1. 为什么要做可视化推荐二合一毕设选题的切入点与整体技术选型先说个很现实的问题市面上用Python做股票数据分析的项目一抓一大把但大多数都停留在拉数据、画K线、算个均线的层面功能上很像一个加强版Excel。而单纯做推荐系统又往往脱离真实场景用户根本不知道推荐的依据是什么。这个课题比较聪明的点在于把两块需求拧在一起先让用户看得懂行情再根据看得懂的数据给出有依据的推荐。数据可视化解决的是信息过载的问题——几千只股票、几十个指标光靠人眼盯盘根本筛不过来推荐系统解决的是选择困难的问题——盯盘盯出来了候选池但选哪只、为什么选需要一套可解释的逻辑来辅助决策。先说技术选型。我默认这个项目面向的是课程设计或者本科毕设技术栈选择必须兼顾三点难度适中、有东西可写、答辩时讲得清楚。推荐使用Python 3.8 Pandas Matplotlib Pyecharts Scikit-learn SQLite。不要一上来就上什么深度学习和LSTM那是给自己挖坑。大多数情况下K线形态识别加简单的协同过滤加一个技术面评分卡已经足够撑起一个完整闭环而且每一步都能在白板上画出来。模块划分也要符合设计与实现这个题目气质。我当时把系统切成四层数据层、计算层、可视化层、推荐层。数据层负责从公开数据源拉取行情并做清洗入库计算层负责技术指标计算和特征工程可视化层做交互式图表和看板推荐层基于用户的浏览/收藏行为做策略推荐。四层各干各的联调时才不会互相牵制。架构设计图我不知道你打算怎么画但建议画一张四层结构加数据流向的图。注意答辩老师最爱问的就是数据流是怎么走的——从原始数据变成最终推荐结果中间每一步都要能说清楚。2. 数据获取与预处理90%的坑都埋在这层股票数据可视化项目第一个绕不开的问题是数据从哪来。这是个比写代码更磨人的环节。常见的公开数据源包括Tushare、AkShare、Yahoo Finance美股、东方财富的公开接口等。我比较推荐用AkShare原因是免费、无需token、接口丰富A股、港股、美股都能覆盖而且返回的就是Pandas DataFrame代码上非常顺手。不过AkShare有几个使用细节你需要提前知道一天内频繁调用接口容易触发对方的风控建议爬取做节流每次请求后sleep 0.3到0.5秒数据偶尔会返回空值或复权因子不一致必须做数据清洗。数据清洗不是简单地dropna要分情况处理日行情数据缺失的常用方案是前值填充ffill但前值填充对收盘价只是权宜之计如果连续缺失超过三天建议直接剔除该时间段数据避免生成错误的均线和指标。入库方案我用的是SQLite因为整个项目体量不大不需要上MySQL。建表结构建议至少两张表stock_price存行情快照字段包括code、date、open、high、low、close、volume、amountstock_info存股票基础信息包括code、name、industry、list_date。两张表通过code关联。所有数据写入之前先做去重以code, date作为联合主键后写入的覆盖先写入的防止反复爬取产生脏数据。这里有一个实操中的关键经验建议先拉5年以上的日线数据存到本地再启动可视化应用。我见过太多人做项目时图表画到一半就空白排查半天发现是网络断了或接口限了流。数据落地到本地后整个开发调试不需要联网稳得多。如果你要复现这个项目先跑一个月数据的demo再拉全量别一上来就贪多。提示不要在这个环节过分纠缠实时数据。实时行情需要WebSocket申请授权、处理推送缓冲区、应对断线重连复杂度会直接爆炸。实时推送针对毕设是加分可选项不是必选项。先把日线级别的历史数据做成稳定闭环再做实时扩展层层递进风险小得多。3. 可视化模块的核心实现K线图的坑、指标叠加的逻辑和交互设计可视化模块是看起来最值钱的部分。如果你用Matplotlib画普通折线图虽然也能展示但大概率会被打回重做——太像上课练习了。建议用Pyecharts 1.x 版本做交互式图表。它生成的是HTML格式浏览器直接打开支持鼠标悬停、缩放、平移演示效果比静态Matplotlib高出不止一个档次。K线图是可视化模块的核心。Pyecharts里K线用Kline组件实现数据格式是[open, close, low, high]注意顺序和你在其他平台看到的OHLC不同。我当时在这块踩了个大坑文档里写的是[open, close, lowest, highest]没仔细看文档直接按常规OHLC传数据结果K线的实体方向全画反了阳线阴线完全颠倒。视觉上看起来好像也能用但严重误导判断。K线之上叠加均线是另一个常见需求。MA5、MA10、MA20三条均线是标配。Pyecharts中可以用Line组件和Kline做overlap层叠但叠的时候有个重要参数不能漏overlap之后的坐标轴类型要统一且均线的数据长度要和K线完全对齐否则尾部错位。更稳妥的做法是在K线图里加dataZoom缩放组件让用户滑动查看特定时间窗口而不是一屏塞所有数据。除了K线推荐系统决策的依据还需要几个副图指标。成交量是必须的MACD或RSI可以选一个其中RSI相对容易解释——它的计算不涉及复杂的EMA递归对答辩更友好。我当时实现的是成交量柱状图 RSI副图作为附在图下方的第二和第三个区域。这里分享一个布局层面的心得用Pyecharts的Grid组件实现多图拼接时每个子图占位比例要调好K线主体占60%以上RSI占20%成交量占20%不然视觉上主次不分。还有一点容易被低估数据是按证券代码分文件存还是统一存一张表后用字段过滤这直接决定加载性能。如果用一张表存所有数据date字段建索引查询单只股票时走索引返回很快如果按代码分文件保存读取时逻辑简单但文件数量会很多。我实测下来SQLite单表加索引的方式综合性能更好因为一个连接搞定所有查询不用频繁打开关闭文件。提示股票可视化项目的交互不止是图表的hover。你要让用户能输入股票代码切换标的、选择时间范围、切换指标组合推荐结果要能联动到对应K线视图。这种输入→展示→互动→推荐的闭环才是答辩时老师眼中系统完整度的关键评判点。4. 推荐系统怎么做才有说服力三路策略与特征相关性分析推荐系统是这个项目的理论高地和得分点。但股票推荐和电商推荐逻辑上有所不同电商推荐可以基于买过A的人还会买B这种协同过滤而股票推荐需要结合相似K线形态和技术指标共振来做更解释得通的推荐。我实际采用的是三路推荐策略最终结果按加权融合输出。第一路是相似度推荐基于协同过滤思想不过不是算用户相似度而是算股票在特征空间的距离。特征怎么选用相对变化量而不用绝对价格这一点至关重要——直接把收盘价丢进欧氏距离计算是没有意义的因为高价股和低价股天然差很多量纲完全不同。我选择了近20日收益率、近5日波动率、RSI值、成交量变化率这几个特征做Z-score标准化随机森林Random Forest中常用的特征重要性方法可以用来给每个特征赋初始权重再用K近邻KNN找出距离最近的Top-N只股票。第二路是技术面共振推荐规则引擎的设计思路。设置几条可解释的规则例如MA5上穿MA10且RSI在50~70之间且成交量放量1.5倍以上条件全部满足就标记为共振信号候选。这一路的价值在于可解释性强每条推荐理由都能对应到具体指标特征。第三路是用户偏好协同过滤。基于用户的历史浏览/收藏/买入行为记录构建行为矩阵。用户A浏览了某只股票系统在推荐时统计该股票被类似用户偏好集中的行为进一步生成推荐候选池。这里的类似用户通过行为记录的余弦相似度计算。这三路需要做数据融合。我当时用的策略是加权排序相似度推荐权重在0.5形态共振在0.3协同过滤在0.2。各路的输出还是候选集合并集取得分最高的Top-3作为最终结果。为什么是Top-3列表太长会分散用户注意力而且推荐系统的评测指标中Top-3的精确率远比Top-10更直观、更容易在答辩时解释。这里要回答一个常见问题为什么不做严格的收益率预测模型因为那是另一个研究问题涉及时序平稳性、滑点、手续费、过拟合等一系列复杂工程在课程设计的时间框架内很难做得严谨。而推荐系统的定位是辅助决策工具它的评估指标是推荐列表中候选股票池与历史强势股的命中率我建议采用命中率N做评估推荐Top-5中包含未来20日涨幅前10%的股票算一次命中最终统计整体命中率。这个指标实现简单、表达清晰、答辩时也拿得出手。5. 系统整体联调时的三个大坑与最终版本的处理方式设计文档写得再漂亮联调才能发现真问题。这个项目我印象最深的是三个坑写出来供你参考。第一个坑是中文编码。Pyecharts在HTML中默认输出UTF-8一般没问题。但如果股票名称中含有繁体字或者特殊字符如ST和退标志在文件名、命令行输出、日志打印时极易出现UnicodeEncodeError。我的处理方式是在项目启动入口处设置sys.stdout.reconfigure(encodingutf-8)并在所有文件写入操作中显式指定编码方式。这个坑虽小但足以让演示现场直接崩溃。第二个坑是推荐结果的时间穿越。这是最容易被忽视的逻辑漏洞用今天的数据算出的特征去匹配包含未来数据的样本得出的相似股票纯属作弊。处理方式是数据切分必须严格按时间切——训练推荐模型的KNN只使用截止到某个交易日的历史数据对某一天的推荐只允许使用这一天之前的数据。代码上只需要对特征矩阵做时间过滤即可但很多人就是没做。第三个坑是SQLite并发读写。如果用Flask做Web界面可能同时多个请求访问数据库。SQLite默认同一时刻只允许一个进程写库并发高时会出现database is locked。我建议连接时设置timeout10并把高频读操作做成缓存。另一个更省事的方案是所有查询接口加一个统一缓存装饰器短期数据用字典存内存过期时间设置为5分钟。这样不仅能解决锁问题响应速度还快了很多。最终版本的实现效果我用一句话概括用户在系统页输入股票代码和时间范围系统展示K线和指标副图用户点击相似股票按钮生成推荐候选并按得分排序每条推荐右侧显示推荐理由标签用户可以将推荐结果标注为感兴趣/不感兴趣行为数据回流数据库供后续协同过滤更新。6. 文档与PPT的内容编排答辩视角下的侧重优化项目代码写完了只是完成50%。课程设计的另一半是文档和PPT而这两样东西决定了答辩老师第一印象。文档我建议分成五章绪论、需求分析、系统设计架构数据库设计、系统实现界面截图核心代码片段、系统测试功能测试用例表推荐命中率结果分析。如果学校要求设计与实现这个标题章节命名直接对应标题逻辑最稳。需要注意不要事无巨细把所有源码都贴进去核心类和数据流图才是老师最想看的。关于PPT我强烈建议控制在15到20页以内。结构设计注意突出数据流向这条主线数据从哪来处理过后长什么样特征如何构建推荐如何计算用户如何看到结果。每页只放一个核心图宁可少讲不要堆砌。答辩演示环节先演示一个完整流程输入股票代码→展示K线→点击推荐→展示Top-3候选及推荐理由。这个流程走完再讲解核心代码片段和评估结果整个逻辑链清晰反而显得研究得很透。一个加分的小设计在系统测试章节加入一个简单的对比实验表格对比随机选股与推荐系统的命中率。我当时实测的数据推荐Top-5在测试集上的命中率大约为27%到35%左右随机选股基线只有4%。这个对比数据放在PPT里非常有力。别虚报数据真实测出来的就好老师更在意你是否理解评测方法。7. 源码交付前最后该检查的核心点项目的源码要保证让另一个同学拿到也能跑通。这一点在课程设计提交时特别重要因为有些老师本身不看代码但会抽测运行。提交前检查清单可以做得很简洁首次运行是否会自动创建数据库并拉取示例数据requirements.txt是否包含完整的第三方库且版本号已锁README是否写清楚运行步骤建议三步走安装依赖、运行初始化脚本、启动主程序是否附带一个演示用的数据集文件防止评审现场网络连不上外部的数据源。其中演示用数据集文件可以重点加上。我当时放了一份近两年的日线数据CSV压缩包README里写明如网络不可用可使用本地数据文件初始化数据库。这个细节在答辩时遇到断网环境简直是救命稻草。还有一个细节是项目的目录结构要清晰data/、core/、visual/、recommender/、web/、docs/各归其位入口文件放在根目录下命名为main.py或app.py。不要把所有代码堆在根目录下这是代码洁癖的问题。根据我这几年看过各种课程设计的经验能真正拿到高分的项目不一定用了最前沿的技术但一定在数据链路完整、文档逻辑清晰、代码可直接运行这三个基本盘上做得扎实。可视化模块负责直观展示你的工作量推荐模块负责体现你的思考深度文档和PPT负责让这一切被看见。把这三件事做透这个课题拿高分并不难。