🌿 空气可视化·云端实战
📘 30章 从入门到部署
01
项目全景与开发环境搭建
安装Python、Pycharm及第三方库 (requests/pandas/matplotlib)
➜
02
数据采集基础
requests获取实时空气质量API，解析JSON
➜
03
数据清洗与预处理
pandas处理缺失值、异常值，统一时间戳
➜
04
数据存储
清洗后数据存入SQLite，设计表结构
➜
05
数据可视化入门
matplotlib折线图展示PM2.5变化趋势
➜
06
高级可视化
柱状图对比城市，散点图分析相关性
➜
07
交互式可视化
pyecharts生成可交互HTML图表，悬停提示
➜
08
实时数据看板
定时任务每5分钟刷新数据并更新图表
➜
09
云端上报基础
了解MQTT协议，安装配置客户端
➜
10
MQTT数据上报
本地空气质量数据发布到云端MQTT
➜
11
云端数据接收
Python订阅端接收并解析MQTT消息
➜
12
云数据库存储
存入MySQL或InfluxDB
➜
13
RESTful API设计
Flask搭建轻量API，历史数据查询
➜
14
API接口测试
Postman测试接口，确保数据正确
➜
15
前端展示框架
HTML+CSS+JS 基础数据展示页
➜
16
ECharts集成
前端集成ECharts动态展示空气质量
➜
17
前后端联调
AJAX调用后端API，实时更新数据
➜
18
用户认证
Token认证机制，保障API安全
➜
19
告警系统设计
PM2.5超阈值自动邮件/短信告警
➜
20
日志记录
logging模块记录运行日志，便于排查
➜
21
配置文件管理
API密钥、数据库连接等敏感信息配置
➜
22
单元测试
为采集和清洗模块编写单元测试
➜
23
性能优化
多线程/异步IO提升采集效率
➜
24
Docker部署
打包Docker镜像，一键部署
➜
25
持续集成
GitHub Actions自动测试与部署
➜
26
项目文档
README、API文档、使用手册
➜
27
数据大屏设计
综合大屏展示多维度空气质量指标
➜
28
历史数据分析
时间序列分析，预测未来趋势
➜
29
多数据源融合
接入多个API，数据融合对比
➜
30
项目总结与扩展
回顾架构，探讨传感器接入等扩展
➜