Python+Flask构建航班数据可视化分析系统-AI智能范式网

Python+Flask构建航班数据可视化分析系统

谈国平·2026-08-20·阅读 22 GEO检测（免费）

PythonFlask数据可视化

|难度：普通|阅读约 16 分钟

1. 项目概述

这个航班数据分析系统是一个基于Python和Flask构建的Web应用，主要用于可视化展示和分析航班数据。系统能够自动处理原始航班数据，生成11种不同类型的可视化图表，并通过美观的Web界面展示分析结果。

作为一个数据可视化项目，它完美结合了Python的数据处理能力和Flask的轻量级Web框架特性。系统启动时会自动检查数据文件是否存在，如果不存在则会生成示例数据，确保用户能够立即体验完整功能。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 系统架构设计

2.1 技术栈选择

这个项目采用了以下技术栈组合：

Python 3.x：作为核心编程语言，负责数据处理和分析
Flask：轻量级Web框架，构建前端展示界面
Pandas：数据处理和分析库
Matplotlib：数据可视化库
NumPy：科学计算基础库
OpenPyXL：Excel文件处理库

选择这些技术的主要考虑是：

Python在数据科学领域的成熟生态
Flask的轻量级特性适合中小型Web应用
这些库之间有良好的兼容性和成熟的社区支持

2.2 目录结构设计

系统采用标准的Flask项目结构：

code复制flight_analysis_system/
├── static/
│   ├── css/
│   │   └── style.css
│   └── images/  # 自动生成的图表存放位置
├── templates/  # HTML模板文件
│   ├── index.html
│   ├── airport_analysis.html
│   ├── route_analysis.html
│   ├── airline_analysis.html
│   ├── price_analysis.html
│   ├── time_analysis.html
│   └── about.html
├── requirements.txt  # 项目依赖
├── app.py  # Flask主程序
└── flight_data_analysis.py  # 数据处理和可视化核心代码

这种结构清晰地区分了前端资源、模板和业务逻辑代码，便于维护和扩展。

3. 核心功能实现

3.1 数据处理模块

flight_data_analysis.py是系统的核心数据处理模块，主要功能包括：

数据加载：支持从Excel文件加载真实数据，若无则自动生成示例数据
数据清洗：
- 处理缺失值和异常值
- 转换时间格式
- 计算衍生字段（如航线、起飞小时等）
数据分析：
- 机场流量统计
- 航线热度排名
- 航空公司运营指标计算

python复制# 示例：数据清洗函数
def to_minutes(s):
    """将"X小时Y分钟"格式的时间转换为分钟数"""
    if pd.isna(s):
        return np.nan
    s = str(s)
    if "小时" in s:
        parts = s.split("小时")
        h = int(parts[0]) if parts[0] else 0
        m = int(parts[1].replace("分钟","").strip()) if len(parts)>1 and "分钟" in parts[1] else 0
        return h * 60 + m
    if "分钟" in s:
        return int(s.replace("分钟","").strip())
    return np.nan

3.2 可视化实现

系统生成11种不同类型的图表，覆盖了航班数据的多个维度：

机场分布图：展示机场地理位置和客流规模
航线热度图：显示热门航线的航班数和乘客数
航空公司分析图：包括准点率、票价分布和机型占比
票价分析图：票价分布直方图和票价-里程关系图
时间分析图：起飞时间分布和每周班期统计

python复制# 示例：生成机场分布图
def plot_airport_distribution(airport_traffic):
    plt.figure(figsize=(10,7))
    s_values = np.clip(airport_traffic["人数"].fillna(0)/2, 20, 900)
    plt.scatter(airport_traffic["起飞机场x"], airport_traffic["起飞机场y"],
                s=s_values, alpha=0.85, c=color_list(len(airport_traffic)))
    for i, r in airport_traffic.iterrows():
        plt.text(r["起飞机场x"], r["起飞机场y"], r["起飞机场"], fontsize=9)
    plt.xlabel("经度")
    plt.ylabel("纬度")
    plt.title("起飞机场分布（点大小表示累计人数）")
    plt.tight_layout()
    plt.savefig(os.path.join(IMAGE_DIR, "airport_distribution.png"), dpi=300)
    plt.close()

3.3 Web界面设计

系统采用响应式设计，主要特点包括：

导航结构：7个功能页面，覆盖所有分析维度
视觉设计：
- 渐变背景
- 卡片式布局
- 悬浮特效
图表展示：自适应网格布局，确保在不同设备上都能良好显示

html复制<!-- 示例：航线分析页面结构 -->
<div class="container">
    <h1 class="page-title">✈️ 航线热度深度分析</h1>
    
    <h2 class="sub-title">一、核心可视化图表</h2>
    <div class="chart-grid">
        <div class="chart-card">
            <h3 class="chart-title">前10条航线航班数排名</h3>
            <img src="{{ url_for('static', filename='images/top10_routes_count.png') }}" class="chart-img">
        </div>
        
        <div class="chart-card">
            <h3 class="chart-title">前10条航线乘客总数排名</h3>
            <img src="{{ url_for('static', filename='images/top10_routes_passengers.png') }}" class="chart-img">
        </div>
    </div>
</div>

4. 系统部署与使用

4.1 环境准备

安装Python 3.7+
创建虚拟环境（推荐）
安装依赖库：

bash复制pip install -r requirements.txt

4.2 数据准备

系统支持两种数据输入方式：

使用真实数据：
- 准备Excel文件"光用24年一年的就行-22年1月1日至24年12月31日航班数据.xlsx"
- 放置在项目根目录
- 系统会自动读取前300条记录
使用示例数据：
- 如果没有找到上述文件
- 系统会自动生成包含300条记录的示例数据集

4.3 启动系统

运行主程序：

bash复制python app.py

系统将：

检查图表是否存在，不存在则自动生成
启动Flask开发服务器
在默认浏览器中打开 http://localhost:5000

5. 开发经验与技巧

5.1 中文显示问题解决方案

Matplotlib默认不支持中文，系统实现了自动查找系统中文字体的功能：

python复制def find_chinese_font():
    candidates = ["SimHei", "Microsoft YaHei", "MSYH", "Noto Sans CJK"]
    sys_fonts = font_manager.findSystemFonts()
    name_to_path = {}
    for f in sys_fonts:
        try:
            prop = font_manager.FontProperties(fname=f)
            name = prop.get_name()
            name_to_path[name] = f
        except:
            continue
    for c in candidates:
        for name, path in name_to_path.items():
            if c.lower() in name.lower():
                return path, name
    return None, None

5.2 数据可视化最佳实践

选择合适的图表类型：
- 分布数据使用直方图
- 排名数据使用条形图
- 占比数据使用饼图
- 关系数据使用散点图
颜色使用技巧：
- 使用tab20色系确保颜色丰富且协调
- 重要数据使用更鲜艳的颜色
- 相似数据使用相近色系

python复制# 使用tab20色系生成颜色列表
cmap = plt.get_cmap("tab20")
def color_list(n):
    return [cmap(i % 20) for i in range(n)]

5.3 Flask项目组织技巧

路由设计：
- 每个分析维度单独路由
- 保持URL简洁有意义
- 使用一致的命名规范
模板组织：
- 共用导航栏和页脚
- 使用CSS类保持样式一致
- 合理组织图表展示区域

python复制# Flask路由示例
@app.route('/airport')
def airport_analysis():
    return render_template('airport_analysis.html')

@app.route('/route') 
def route_analysis():
    return render_template('route_analysis.html')

6. 常见问题与解决方案

6.1 数据加载问题

问题：Excel文件加载失败
解决方案：

检查文件路径是否正确
确保文件没有被其他程序占用
验证文件格式是否为.xlsx

问题：中文显示乱码
解决方案：

确保系统安装了中文字体
在代码中正确设置字体参数
使用系统提供的字体查找功能

6.2 可视化问题

问题：图表显示不正常
解决方案：

检查数据是否包含NaN或异常值
验证图表尺寸是否合适
确保保存路径存在且可写

问题：颜色不协调
解决方案：

使用系统提供的color_list函数
避免使用太多相似颜色
重要数据使用对比度高的颜色

6.3 部署问题

问题：依赖安装失败
解决方案：

使用虚拟环境隔离项目
检查Python版本是否符合要求
尝试逐个安装依赖库

问题：端口被占用
解决方案：

更改Flapp运行端口
查找并终止占用端口的进程
使用lsof -i :5000查找占用进程

python复制# 更改Flask运行端口
if __name__ == "__main__":
    app.run(debug=True, host='0.0.0.0', port=5001)  # 使用5001端口

7. 项目扩展建议

数据源扩展：
- 支持更多数据格式（CSV、JSON等）
- 增加数据库支持（MySQL、MongoDB等）
- 实现定时自动更新数据
功能扩展：
- 添加用户交互功能（筛选、排序等）
- 实现图表导出功能（PNG、PDF等）
- 增加数据预测功能（基于历史数据）
性能优化：
- 使用缓存提高图表生成效率
- 实现异步数据加载
- 优化大数据集处理能力
界面增强：
- 增加主题切换功能
- 实现响应式布局优化
- 添加动画过渡效果

python复制# 示例：使用缓存提高性能
from flask_caching import Cache

cache = Cache(config={'CACHE_TYPE': 'simple'})
cache.init_app(app)

@app.route('/airport')
@cache.cached(timeout=300)  # 缓存5分钟
def airport_analysis():
    return render_template('airport_analysis.html')

这个航班数据分析系统展示了如何使用Python生态构建完整的数据可视化解决方案。从数据处理到Web展示，项目涵盖了数据科学项目的典型工作流程。系统的模块化设计和清晰的代码结构也使其成为学习Flask和数据可视化的优秀范例。