简介数据分析是当前工程实践中的基础技能而数据清洗决定分析质量的上下限。通过pandas对字段进行统一处理、缺失值填补和异常剔除能显著提升数据可靠性与后续聚合效率。数据可视化则将清洗结果转化为直观图表借助matplotlib与plotly等工具结合Jupyter Notebook可快速生成趋势图、热力图及交互式HTML报告。该技术栈广泛应用于交通、城市管理、公共安全等场景支持从月度事故趋势到省份分布的多维分析。本文以交通事故数据分析毕设为例完整拆解了从CSV读取、预处理、可视化到导出HTML的工程链路并涵盖常见编码乱码、类型解析、依赖版本等避坑要点帮助读者快速复现并扩展自己的分析项目。1. 为什么说这是最适合拿来改的交通事故数据分析毕设如果你在找“基于Python的中国交通事故数据分析可视化系统”这类毕设源码大概率已经看过一圈有的挂着“数据分析”的名头下回来是一堆爬虫脚本有的图表确实漂亮但数据是写死的答辩时老师一问就露馅。这个包我拆过之后可以下个结论它不是那种市面上常见的“演示版”而是一套能用 Jupyter Notebook 完整跑通“数据读取 → 清洗 → 分析 → 可视化 → 导出 HTML”全流程的工程最难得的是里面对事故数据的预处理部分做得很扎实不是随手 dropna 就完事那种应付活儿。这套资源适合两类人。一是做课程设计或毕设、时间紧张但想拿到漂亮图表和完整分析逻辑的学生另一类是真想学 pandas 和可视化、但不想从零开始造轮子的入门者。它的核心价值在accident.ipynb和wwa.ipynb这两个 Notebook 里配合preprocessed_data.csv和fake_accident_data.csv两份数据你可以直接复现出事故按时间、按省份、按原因的分布图再改成自己的分析角度。接下来说清楚这个包的文件到底谁管什么以及怎么在十分钟内让它跑起来。2. 拆包文件清单、数据走向与 Notebook 的调用关系拿到 zip 后第一件事不是双击打开而是看清这套东西的分工。整个包没有传统 web 项目的 app.py 或 manage.py它是纯 Notebook 驱动的数据分析项目最终产物是一个accident.html静态页面这个认知先立住后面才不会找错方向。2.1 zip 内文件职责一览把解压后的文件拉一张清单每个文件的角色就清晰了文件类型职责accident-main/目录主项目目录可能包含原版代码或文档accident.ipynbNotebook主分析流程清洗、聚合、可视化wwa.ipynbNotebook辅助探索流程侧重某一维度分析accident.htmlHTMLNotebook 导出的静态结果页accident.py或额外.py脚本如有离线导出的纯 Python 版本raw_data.csv/fake_accident_data.csvCSV原始数据或模拟数据preprocessed_data.csvCSV清洗后的中间产物preprocessed_accident_data.csvCSV清洗后的事故明细数据注意fake_accident_data.csv这个名字它说明数据很可能是构造出来的模拟数据。这不是坏事——毕设里用模拟数据完全合规但你要在论文的“数据来源”一节写清楚。如果你手头有真实的事故公开数据后面我会讲怎么替换。2.2 数据清洗的两个阶段是怎么衔接的整个项目的数据流是fake_accident_data.csv原始态→preprocessed_accident_data.csv清洗一次→preprocessed_data.csv再加工面向可视化。前一个 CSV 是给 pandas 做热身用的后一个才是真正喂给图表的。我一般会先用pd.read_csv分别读一遍三个 CSV用.info()和.head()确认字段。常见字段包括时间、省份、城市、事故类型、死亡人数、受伤人数、天气、道路类型等。真正决定你能画出什么图表的是字段类型和缺失率。举个例子如果时间字段被 pandas 读成 object 而不是 datetime后面按月份聚合就会出问题。2.3 为什么用 Notebook 而不是 Flask 或 Django这里说句实在话交通事故数据分析本质上是一个探索性任务不是业务系统。用 Notebook 的好处是你每一步的中间结果都留痕答辩时老师问“你怎么发现数据有异常的”你可以直接展示那个单元格的输出。Flask 那套反而把重点从分析挪到了网页开发上。所以你看这个包的交付物里没有模板引擎、没有路由文件、没有数据库连接它把精力全压在分析和图表上。这和“课程设计大作业”的需求是完全对齐的。如果你后面想升级成带交互的 Web 系统那才是引入 Flask/ECharts 的时机这个包的定位本身就是分析底座。3. 十分钟跑通主流程环境准备、数据清洗与第一个图表在动任何代码之前先把环境整利索。这个包不挑机器但 Python 版本和依赖库版本的匹配是最大的坑。3.1 创建独立虚拟环境并安装依赖打开终端在你的项目目录下执行cd accident-main python -m venv venv source venv/bin/activate # Windows 下用 venv\Scripts\activate pip install pandas numpy matplotlib seaborn jupyter这里解释一下为什么不用pip install -r requirements.txt很多毕设包的 requirements 是别人机器上导出的版本号可能很老直接装反而容易冲突。我一般只装这四个核心库Notebook 里的其他依赖比如plotly、pyecharts等你跑到报错了再补这样最稳。3.2 打开 Notebook 并按顺序执行所有单元格jupyter notebook浏览器打开后定位到accident.ipynb。我的习惯是先点Kernel → Restart Run All看它是不是一遍能通。如果中途某个单元格报错不要慌下面几类是常见的ModuleNotFoundError缺库回到终端pip install 包名FileNotFoundErrorCSV 路径不对Notebook 的工作目录和 CSV 所在目录不一致KeyError列名和你预想的不一样用.columns打印核对跑通accident.ipynb后preprocessed_data.csv和accident.html会被重新生成这就是“主流程闭环”的信号。3.3 核心清洗代码的逐段拆解把 Notebook 里最关键的一段清洗逻辑抽出来看import pandas as pd # 读取原始模拟数据 raw_df pd.read_csv(fake_accident_data.csv, encodingutf-8) print(原始数据形状:, raw_df.shape) print(缺失值统计:\n, raw_df.isnull().sum()) # 处理时间字段统一转为 datetime并提取年月用于后续聚合 raw_df[时间] pd.to_datetime(raw_df[时间], errorscoerce) raw_df[年] raw_df[时间].dt.year raw_df[月] raw_df[时间].dt.month # 按关键分类字段填充缺失值而不是直接丢弃 raw_df[天气] raw_df[天气].fillna(晴) raw_df[道路类型] raw_df[道路类型].fillna(未知) # 剔除无法解析时间和死亡人数为负的异常记录 clean_df raw_df.dropna(subset[时间]) clean_df clean_df[clean_df[死亡人数] 0] # 输出清洗结果到 CSV供可视化阶段复用 clean_df.to_csv(preprocessed_accident_data.csv, indexFalse, encodingutf-8-sig) print(清洗后数据形状:, clean_df.shape)这段代码有几个细节值得注意。errorscoerce让无法解析的时间变成NaT后续统一 drop 掉这比直接整列报错要安全得多。fillna(晴)是因为事故分析中天气是重要维度硬删整行会损失样本量。utf-8-sig是中文场景写 CSV 的关键不加它的话 Excel 打开会乱码。3.4 第一个事故趋势图怎么出来的清洗完成后可视化阶段最常见的第一个图是“月度事故数趋势”。Notebook 里对应的代码大致是这样import matplotlib.pyplot as plt # 按年月聚合事故数量 trend clean_df.groupby([年, 月]).size().reset_index(name事故数) trend[时间] pd.to_datetime(trend[年].astype(str) - trend[月].astype(str)) trend trend.sort_values(时间) plt.figure(figsize(12, 5)) plt.plot(trend[时间], trend[事故数], markero, linestyle-, linewidth1.5) plt.title(月度交通事故数量趋势) plt.xlabel(时间) plt.ylabel(事故数) plt.xticks(rotation45) plt.tight_layout() plt.savefig(monthly_trend.png, dpi150) plt.show()size()在这里做的是计数聚合等价于count()是按“每条记录一行”的口径算事故起数。reset_index(name事故数)把 groupby 后的索引还原成普通列否则后面pd.to_datetime拼接会麻烦。保存png是为了论文插图dpi150在打印时足够清晰。这一步走完你就已经有了一张能放进论文的图表。后面所有更复杂的可视化都是在这个聚合思路上叠加维度而已。4. 可视化的重头戏从静态图表到 accident.html 的完整链路accident.html是整个包的“门面”答辩时展示的就是它。很多人会好奇这份 HTML 到底是怎么来的是 Flask 渲染的还是模板写的其实是 Notebook 直接导出的交互式页面。4.1 HTML 文件与 Notebook 的对应关系如果accident.html是用jupyter nbconvert导出的那内容和accident.ipynb几乎一一对应如果用了plotly或pyecharts那 HTML 里会内嵌 JavaScript 库静态文件也能正常看。你可以打开 HTML 源码搜一下plotly或echarts关键字来判断具体方案。我建议你把它当成“分析报告的最终呈现形态”来用而不是一个动态网站。在你自己的毕设里这个 HTML 可以直接放在附录也可以作为答辩 PPT 的辅助材料。如果有老师问“你的交互性体现在哪里”就指着图表的悬浮提示和缩放功能说。4.2 把普通图表升级为交互式图表的套路如果你的 Notebook 里用的是 matplotlib想做出accident.html里的那种交互效果常见做法是用 plotly 重写核心图表。下面是一段替换范例import plotly.express as px # 直接使用清洗后的数据 df pd.read_csv(preprocessed_data.csv, encodingutf-8-sig) # 生成带悬浮提示的交互式条形图 fig px.bar( df, x省份, y事故数, color事故类型, title各省事故数与类型分布, hover_data[死亡人数, 受伤人数] ) # 调整布局并把图表写入独立 HTML 文件 fig.update_layout(xaxis_tickangle-45, legend_title_text事故类型) fig.write_html(province_accident.html)hover_data是 plotly 的核心参数它决定鼠标悬停时展示哪些字段。做毕设图表时别把原始字段全丢进去选两三个和当前分析主题相关的就行。write_html生成的单文件 HTML 内嵌了 JS发给老师或者拷到别的电脑上都能打开不会缺库。4.3 图表中文字体与乱码的处理方案中文字体是 Python 可视化的经典老坑。matplotlib 默认字体不带中文画出来全是方框。Notebook 里如果没处理过你可以在代码开头强制指定import matplotlib.pyplot as plt plt.rcParams[font.sans-serif] [SimHei, Microsoft YaHei, PingFang SC] plt.rcParams[axes.unicode_minus] FalseSimHei是 Windows 上的黑体Microsoft YaHei是微软雅黑PingFang SC是 macOS 的苹方。这样配置后标题、坐标轴、图例的中文都能正常渲染。axes.unicode_minus设成 False 是为了让负号正常显示不加的话坐标轴负号会变成方块。这个配置放在 Notebook 第一个单元格里全局生效比在每个绘图代码里重复设置干净得多。4.4 导出 HTML 的正确姿势跑完所有图表后导出 HTML 用命令行最省事jupyter nbconvert --to html accident.ipynb这个命令会把整个 Notebook 转换成单文件 HTML。注意如果你的图表库是 pyecharts导出时嵌入的 JS 依赖较多生成的 HTML 文件会比较大这是正常的。如果导出后发现图表区域空白大概率是 Notebook 内嵌的库版本和浏览器不兼容改用 Chrome 打开试试。5. 避坑这个毕设包里最常翻车的六个环节复现这个包的过程里踩过的坑基本集中在数据和依赖两条线上。下面按“现象 → 原因 → 解决”的格式逐一记录下来都是能直接抄作业的排查经验。5.1 Excel 打开 CSV 中文乱码现象用to_csv()导出的 CSV用 Excel 打开后中文全部变成乱码。原因pandas 默认用utf-8编码写文件而 Windows 版 Excel 默认用gbk解码两边对不上。解决导出时指定编码为utf-8-sig它会写入一个 BOM 头Excel 就能正确识别。一行代码的事df.to_csv(output.csv, indexFalse, encodingutf-8-sig)从那以后我每次导出 CSV 都强制加这个参数算是刻进肌肉记忆了。5.2 jupyter notebook 命令找不到现象终端输入jupyter notebook提示command not found。原因Python 环境里没装 jupyter或者装了但可执行文件不在 PATH 里。解决在虚拟环境里执行pip install jupyter装完再启动。如果还找不到用python -m jupyter notebook代替。5.3 date 列被读成 object 类型现象pd.to_datetime之后整列变成NaT或者按月份聚合时出现奇怪的排序。原因CSV 里的时间字符串格式不统一比如一部分是2023-01-01另一部分是2023/1/1pandas 默认解析会失败。解决读取时手动指定格式或errorscoerce兜底df[date] pd.to_datetime(df[date], format%Y-%m-%d, errorscoerce)5.4 Notebook 能跑但导出的 HTML 图表不显示现象nbconvert导出后图表区域一片空白控制台报 JS 错误。原因pyecharts 等库生成的图表依赖特定 JS 文件如果 HTML 被单独移动过相对路径失效。解决使用file://协议直接打开本地 HTML。如果不行重新执行 Notebook 里所有单元格后再导出确保图表对象已完整生成。5.5 模拟数据与论文结论对不上现象答辩时老师看了图表追问数据来源你说是模拟的老师追问“那你的分析结论有什么现实意义”。原因fake_accident_data.csv是为演示代码流程造的分布规律相对理想化和真实事故统计趋势有差异。解决把模拟数据当作“方法验证”再用真实公开数据跑一遍同样的流程。替换方法很简单把新 CSV 的列名改成和原数据一致的字段名其他代码不用动。5.6 版本过高导致 pandas API 报错现象df.append()报AttributeError或者fillna(methodffill)被警告。原因pandas 2.x 移除了部分旧 API网上老代码经常踩这个坑。解决统一用pd.concat()替代append()用df.fillna(methodffill)改为df.ffill()。如果不想改代码装 pandas 1.x 也能解决但不如改代码来得干净。6. 把普通图表升级成毕设加分项的进阶技巧如果你不想只停留在“跑通代码”的层面这里有几个花小力气但答辩观感提升明显的方向。第一个技巧是时间维度的热力图。事故分析最不缺的就是时间字段但大部分人只画了折线图。用 seaborn 画一个“年份 × 月份”的事故热度矩阵老师会觉得你从不同粒度看过数据import seaborn as sns # 生成一张按年和月聚合的事故数透视表 pivot clean_df.pivot_table(index月, columns年, values事故数, aggfunccount) plt.figure(figsize(10, 6)) sns.heatmap(pivot, annotTrue, fmtd, cmapYlOrRd) plt.title(事故数按年-月热力分布) plt.show()第二个技巧是给 Notebook 加 Markdown 分析结论。图表是给人看的但背后逻辑更重要。每个图表下面加一段文字写“这里呈现了什么现象、可能的原因是什么、还能继续挖什么方向”这一条就能让你的工作量和思考深度在论文里体现出来。不要小看这个动作答辩评审看 notebook 时全是代码没有文字的作业印象分会差一大截。第三个技巧是把关键参数集中配置。把读文件路径、图表尺寸、颜色主题放到一个单元格的字典里后续所有图表调用同一个配置。这样答辩时老师问“你怎么改图表的配色”你只需要改字典里一个值全局生效。这种做法在工程里叫参数集中管理放在毕设代码里是非常亮眼的习惯。我自己的习惯是每次拿到这类资源包第一轮先标记 Notebook 里所有单元格的作用第二轮改数据、改参数跑通自己的逻辑第三轮才会动结构加新图表。从那以后我每次跑别人源码都会强制走一遍这个流程先看后跑再改。这样既不会浪费一个好包也不会因为乱改代码把自己绕进去。希望这篇拆解帮到你祝答辩顺利。本文还有配套的精品资源点击获取