Skip to content

Repository files navigation

DataAnalyzer Pro Logo

✦ DataAnalyzer Pro ✦

「 数据之海的导航者 —— 全栈模块化数据分析平台 」

快速启动 · 架构指南 · 算法白皮书 · 贡献指南


💫 关于本项目

DataAnalyzer Pro 是一款面向科研与工程场景的 全栈模块化数据分析平台

它将极致的 Glassmorphism(毛玻璃) 视觉美学与严谨的科学统计算法相结合,提供从数据清洗、探索性分析到机器学习推理的一站式工作流。同时支持 Web 浏览器原生桌面端(PyWebView) 双模式运行。

☕ Developed with ❤️ by Pakchuii


✨ 核心特性一览

🎨 极致 UI/UX

  • Glassmorphism 2.0 全深度毛玻璃视觉
  • 动态组件自适应布局
  • Blue Archive 风格自定义光标 + 点击特效 ✦
  • 实时系统控制台日志流

🧼 智慧数据治理

  • 三阶自适应路由 清洗引擎
  • Dixon's Q / 3σ / IQR 自动切换
  • 分布偏度探针自动识别
  • 数据脱敏与标准化处理

📈 科学统计推断

  • Welch's t-test 不等方差纠偏
  • 1000 次 Bootstrap 重采样
  • 多维相关性分析矩阵
  • 雷达图多指标综合评级

🤖 AI 预测引擎

  • 随机森林回归 + Gini 特征重要性
  • 置信度惩罚评价机制
  • AI 叙述性数据摘要
  • 高保真 PDF/PNG 报表导出

🖥️ 双模式架构

┌─────────────────────────────────────────────────────┐
│                    DataAnalyzer Pro                  │
├──────────────────┬──────────────────────────────────┤
│   Browser Mode   │        Desktop Mode              │
│   (Vite + Vue)   │   (PyWebView Native Shell)       │
├──────────────────┴──────────────────────────────────┤
│              Flask RESTful Backend                   │
│       ┌────────────────────────────┐                │
│       │  Auto-Discovery Blueprint   │                │
│       │  Engine (14 Modules)        │                │
│       └────────────────────────────┘                │
└─────────────────────────────────────────────────────┘

🚀 快速启动

📋 环境要求

  • Python 3.10+
  • Node.js 18+
  • npm 9+

🌐 浏览器模式

# 克隆仓库
git clone https://github.com/Pakchuii/DataAnalyzer.git
cd DataAnalyzer

# 后端启动
cd backend
pip install -r requirements.txt
python app.py

# 前端启动 (新终端)
cd frontend
npm install
npm run dev

访问 http://localhost:5173 即可进入系统 ✦

💻 桌面端模式

# 安装桌面端依赖
pip install pywebview

# 直接运行
python desktop_app.py

系统将自动拉起一个带有启动闪屏动画的原生窗口。


📦 便携化部署 (Portable Mode)

为实现"解压即用"的便携体验,可手动配置本地微端:

  1. Python: 下载 Python 3.12 嵌入版 → 解压至 python/
  2. Node.js: 下载 Node 22 LTS 绿色版 → 解压至 node/

然后双击 一键启动系统.bat 即可。


🏗️ 项目结构

DataAnalyzer/
├── 一键启动系统.bat          # 便携版一键启动器
├── desktop_app.py            # 桌面端入口 (Splash + PyWebView)
│
├── backend/                  # Flask 后端
│   ├── app.py                # 微服务启动入口
│   ├── core/                 # 核心库
│   │   ├── __init__.py       # 工厂函数 + 蓝图自动扫描
│   │   ├── config.py         # 全局配置 (路径/安全)
│   │   └── utils.py          # 通用工具 (多编码读取引擎)
│   └── modules/              # 业务模块 (14个)
│       ├── mod_upload/       # 文件上传
│       ├── mod_preview/      # 数据预览
│       ├── mod_clean/        # 智慧清洗
│       ├── mod_stats/        # 描述性统计
│       ├── mod_ttest/        # T检验
│       ├── mod_correlation/  # 相关性分析
│       ├── mod_ml/           # 机器学习
│       ├── mod_visualize/    # 可视化引擎
│       ├── mod_radar/        # 雷达图评级
│       ├── mod_security/     # 数据脱敏
│       ├── mod_standardize/  # 数据标准化
│       ├── mod_summary/      # AI摘要
│       ├── mod_data_io/      # 数据导入导出
│       └── mod_test/         # 测试桩
│
├── frontend/                 # Vue 3 前端
│   ├── src/
│   │   ├── core/             # 核心层
│   │   │   ├── store.js      # 全局状态树
│   │   │   ├── api.js        # HTTP 网关
│   │   │   ├── clickEffect.js # Blue Archive 点击特效
│   │   │   └── styles/       # 四层 CSS 设计令牌
│   │   ├── modules/          # 前端业务模块 (18个)
│   │   └── systems/          # 系统级视图 (4个)
│   └── public/
│       └── cursors/          # 自定义光标资源
│
└── docs/                     # 你正在看的文档们
    ├── ARCHITECTURE.md
    ├── TECHNICAL_SPEC.md
    └── CONTRIBUTING.md

🛠️ 技术栈

层级 技术 用途
Frontend Vue 3.5 (Composition API) 响应式 UI 框架
Bundler Vite 5.4 极速 HMR 开发服务器
Charts ECharts 6.0 数据可视化引擎
Style Vanilla CSS (Token-Based) 毛玻璃设计系统
Backend Flask 3.0 RESTful 微服务
Science Pandas / Scipy / Scikit-learn 统计与 ML 计算
Desktop PyWebView 原生桌面壳封装
Export HTML2Canvas + jsPDF 报表生成器

📄 文档导航

文档 内容
🏛️ ARCHITECTURE.md 系统架构深度解析:插件机制、蓝图引擎、CSS 令牌体系
📑 TECHNICAL_SPEC.md 算法技术白皮书:清洗策略、统计推断、ML 推理流程
🤝 CONTRIBUTING.md 开发者贡献指南:如何添加新模块、代码规范

📜 开源协议

本项目采用 MIT License 开源协议。

✦ Built with Vue, Flask, and a touch of magic ✦

About

作为课设作业的Python+flask+pywebview & vue+echarts做的二元数据表格处理与分析平台

Topics

Resources

Contributing

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages