentAvg"))

    # sql
    result4.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "typeComment"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    result4.write.mode("overwrite").saveAsTable("typeComment", "parquet")
    spark.sql("select * from typeComment").show()

    #需求五
    result5 = fooddata.groupby("totalType").agg(
        avg("tasterate").alias("avgTasterate"),
        avg("envsrate").alias("avgEnvsrate"),
        avg("serverate").alias("avgServerate"),
    )

    # sql
    result5.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "typeRate"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    result5.write.mode("overwrite").saveAsTable("typeRate", "parquet")
    spark.sql("select * from typeRate").show()

    #需求6 精确类型
    result6 = fooddata.groupby("type").count()

    # sql
    result6.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "specificType"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    result6.write.mode("overwrite").saveAsTable("specificType", "parquet")
    spark.sql("select * from specificType").show()


    #需求七 价格分析
    reuslt7 = fooddata.groupby("city").agg(max("avgPrice").alias("maxAvgPrice"))

    # sql
    reuslt7.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "maxPriceCity"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    reuslt7.write.mode("overwrite").saveAsTable("maxPriceCity", "parquet")
    spark.sql("select * from maxPriceCity").show()

    #需求八 价格分类
    fooddata_with_category = fooddata.withColumn(
        "prcieCategory",
        when(col("avgPrice").between(0,15),'0-15元')
        .when(col("avgPrice").between(15, 50), '15-50元')
        .when(col("avgPrice").between(50, 100), '50-100元')
        .when(col("avgPrice").between(100, 200), '100-200元')
        .when(col("avgPrice").between(200, 500), '200-500元')
        .otherwise('500以上')
    )

    reuslt8 = fooddata_with_category.groupby("prcieCategory").count()

    # sql
    reuslt8.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "categoryPrice"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    reuslt8.write.mode("overwrite").saveAsTable("categoryPrice", "parquet")
    spark.sql("select * from categoryPrice").show()

    # 类型均价
    reuslt9 = fooddata.groupby("totalType").agg(avg("avgPrice").alias("allAvgPrice"))

    # sql
    reuslt9.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "typePrice"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    reuslt9.write.mode("overwrite").saveAsTable("typePrice", "parquet")
    spark.sql("select * from typePrice").show()

    #需求十 星级分布
    result10 = fooddata.groupby("start").count()

    # sql
    result10.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "startCount"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    result10.write.mode("overwrite").saveAsTable("startCount", "parquet")
    spark.sql("select * from startCount").show()

    #需求十一

    fooddata_with_mixrate = fooddata.withColumn("mixrate",
                                                col("tasterate")+col("envsrate")+col("serverate"))

    reuslt11 = fooddata_with_mixrate.groupby("city").agg(avg("mixrate").alias("avgMixrate"))

    # sql
    reuslt11.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "mixrateAvg"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    reuslt11.write.mode("overwrite").saveAsTable("mixrateAvg", "parquet")
    spark.sql("select * from mixrateAvg").show()

    # 价格最大最小
    result12 = fooddata.groupby("city").agg(
        max("avgPrice").alias("maxAvfPrice"),
        avg("avgPrice").alias("avgAvfPrice"),
        min("avgPrice").alias("minAvfPrice"),
    )

    # sql
    result12.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "mamCity"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    result12.write.mode("overwrite").saveAsTable("mamCity", "parquet")
    spark.sql("select * from mamCity").show()

    #需求十三
    total_comments_df = fooddata.groupby("address").agg(
        sum("totalComment").alias("sumTotalComment")
    )

    reuslt13 = total_comments_df.orderBy(col("sumTotalComment").desc()).limit(10)

    # sql
    reuslt13.write.mode("overwrite"). \
        format("jdbc"). \
        option("url", "jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true&charset=utf8"). \
        option("dbtable", "hotAddress"). \
        option("user", "root"). \
        option("password", "root"). \
        option("encoding", "utf-8"). \
        save()

    reuslt13.write.mode("overwrite").saveAsTable("hotAddress", "parquet")
    spark.sql("select * from hotAddress").show()

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，查看我的【用户名】、【专栏名称】、【顶部选题链接】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，下方查看👇🏻获取联系方式👇🏻