简介：这是一份基于Python的二手房数据采集与可视化分析毕业设计项目包，面向计算机、电子信息、数学等专业学生，适用于课程设计、期末大作业或毕业设计参考，属于高分项目作品。项目覆盖数据采集、清洗、存储与可视化分析的完整流程，压缩包内含155个文件，包括18个Python脚本、18个CSV数据集（含原始编码与清洗后多版本，便于对比预处理效果）、15个HTML及11个JS可视化页面、65个PNG图表以及1份报告PPT，整体约35.13MB。数据集与脚本目录结构清晰，可帮助读者快速理解爬虫采集、数据清洗和可视化展示的工程化实现，也可作为二次开发与功能扩展的基础。目前已有840人学习下载，适合具备一定Python基础、希望参考完整高分离校毕业设计项目或进行二手房数据分析实战的读者。
1. 二手房数据采集与可视化分析：为什么这个毕设方向值得做
每年毕业季，总能看到一批学生栽在"选题太大、数据拿不到、图表凑不齐"这三个坑里。二手房数据采集与可视化分析这个方向的好处是：数据源明确、字段结构规整、分析维度多，而且Python生态里爬虫、数据采集、可视化分析三件套刚好全覆盖。我经手过几个类似的项目，说句实话，爬虫部分通常三天就能跑通，真正拉开分数差距的是数据集的质量和可视化能不能讲出故事。这篇笔记就把这条路线完整拆开：从用Python写爬虫、清洗字段、构建数据集，到最后用图表支撑结论，每一步都给出可复现的做法。不管你是想快速交差还是奔着高分去，这套路径都经得起答辩追问。
2. 技术选型与整体架构：用Python生态搭一套可复现的毕设骨架
2.1 为什么是Python：爬虫、数据清洗与可视化的生态闭环
二手房价分析看起来是个数据分析题目，实际串起了三条技术线：数据采集、数据清洗、可视化分析。三条线各有成熟工具，但能用一个语言串起来、文档又多到查不完的，Python是最稳的选择。Java用Jsoup也能写爬虫，但后续清洗要么转成Python，要么用一堆老旧的工具类；Node.js的Puppeteer擅长动态页面，可数据处理的生态不如Pandas顺手。Python这边Requests加BeautifulSoup负责采集，Pandas负责清洗统计，Matplotlib、Seaborn、PyECharts负责出图，整个链路零切换。
对毕设而言，语言选型还有一个隐藏考量：导师和答辩老师大概率熟悉Python。答辩时你说"我用Pandas做了数据清洗"，老师能跟上思路；你说"我用Jsoup解析了HTML"，非Java方向的老师可能直接走神。Python数据采集与可视化分析的参考案例也最多，卡壳时搜"python爬虫""数据采集""源码"，很快能找到对应的代码片段。这条路是被大量人验证过的，不是冷门方向，出了问题也更容易找到解决方案。
从工作量角度看，Python还有迭代效率优势。Pandas里一行df.groupby().median()就能算出区域中位数，Matplotlib调样式也是分分钟的事。换成Java或C#，改一个字段类型都要重新编译，毕业设计时间本来就紧，把时间花在分析和结论上，而不是环境编译上，这是最实在的收益。
2.2 目标站点与字段设计：从二手房列表页反推数据模型
我一般建议先定字段，再写爬虫，不要反着来。以链家这类主流房产信息平台的二手房列表页为例，一个典型的房源卡片会暴露这些信息：小区名、所在区域、户型（几室几厅）、面积、朝向、楼层、装修情况、单价、总价、挂牌时间，以及房源编号。把这些字段先写进一张表，爬虫解析按表取值，后面清洗分析不会乱。
数据模型建议分两个维度：房源维度（一套房一条记录）和区域维度（一个行政区或商圈一组统计）。房源表存原始采集值，区域表做汇总对比。字段设计大致如下：
| 字段名 | 类型 | 示例 | 用途说明 |
|---|---|---|---|
| 房源编号 | str | 1012345678 | 平台唯一标识，用于去重 |
| 小区名 | str | 阳光花园 | 定位到具体楼盘 |
| 区域 | str | 朝阳-望京 | 行政区加商圈，方便分组 |
| 户型 | str | 3室2厅 | 卧室/厅数，可拆成数值字段 |
| 面积 | float | 89.6 | 建筑面积，平方米 |
| 单价 | float | 68500 | 每平方米挂牌价 |
| 总价 | float | 613 | 单位：万元 |
| 朝向 | str | 南北 | 主要朝向，可做分类统计 |
| 楼层 | str | 低楼层/共6层 | 拆成楼层序号和总层数两个数值 |
楼层这种字段千万别只存成纯文本。后面分析"高楼层是否更贵""电梯房溢价多少"时，你需要的是楼层序号和总层数。在清洗阶段把"低楼层/共6层"拆成floor=1、total_floors=6两个字段，分析维度瞬间多出好几个。房源编号也要保留，它是去重的关键，没有编号你只能靠"小区+面积+总价"三元组猜测是否重复，误杀率很高。
2.3 项目目录结构与依赖清单：一套能跑通的组合
能交差的毕设项目，目录结构建议直接参考简化版工业项目：
second_hand_house/ ├── crawler/ │ ├── spider.py # 爬虫主逻辑：翻页、请求、调度 │ ├── parser.py # 页面解析与字段提取 │ └── config.py # 请求头、延时、目标URL统一配置 ├── data/ │ ├── raw/ # 原始采集结果CSV │ └── clean/ # 清洗后的数据集 ├── analysis/ │ ├── clean.py # 清洗脚本 │ └── visualize.py # 可视化脚本 ├── report/ # 图表输出目录 ├── requirements.txt └── README.md依赖清单是另一个容易翻车的地方。不要一股脑装几十个库，按实际用到来。我通常只用这些：requests、beautifulsoup4、pandas、matplotlib、seaborn、pyecharts。Python版本3.8以上就行，开发环境用VSCode，装好Python扩展后直接在终端跑脚本，调试方式比Jupyter更接近真实工程。环境配置不熟的话，搜"python安装教程""vscode python环境配置"基本能解决九成问题，剩下的是虚拟环境。创建虚拟环境用python -m venv venv，激活后pip install -r requirements.txt，别把包装进系统全局，后面换机器跑项目会少很多麻烦。
requirements.txt内容按下面这个规模写就够了：
requests==2.31.0 beautifulsoup4==4.12.3 pandas==2.1.4 matplotlib==3.8.2 seaborn==0.13.1 pyecharts==2.0.5版本号建议锁死，不要用大于号宽松匹配。毕设项目半年后再打开，如果不锁版本，依赖升级可能导致代码行为变化，到时候一边改论文一边查兼容性问题，会很狼狈。锁版本是一种低成本高回报的"后悔药"。
3. 数据采集：用Requests和BeautifulSoup写一个能跑通的二手房爬虫
3.1 最小可用爬虫：先抓一个列表页并解析字段
动手写爬虫的第一目标不是"抓全量"，而是"单页解析成功"。先手动用浏览器打开一个二手房列表页，右键查看网页源代码，找到一条房源记录所在的HTML结构。链家这类平台的列表页极其规律，房源被包在某个class的li里，字段在对应的span或a标签中。不用看整个页面源码，那会把人绕晕，直接搜索标题里的文字定位到那一段，然后从内往外看它的父节点和兄弟节点。
一个最小可用的爬虫长这样：
import requests from bs4 import BeautifulSoup url = "https://example.com/ershoufang/" # 替换为目标平台列表页 headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) " "AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/120.0.0.0 Safari/537.36", "Referer": "https://example.com/" } resp = requests.get(url, headers=headers, timeout=10) resp.encoding = resp.apparent_encoding # 避免中文乱码 soup = BeautifulSoup(resp.text, "html.parser") items = soup.select("li.item") # 根据实际页面结构调整 print("本页房源数量:", len(items)) for item in items[:3]: title = item.select_one(".title a").get_text(strip=True) total_price = item.select_one(".totalPrice span").get_text(strip=True) unit_price = item.select_one(".unitPrice span").get_text(strip=True) print(title, total_price, unit_price)这段代码的逻辑是：发GET请求拿HTML，用CSS选择器定位房源节点，再逐个取出字段。resp.encoding这行是防中文乱码的关键——很多页面声明了charset，但实际内容可能是GBK或UTF-8，不设置encoding就会乱码，这是爬虫新手常遇到的"黑匣子"。items = soup.select("li.item")里的选择器必须按实际页面的class去改，不同平台、不同城市站的class都可能不同。
写这段代码时有个习惯值得养成：先把item的个数print出来。长度是0，要么选择器写错，要么页面被反爬拦截返回了验证页。这时候用item.get_text()打印整个节点内容，能快速判断出是结构问题还是拦截问题。先别急着写循环，把单页解析彻底跑通再说。
3.2 请求头、延时与重试：把爬虫调成"礼貌模式"
单页跑通后，下一步是让爬虫稳定抓取几百页而不被封。所有主流平台都有反爬，最常见的两道坎是UA校验和访问频率限制。UA校验就是检查请求头里的User-Agent是不是正常浏览器，Python默认UA是"python-requests/x.x.x"，一眼假，直连必被拦。频率限制则是检测同一IP的请求间隔，短时间密集请求直接封IP或弹验证码。
更稳的做法是用requests.Session统一管理请求头、Cookie和重试策略，加上随机延时：
import time import random import requests from requests.adapters import HTTPAdapter session = requests.Session() session.headers.update({ "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) " "AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/120.0.0.0 Safari/537.36", "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8", "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8", }) session.mount("https://", HTTPAdapter(max_retries=3)) def fetch_page(session, url, max_retry=3): for attempt in range(max_retry): try: resp = session.get(url, timeout=10) if resp.status_code == 200: return resp elif resp.status_code in (403, 429): wait = random.uniform(5, 10) * (attempt + 1) print(f"触发限流，等待 {wait:.1f}s") time.sleep(wait) else: time.sleep(2) except requests.RequestException as e: print(f"请求异常: {e}") time.sleep(3) return None关键参数有三个。max_retry是应用层重试次数，这里设3，配合sleep递增的退避策略，能扛住短时间限流。随机延时范围1到3秒，不要固定sleep(2)，固定间隔反而容易被频率检测识别。HTTPAdapter(max_retries=3)管的是底层网络错误重试，比如连接重置、DNS解析失败，它和应用层的重试逻辑不冲突，两者叠加才会稳。
403和429必须区分处理。403大概率是UA、Cookie或Referer没通过校验，延续重试也没用，应该停下来检查请求头；429是请求太频繁，说明延时太短，把sleep范围调大。还有一种情况是页面返回200，但内容里没有房源节点，而是验证码页——这也要在fetch_page里做一层判断，看到验证码特征就暂停较长时间。
3.3 换页与落盘：把采集结果存成CSV还是SQLite
单页解析跑通、反爬调稳后，就到了真正出量的环节：翻页采集并落盘。二手房列表页的翻页参数一般是URL上的pg或page字段，手动翻到第二页、第三页对比URL就能看出来。翻页循环里要注意最后一页的判断，如果请求的页码超过总页数，平台会返回空列表页，代码里要有退出条件，不能在空页上反复请求。
落盘我建议边采边存，不要全部抓进内存最后一次性写文件。以下代码把每页解析结果追加写入CSV：
import csv import time import random def crawl_list(session, base_url, total_pages, output_path): fieldnames = ["房源编号", "小区名", "区域", "户型", "面积", "单价", "总价", "朝向", "楼层"] with open(output_path, "w", newline="", encoding="utf-8-sig") as f: writer = csv.DictWriter(f, fieldnames=fieldnames) writer.writeheader() for page in range(1, total_pages + 1): url = f"{base_url}pg{page}/" resp = fetch_page(session, url) if resp is None: print(f"第{page}页采集失败，跳过") continue soup = BeautifulSoup(resp.text, "html.parser") items = soup.select("li.item") if len(items) == 0: print(f"第{page}页无房源数据，可能超出总页数，提前退出") break for item in items: row = extract_house(item) # 返回字段字典，内部做了异常保护 if row: writer.writerow(row) print(f"第{page}页完成，写入 {len(items)} 条") time.sleep(random.uniform(1, 3)) print(f"采集结束，文件: {output_path}")这段代码的价值在于容错。翻页失败不会中断整体采集，只是跳过并打印；空页检测避免无效请求；翻页后的sleep在页面处理完之后执行，保证相邻两次请求之间有间隔。CSV编码用utf-8-sig而不是utf-8，这是Windows下Excel能正确显示中文表头的关键，很多人到交报告截图时才发现乱码，这个坑踩一次就记住了。
SQLite作为备选也值得提。如果后续要按区域、价格区间做SQL聚合，SQLite确实比CSV方便，但毕设场景CSV已经足够，因为清洗和可视化都用Pandas，读CSV最顺手。你要是想两边兼顾，采集阶段直接写CSV，分析阶段按需导入SQLite，不用在采集阶段陷入数据库设计。采集完成后数据集就有了原始版本，记得保留raw目录下的原文件，后面清洗出错还有后悔药。
4. 数据集构建与可视化分析：从清洗字段到产出图表
4.1 数据清洗：缺失值、类型转换与异常房价
爬虫采集回来的数据几乎不可能是干净的。最常碰到的三个问题：单价和总价带着"元/平米""万"这样的单位文本；面积字段偶尔混入"暂无数据"；同一套房在多次采集中重复出现。不处理干净，后面出的图表全是错的。清洗脚本建议单独放一个clean.py，不要和爬虫混在一起，这样报告里可以单独讲"数据预处理"章节。
清洗第一步是类型转换和去单位：
import pandas as pd df = pd.read_csv("data/raw/houses.csv") # 单价 "68500元/平米" -> 68500.0 df["单价"] = df["单价"].str.replace("元/平米", "").str.strip().astype(float) # 总价 "613万" -> 613.0 df["总价"] = df["总价"].str.replace("万", "").str.strip().astype(float) # 面积 "89.6平米" -> 89.6 df["面积"] = df["面积"].str.replace("平米", "").str.strip().astype(float) print(df.dtypes) print("缺失值统计:\n", df.isnull().sum())str.replace配合astype是标准操作。单位文本在HTML里以字符形式存在，不先清洗，字段类型是object，没法求均值、算相关系数。astype(float)一旦报错，说明字段里还有没被replace掉的非数值内容，比如"暂无数据"，这时改用pd.to_numeric(..., errors="coerce")，转换失败的进NaN，再做缺失值处理。
异常值要单独过滤。面积10平米卖2000万的记录，要么是录入错误，要么是特殊产权房源，直接参与统计会让均价失真。建议按业务常识圈一个合理范围：住宅面积30到500平米、单价5000到20万每平米，范围外标记为异常。这里有个血泪经验：过滤条件宁宽勿严，把数据集砍掉一半，答辩时老师问"数据量为什么这么少"，场面会非常尴尬。先保留异常数据，分析时用分位数截断做展示，而不是清洗阶段就物理删除。
4.2 房价分布与区域对比：Pandas+Matplotlib出图
清洗完成后先做基础统计再做可视化。基础统计就是describe、value_counts、groupby这三件套，能快速判断数据集分布形态。总价分布通常是右偏的，少数千万级豪宅会把均值拉高，这时候中位数比均值更能代表市场水平。这个判断会决定后面所有的图表选择。
第一张图建议做总价分布直方图和区域单价中位数条形图：
import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = ["SimHei"] # 中文字体 plt.rcParams["axes.unicode_minus"] = False # 负号显示修复 fig, axes = plt.subplots(1, 2, figsize=(12, 5)) # 左图：总价分布，去掉两端1%极端值再画 q01, q99 = df["总价"].quantile([0.01, 0.99]) mask = df["总价"].between(q01, q99) axes[0].hist(df.loc[mask, "总价"], bins=30, color="#5B9BD5", edgecolor="white") axes[0].set_title("二手房总价分布（排除两端1%极端值）") axes[0].set_xlabel("总价（万元）") axes[0].set_ylabel("房源数量") # 右图：区域单价中位数 region_price = df.groupby("区域")["单价"].median().sort_values() region_price.plot(kind="barh", ax=axes[1], color="#ED7D31") axes[1].set_title("各区域二手房单价中位数") axes[1].set_xlabel("单价（元/平米）") plt.tight_layout() plt.savefig("report/基础分布图.png", dpi=150) plt.show()这两行rcParams是中文乱图的解药。Matplotlib默认字体不支持中文，不设置font.sans-serif，图里的区域名全是方块。axes.unicode_minus=False处理坐标轴负号显示成方块的问题。直方图里做的between(q01, q99)掩码，等于把前后1%的极端值挡在图外，图看上去就是大多数房源的真实分布。保存dpi设为150以上，答辩PPT投影时会放大，dpi低了全是锯齿。配色用的蓝橙组合，对比度足够，色盲也能分辨。
4.3 交互式地图与相关性热力图：把分析结论可视化
静态图适合放论文，交互式图表适合放PPT演示。PyECharts是国内用得最多的交互式图表库，输出HTML文件，浏览器打开能缩放、悬浮、筛选。做区域房价地图时，可以用散点图把房源按经纬度撒到地图上，颜色深浅表示单价高低。经纬度获取方式是通过地图API把"小区名+区域"转成坐标，申请一个免费Key就能调，这一步在毕设里是实实在在的加分项。
散点地图代码骨架长这样：
from pyecharts import options as opts from pyecharts.charts import Map data = df.groupby("区域")["单价"].median().round(0) pairs = [[region, float(price)] for region, price in data.items()] c = ( Map() .add("区域均价", pairs, maptype="北京") # 按实际城市替换 .set_global_opts( title_opts=opts.TitleOpts(title="北京市二手房区域均价分布"), visualmap_opts=opts.VisualMapOpts(min=int(data.min()) // 10000 * 10000, max=int(data.max()) // 10000 * 10000 + 10000), ) ) c.render("report/区域均价地图.html")maptype参数必须和实际城市对应，地图名称不匹配会渲染空白。visualmap_opts里min和max的设定很关键，直接用原始最小最大值，颜色映射会被极端值拉成一片深色，毫无区分度，按万取整再留一点余量，图例才有层次。render生成的是独立HTML文件，答辩时可以嵌入PPT，也可以现场打开浏览器演示动态交互。
相关性热力图用Seaborn画，把面积、单价、总价、楼层序号这些数值字段放进来：
import seaborn as sns df["楼层序号"] = df["楼层"].str.extract(r"(\d+)").astype(float) corr = df[["面积", "单价", "总价", "楼层序号"]].corr() plt.figure(figsize=(8, 6)) sns.heatmap(corr, annot=True, cmap="RdBu_r", vmin=-1, vmax=1, fmt=".2f", linewidths=0.5) plt.title("房价影响因素相关性热力图") plt.tight_layout() plt.savefig("report/相关性热力图.png", dpi=150)df["楼层"].str.extract(r"(\d+)")是从"低楼层/共6层"里抽出第一个数字，这行代码展示了字段设计前瞻性的价值。corr()计算皮尔逊相关系数，面积和总价通常是强正相关，和单价的关系反而弱；楼层与房价的相关性在不同城市差异很大，如果算出接近0的系数，说明该城市楼层对房价不显著，这本身就是一个可以写进论文的结论。热力图让你快速锁定"值得展开讲"的关系，PPT里放这张图，配一句"面积是总价的最强解释变量"，比十行文字都管用。
5. 避坑与常见问题：反爬、字段缺失与数据偏差的排查记录
5.1 请求被拒绝：状态码403但浏览器访问正常
现象：爬虫脚本跑起来后，返回的状态码一直是403，可你用浏览器打开同一个URL完全正常，能看到完整房源列表。
原因：服务器通过User-Agent识别出你是脚本。Python的requests默认UA是"python-requests/x.x.x"，一眼假。另一个隐蔽原因是缺少Referer或Accept-Language请求头，服务器对"不像浏览器的请求组合"直接拒之门外。如果是从详情页跳回列表页，Referer没带，也会触发校验。
解决：用requests.Session统一设置浏览器UA并补上Referer、Accept、Accept-Language。设置后先打印resp.status_code确认变成200再跑循环。如果还是403，检查Cookie是否失效，部分平台需要先访问首页拿到Cookie再爬列表页。不要一上来就怀疑IP被封，那是最后才要考虑的因素，先按请求头排查九成能解决。写代码时可以在config.py里集中管理这些头配置，免得在多个脚本里复制粘贴，后期维护会吐血。
5.2 字段解析失败：页面上有数据但select取出来是空
现象：用浏览器开发者工具能看到某个span里明明有钱数，但BeautifulSoup的select_one取出来是None，代码在get_text()抛AttributeError，程序中断。
原因：开发者工具显示的是页面渲染后的DOM，而requests拿到的是原始HTML。如果字段是页面加载后由JavaScript动态写入的，原始HTML里根本不存在这个节点。另一个常见原因是同一个class在页面里出现多次，select_one取到了第一个匹配项，但它是隐藏模板或广告位。
解决：先在爬虫里把resp.text保存成html文件，用编辑器打开搜字段文本，确认原始HTML里到底有没有。确实没有，就是动态渲染，两条路：一是切到目标页面加载时调用的JSON接口，直接请求并解析JSON；二是用Selenium驱动Chromium等渲染完成再读取DOM。如果是class重复，改用更具体的选择器，比如"div.houseInfo span:nth-child(2)"，或者用find_all之后按下标取值。这个排查顺序适用于大多数"浏览器有代码没有"的诡异问题，先确认是不是动态渲染，再怀疑选择器。
5.3 数据偏差：只看挂牌价不看成交量导致结论失真
现象：分析结果显示某个区域均价奇高，和新闻里说的"价格阴跌"完全相反，论文前后矛盾，被导师打回来。
原因：二手房平台上展示的是挂牌价，不是成交价。挂牌价是房东的心理预期，有一部分房源长期卖不掉，价格本来就是虚高的。如果采集时只拿当前在售列表，没记录在售套数的变化，数据集反映的是"卖家预期"而不是"市场真实水平"。这个问题属于结构性偏差，靠清洗修不掉，只能在数据来源上做说明。
解决：在数据集说明和论文里明确标注"本数据集为挂牌价，不代表成交价"，这是数据诚实性的底线。更严谨的做法是采集时同时记录每个区域的在售套数，把在售套数和均价一起分析——在售套数突然增多的区域，即使均价没降，也说明卖压累积。这个维度在答辩时非常加分，因为展示了你对数据背后业务逻辑的理解，而不只是会调库函数。
5.4 图表误导：区域均价被几个豪宅拉偏
现象：某区域均价算出来8万/平米，但直方图里绝大多数房源集中在4到6万，图和数字对不上，答辩时被老师当场追问。
原因：用的是算术平均值。少数总价上亿的房源会把均价拉到离谱高度，二手房价格分布是典型的右偏分布，均值对异常值极其敏感，中位数才是稳健的集中趋势度量。
解决：区域对比一律用中位数，图上标注"单位：元/平米（中位数）"。做分布直方图时用4.2里的between(q01, q99)掩码，把两端极端值挡在显示范围外。更严谨的还可以在报告里对比一组数据：全样本均值和剔除异常值后的均值，告诉读者差值来自哪些小区。这种"先给结论、再解释为什么不用均值"的处理方式，直接反映分析功底，是论文质量的分水岭。
6. 进阶：动态渲染页面的采集方案与结果验证技巧
如果目标平台的列表页是纯JavaScript渲染，HTML源码里一个房源节点都看不到，Requests方案直接失效。常见做法是两条路。第一条是找页面加载时调用的JSON数据接口：用浏览器开发者工具的Network面板刷新一下，能找到返回房源数组的XHR请求，直接请求那个接口，解析JSON比解析HTML还省事，接口通常在反爬上比HTML页面松。第二条是Selenium驱动Chromium，等页面渲染完再读取DOM，要装浏览器驱动，速度慢、资源占用大，只建议作为兜底。毕设场景里优先找JSON接口，找不到再考虑Selenium。
结果验证是很多人到答辩前才发现的问题：图表里的数字和爬虫日志对不上。我的习惯是清洗完先做一轮"对账"。比如采集5000条原始记录，清洗后剩4700条，那300条去哪了？要能说清楚——180条重复、80条面积异常、40条单价缺失。把这个过程写进报告，就是完整的数据质量说明。可视化出图后，随机抽三个小区，回平台上人工核对挂牌总价，确认解析和清洗没有系统性错误。这个习惯让我至少避开了三次答辩翻车。
项目到这里，源码、数据集、报告PPT就都有了完整的素材底座。PPT不要最后一周才开始做，图表每出一张就存一张到report目录，写报告时直接引用。如果时间还有富余，给交互式地图加上区域筛选和下钻功能，答辩演示环节现场点开，比任何口头描述都有说服力。这条路线最值钱的不是爬虫代码本身，而是你手里那份干净的数据集和对数据的解释能力。希望这篇笔记能帮你把这条毕设路线走顺，少踩几个我当年踩过的坑。
本文还有配套的精品资源，点击获取
