基于Python的中药药材数据可视化分析系统

qq_35928134

455人浏览 · 2026-08-01 14:41:37

qq_35928134 · 2026-08-01 14:41:37 发布

基于Python的中药药材数据可视化分析系统毕业论文

毕业设计

一、项目名称：

基于Python的中药药材数据可视化分析系统

【摘要】

中药药材信息分散在 SymMap 属性库、中药网百科条目与各类业务表格中，药名、功效分类、性味归经、毒性等级等字段口径不一，难以形成统一查询与可视化分析流程。本文设计并实现了基于 Python 与 Django 的中药药材数据可视化分析系统，面向教学与课题演示场景，将多源数据清洗入库后，以交互式图表支撑药材属性结构分析与知识关联探索。

系统采用 B/S 架构，后端基于 Django 3.1.14，管理端集成 SimpleUI；数据库使用 MySQL（库名 tcm），通过 PyMySQL 驱动接入。前台基于 Bootstrap 5 与 ECharts 5 完成可视化，主题样式由 tcm-theme.css 统一为墨绿色调，登录页背景为 tcm-bg.jpg，独立数据大屏使用 tcm-bigscreen.css 与 tcm_bigscreen.js。业务数据以 HerbRecord 为核心，约 698 条药材记录来源于 SymMap 2.0 SMHB 公开数据；EncyclopediaRecord 约 899 条百科条目来源于中药网公开页面。可信字段包括药名、功效分类、药性、药味、归经、毒性；道地产区为半可信字段（优先由百科「产地分布」解析）；单价、库存、销量等商业字段为演示估算，不参与统计图表。数据采集通过 scripts/fetch_symmap_herbs.py、scripts/fetch_zhongyoo_encyclopedia.py 生成 CSV，再经 import_herbs、import_encyclopedia 管理命令入库。分析层采用 scipy 卡方检验、KMeans 聚类结合 PCA 与 StandardScaler 降维、mlxtend Apriori 关联规则挖掘（默认支持度 0.02、置信度 0.4），关系图谱为手工共现网络构建。系统入口为 manage.py，默认运行端口 8020；前台登录路径为 /app/login/，后台为 /admin/，默认账号分别为 admin/123456（前台 app.User）与 admin/admin123（Django auth.User）。侧栏涵盖首页仪表盘、属性分析、产地地图、关系图谱、聚类分析、关联规则、药材列表、中药百科、数据大屏及个人信息维护等模块；/app/overview/ 与 /app/stat/ 已重定向至 /app/attributes/。utils 层封装 tcm_core、tcm_charts、tcm_constants，分析结果经 Bundle API 一次返回多图数据，本地内存缓存 TCM_CACHE_TTL=120 秒。

测试与运行结果表明，系统能够完成登录鉴权、多维筛选分析、图表联动、百科浏览、数据大屏展示与 CSV 导出闭环，界面清晰、响应稳定，可为中药药材数据分析课题研究与教学演示提供可用的可视化分析支撑。

【关键词】 Django；中药药材；数据可视化；ECharts；关联规则挖掘

【Abstract】

Traditional Chinese medicine (TCM) herb information is scattered across SymMap attribute databases, public encyclopedia entries and various business spreadsheets, making unified querying and visualization difficult. This thesis designs and implements a Python- and Django-based TCM herb data visualization and analysis system for teaching and demonstration. Multi-source data are collected, cleaned and stored, then explored through interactive charts for structural analysis and knowledge association.

The system follows a B/S architecture. The backend is built with Django 3.1.14 and SimpleUI; MySQL database name is tcm with PyMySQL driver. The frontend adopts Bootstrap 5 and ECharts 5 with a dark-green theme (tcm-theme.css), login background tcm-bg.jpg, and a standalone big-screen page (tcm-bigscreen.css/js). Core entity HerbRecord contains approximately 698 records from SymMap 2.0; EncyclopediaRecord contains about 899 entries from zhongyoo.com. Trusted fields include herb name, efficacy category, property nature, taste, meridian and toxicity; origin provinces are semi-trusted; price and stock fields are illustrative only and excluded from charts. Data are produced by fetch scripts and imported via management commands. Analysis uses scipy chi-square test, KMeans with PCA and StandardScaler, mlxtend Apriori (default support 0.02, confidence 0.4), and a hand-built co-occurrence graph. Entry point is manage.py, default port 8020; frontend login /app/login/ (admin/123456), admin /admin/ (admin/admin123). Utils packages tcm_core, tcm_charts and tcm_constants; Bundle APIs return multi-chart payloads with local cache TTL of 120 seconds. Routes /app/overview/ and /app/stat/ redirect to /app/attributes/.

Results show that authentication, multi-dimensional filtering, chart interaction, encyclopedia browsing, big-screen display and CSV export workflows work stably, providing practical support for TCM data analysis courses and research demos.

【Keywords】 Django; TCM Herbs; Data Visualization; ECharts; Association Rule Mining

1 绪论

1.1 课题研究背景

中医药是中华优秀传统文化的重要组成部分，药材的性味归经、功效分类与毒性标注是临床配伍与教学研究的基础信息。然而，公开数据往往分散在不同平台：SymMap 提供结构化属性字段，中药网百科提供图文知识条目，各类业务表格又包含价格、库存等运营字段。字段命名与可信度层级不一致，手工汇总成本高，也难以形成可复用的 Web 可视化分析流程。

在高校毕业设计与教学演示场景中，常见需求包括：一是需要一套可本地部署的系统，用统一库表承载数百种药材样本；二是需要属性分布、产地地图、关系图谱、聚类与关联规则等分析视图，帮助理解「清热药多寒/凉性」「某产区药材聚集」等规律；三是需要脚本化数据获取与 CSV 导入闭环，形成「拉取—入库—分析—展示」流程。基于上述背景，本课题以 Django 为主框架，构建中药药材数据可视化分析系统：属性字段以 SymMap 2.0 公开数据为主，百科知识以中药网公开条目为辅，论文与 data/DATA_SOURCES.md 均明确标注字段可信度，价格与库存类估算字段仅用于列表展示，不参与统计图表。

系统提供独立数据大屏路由 /app/bigscreen/，采用墨绿主题与专用前端脚本，满足答辩演示时的全景态势展示需求；同时保留常规侧栏分析页，便于逐模块讲解算法与数据来源。

1.2 课题研究的目的、意义

1.2.1 研究目的

本课题的主要目的包括：

建立以 HerbRecord 与 EncyclopediaRecord 为核心的中药数据模型，覆盖 SymMap 可信属性与百科知识字段，支撑统一查询与聚合。
实现前台会话登录、侧栏导航与多分析页展示，路由统一挂载在 /app/ 前缀下，服务端口为 8020。
基于 pandas、scipy、scikit-learn、mlxtend 完成卡方检验、KMeans 聚类、Apriori 关联规则与手工共现关系图谱。
通过 fetch_symmap_herbs.py、fetch_zhongyoo_encyclopedia.py 与管理命令完成数据初始化；后台 SimpleUI 维护药材记录、百科条目与前台用户。
输出可运行、可演示的完整系统，默认前台账号 admin/123456、后台 admin/admin123，便于验收与二次扩展。

1.2.2 研究意义

理论意义：将 Web 开发、数据挖掘与可视化方法结合到中药药材主题中，形成「数据模型—分析算法—图表表达」的可复用范式，有助于理解分类字段 one-hot 编码、卡方独立性检验与关联规则在中医属性分析中的适用边界。

实践意义：系统把 SymMap 属性、百科知识与估算商业字段分层管理，降低手工处理成本；分析页通过 Bundle API 一次返回多图数据，便于前端快速渲染；缓存机制减轻重复聚合开销。

社会意义：可视化结果有助于直观认识功效分类结构、道地产区分布与毒性标注情况，提升公众与学生对中药知识体系的认知。

经济意义：本地化部署与开源技术栈降低课题演示成本；模块化 utils 设计便于后续替换数据源或扩展指标，减少重复开发投入。

1.3 课题的国内外研究现状和发展动态

1.3.1 国外研究现状

国外在生物医学知识图谱、网络药理学与公开数据库建设方面积累较早。SymMap 等数据库为研究提供了可程序化获取的药材—成分—靶点关联。可视化方面，D3.js、ECharts 等库被广泛用于交互式网络图与统计图表。关联规则挖掘（Apriori）与聚类分析（K-Means）常用于发现属性共现模式，但需注意小样本与高维稀疏矩阵下的解释边界。

1.3.2 国内研究现状

国内中医药信息化持续推进，SymMap、TCMSP 等公开库为教学与科研提供结构化字段；高校毕业设计中常见 Django + ECharts 的可视化系统，主题涵盖药材档案、方剂配伍与产地分析等。部分系统侧重大屏展示，部分侧重后台 CRUD。本课题更强调「六大功能模块 + Bundle API + 脚本化入库 + 字段可信度分层」，并以 MySQL 持久化约 698 条 SymMap 样本与约 899 条百科条目，兼顾可解释算法与可复现部署。

1.3.3 发展趋势

未来中药数据分析将更强调多源融合、知识对齐与可解释挖掘。可视化从静态报表走向可筛选、可下钻的交互分析；后端则更注重缓存、索引与版本化失效。对本系统而言，后续可扩展更多权威数据源、引入图数据库存储复杂关系网络，但仍应保持教学场景下结构清晰、部署简单的特点。

1.4 研究内容

本课题主要研究内容如下：

需求分析与总体设计：明确用户角色（前台用户、后台管理员）、功能边界与非功能约束（端口 8020、库名 tcm、overview/stat 重定向、价格库存不上图）。
数据模型与入库：设计 User、HerbRecord、EncyclopediaRecord 业务表，完成迁移、CSV 导入与索引优化；说明 SymMap 可信字段、百科半可信产区与演示估算字段的分层策略。
分析与可视化：实现首页仪表盘、属性分析、产地地图、关系图谱、聚类分析、关联规则、药材列表、百科浏览、数据大屏与 CSV 导出。
数据获取脚本：实现 SymMap 与中药网抓取脚本，经 import_herbs、import_encyclopedia、backfill_origin_provinces 批量入库。
测试与总结：按功能与性能维度组织用例，量化模块规模与数据量级，给出改进方向。

1.5 论文结构安排

全文共六章。第1章介绍背景、意义、现状与研究内容；第2章说明 Django、MySQL、ECharts、分析算法、数据获取与字段可信度等关键技术；第3章给出架构、数据流、功能结构、六大模块详细设计与数据库 ER；第4章按模块阐述实现流程、关键代码、访问路径与界面图题；第5章给出功能与性能测试；第6章总结成果并展望后续工作。文末附参考文献与致谢。

2 关键技术

2.1 Django Web框架

本系统后端采用 Django 3.1.14。Django 提供成熟的 ORM、模板引擎、中间件与管理后台，适合快速构建以数据查询与页面渲染为主的分析型 Web 应用。项目入口为根目录 manage.py，配置位于 基于Django系统/settings.py，根路由在 基于Django系统/urls.py 中将 admin/ 与 app/ 分别挂载。

2.1.1 MTV模式与路由组织

Django 遵循 MTV（Model-Template-View）模式：app/models.py 定义 User、HerbRecord 与 EncyclopediaRecord；app/views.py 处理页面渲染与用户操作；app/api_views.py 处理 JSON Bundle；模板位于 app/templates 与 templates。业务路由集中在 app/urls.py，统一由 /app/ 前缀引入，例如登录 /app/login/、首页 /app/home/、属性分析 /app/attributes/、数据大屏 /app/bigscreen/ 等。自定义中间件 middleware.auth.AuthMiddleware 用于会话鉴权，保护分析页访问。历史路由 /app/overview/ 与 /app/stat/ 在视图中重定向至 module_attributes，不再提供独立页面。

2.1.2 SimpleUI后台管理

系统在 INSTALLED_APPS 中引入 simpleui，通过 SIMPLEUI_CONFIG 定制菜单，将「中药药材数据」与「用户与权限」分组展示，后台入口为 /admin/。SimpleUI 在默认 Django Admin 之上提供更清晰的中文管理界面，便于对 HerbRecord、EncyclopediaRecord 进行检索、筛选与维护；增删改后调用 invalidate_tcm_cache() 递增 tcm:cache_version，使分析缓存失效，与前台分析共用同一 MySQL 库 tcm。

2.2 MySQL数据库

持久化层使用 MySQL，默认库名为 tcm，连接参数可通过环境变量 MYSQL_DATABASE、MYSQL_USER、MYSQL_PASSWORD、MYSQL_HOST、MYSQL_PORT 覆盖。字符集配置为 utf8mb4，满足中文药名、归经与百科长文本字段存储需求。

2.2.1 ORM与索引设计

HerbRecord 对 herb_code、name、efficacy_category、origin_province 等字段建立单列索引，并在 Meta 中声明组合索引 idx_herb_efficacy（功效分类+药名）、idx_herb_origin（道地产区+药名），以加速按分类与产区过滤的聚合查询。EncyclopediaRecord 对 name 建立索引 idx_ency_name。分析模块大量使用 Count、values().annotate() 等聚合，再将结果转为 pandas DataFrame 进一步计算卡方、聚类与关联规则。

2.2.2 PyMySQL驱动接入

依赖清单 requirements.txt 包含 PyMySQL，作为 Django MySQL 后端的常用驱动方案，配合 django.db.backends.mysql 完成连接。开发环境默认密码与 run_setup.bat 中初始化流程一致，便于一键迁移与导入。

2.3 ECharts可视化技术

前台图表基于 ECharts 5，页面骨架使用 Bootstrap 5。分析页通过 AJAX 请求 /app/api/attributes-bundle/、/app/api/origin-bundle/、/app/api/cluster-bundle/ 等接口获取 JSON，再在浏览器端初始化饼图、柱状图、热力图、散点、地图与关系网络等组件。图表配置与公共辅助脚本位于 static/js/（如 tcm_pages.js、chart_helpers.js），主题样式由 tcm-theme.css 统一为墨绿色调（主色 #1B4D3E），登录背景使用 tcm-bg.jpg。独立数据大屏 /app/bigscreen/ 采用 tcm-bigscreen.css 与 tcm_bigscreen.js，请求 /app/api/bigscreen-bundle/ 渲染 KPI、地图与分类占比。

2.4 数据分析与算法实现

数据处理依赖 pandas、NumPy、scipy、scikit-learn、mlxtend。核心逻辑封装在 app/utils/tcm_core.py 与 app/utils/tcm_charts.py：

卡方检验：对药性（寒/凉/平/温/热）与毒性等级构建列联表，调用 scipy.stats.chi2_contingency 计算 χ²、自由度与 p 值，p<0.05 时标记为显著关联（_chi_square_property_toxicity）。
功效×药性共现热力图：对 Top 功效分类与 Top 药性做交叉计数，生成矩阵供前端热力渲染（_efficacy_property_matrix）。
K-Means 聚类：将功效分类、药性、药味、毒性等字段 one-hot 编码后 StandardScaler 标准化，默认 4 簇（可通过 clusters 参数在 2～8 间调整），KMeans(random_state=42, n_init=10) 聚类，再用 PCA(n_components=2) 投影至二维散点（_build_cluster_payload）。
Apriori 关联规则：对功效分类、药性、药味、道地产区、毒性等类别字段构造事务，mlxtend.frequent_patterns.apriori 挖掘频繁项集，association_rules 按置信度筛选；默认 min_support=0.02、min_confidence=0.4；若 mlxtend 不可用或样本不足，回退至两两共现 _simple_cooccurrence。
关系图谱：手工遍历药材记录，以药材节点连接功效分类、药性、道地产区、归经（拆分前 2 段）属性节点，形成共现网络（graph_bundle），非图数据库自动推理。
缓存：cached_analysis_df 结合 TCM_CACHE_TTL=120 秒及 tcm:cache_version 版本号，在筛选条件（category、q）不变时复用 DataFrame；聚类结果缓存倍数为 3×TTL。

图表说明与 KPI 组装位于 tcm_charts.py，常量与 CSV 列映射位于 tcm_constants.py，保证前后台字段中文名与计算口径一致。分析 DataFrame 仅加载 ANALYSIS_FIELDS（name、meridian 及 CATEGORICAL_FIELDS），不包含 price_per_g、stock_kg 等演示数值字段。

2.5 数据获取与字段可信度

数据采集由命令行脚本执行，非 Web 页面触发。

数据集一：SymMap 药材业务表

项目	说明
来源	SymMap 2.0 SMHB，http://symmap.org/download/
本地缓存	`data/raw/symmap/SymMap_v2.0_SMHB_file.xlsx`，约 698 条
输出 CSV	`tcm_herbs_data.csv`
入库表	`app_herbrecord`
命令	`python scripts/fetch_symmap_herbs.py` → `python manage.py import_herbs --path tcm_herbs_data.csv --truncate` → `python manage.py backfill_origin_provinces`

性味、归经、功效分类、毒性来自 SymMap 解析；道地产区优先从百科 hurbTable.csv 的「产地分布」解析；单价、库存、供应商、常用剂量等为脚本 seed 估算。

数据集二：中药百科

项目	说明
来源	中药网 http://www.zhongyoo.com/name/
输出 CSV	`hurbTable.csv`，约 899 条，含药材图片 URL
入库表	`app_encyclopediarecord`
命令	`python scripts/fetch_zhongyoo_encyclopedia.py` → `python manage.py import_encyclopedia --path hurbTable.csv --truncate`

字段可信度分层见 data/DATA_SOURCES.md：A 可信（药名、功效分类、药性、药味、归经、毒性）用于属性分析、聚类、关联与关系图谱；B 半可信（道地产区）用于产地地图；C 演示估算（单价、库存等）仅药材列表/导出展示，不进统计图表。

2.6 技术特色与创新点

算法方面：在同一系统中集成卡方检验、K-Means+PCA 聚类、Apriori 关联规则与手工共现关系图谱，并附算法说明卡片（partials/algo_explain.html），便于答辩时解释「怎么算、算什么、边界在哪」。

数据处理方面：以 filtered_queryset + 本地内存缓存（TCM_CACHE_TTL=120）降低重复聚合开销；脚本拉取与 CSV 导入并存，兼顾离线初始化与字段可信度分层。

可视化特色：分析页采用 Bundle API 一次返回多图数据，减少请求次数；独立数据大屏提供 KPI、地图、分类/毒性/归经全景视图；墨绿主题与百科图片增强中医药文化氛围。

架构优势：views 负责页面，api_views 负责 JSON，utils 分层（core / charts / constants / herb_link / origin_resolve），职责清晰，便于维护。

体验方面：Bootstrap 响应式布局 + SimpleUI 中文后台，侧栏分组明确；药材详情与百科详情通过 herb_link 模块互链，提升知识浏览连贯性。

3 系统分析与设计

3.1 系统总体设计

3.1.1 系统架构设计

系统采用经典三层 B/S 结构：表现层为登录页、首页、各分析模板、百科列表与独立大屏；业务层包含认证、分析聚合、卡方/聚类/关联/图谱计算与 CSV 导出；数据层为 MySQL tcm 库及原始缓存目录 data/raw/。浏览器通过 HTTP 访问 8020 端口，Django 处理页面与 API，分析计算在服务端完成后再以 JSON 驱动 ECharts 渲染。

图3.1 系统架构图

3.1.2 系统数据流设计

从外部看，前台用户提交账号口令进入系统，管理员通过后台维护记录，SymMap 与中药网向脚本层提供原始数据。系统内部完成鉴权、查询过滤、分析计算、图表输出与入库。

图3.2 顶层数据流图

图3.3 0层数据流图

3.1.3 系统功能模块设计

结合侧栏实际菜单与路由划分，系统功能划分为六大模块：（1）用户认证；（2）首页仪表盘；（3）属性分析；（4）产地与关系图谱；（5）聚类与关联规则；（6）百科列表大屏与后台。各模块对应独立页面路由与 Bundle API，个人信息维护（修改资料、密码）挂载于认证模块延伸功能。

图3.4 系统功能结构图

3.2 系统详细设计

3.2.1 用户认证模块设计

模块负责前台注册、登录、退出及会话保持。用户信息存储于自定义 User 表（物理表 app_user）；登录成功后将 username 写入 request.session，后续页面通过 _user(request) 读取。中间件对未登录访问进行拦截并引导至登录页。前台默认账号 admin/123456；Django 内置后台管理员账号 admin/admin123，与前台用户表分离。

3.2.1.1 用户认证流程设计

图3.5 用户认证模块流程图

3.2.2 首页仪表盘模块设计

首页路由为 /app/home/，由 home 视图在服务端聚合药材总数、功效分类数、道地产区数、百科匹配率、有毒标注种数、归经 TOP10 与功效占比饼图数据，并展示百科图片推荐与分类代表药材卡片。前端可额外请求 /app/api/overview/ 获取 overview_bundle 中的摘要与洞察文本。overview/stat 历史路由已重定向至 attributes，首页承担仪表盘职能。

3.2.2.1 首页仪表盘流程设计

图3.6 首页仪表盘模块流程图

3.2.3 属性分析模块设计

属性分析页 /app/attributes/ 依赖 /app/api/attributes-bundle/，展示功效分类饼图、药性/药味柱状图、毒性饼图、归经 TOP、药性×毒性卡方检验结果与功效×药性共现热力矩阵。筛选条支持按功效分类（category）与关键词（q）过滤。/app/overview/ 与 /app/stat/ 重定向至本页，不再提供独立总览/统计页。

3.2.3.1 属性分析流程设计

图3.7 属性分析模块流程图

3.2.4 产地与关系图谱模块设计

产地地图页 /app/origin/ 调用 /app/api/origin-bundle/，按道地产区统计药材数量并映射至中国地图坐标（PROVINCE_COORDS）。关系图谱页 /app/graph/ 调用 /app/api/graph-bundle/，构建药材—功效/药性/产区/归经共现网络，默认最多展示 80 条药材（可通过 limit 参数调整，上限 120）。

3.2.4.1 产地与关系图谱流程设计

图3.8 产地与关系图谱模块流程图

3.2.5 聚类与关联规则模块设计

聚类分析页 /app/cluster/ 调用 /app/api/cluster-bundle/，对 one-hot 编码后的分类字段做 KMeans 聚类与 PCA 二维投影，支持 clusters 参数（2～8，默认 4）。关联规则页 /app/association/ 调用 /app/api/association-bundle/，默认支持度 0.02、置信度 0.4，返回全部达标规则供前端分页；可选 top_n 限制条数。

3.2.5.1 聚类与关联规则流程设计

图3.9 聚类与关联规则模块流程图

3.2.6 百科列表大屏与后台模块设计

药材列表页 /app/herb_list/ 对 HerbRecord 分页展示（每页 20 条），支持分类与关键词筛选，并可经 /app/api/export/ 导出 CSV（含估算商业字段，标注为演示）。百科列表 /app/encyclopedia/ 分页展示约 899 条百科（每页 18 条），详情页展示性味归经、功效主治与药材图片。数据大屏 /app/bigscreen/ 请求 /app/api/bigscreen-bundle/ 渲染 KPI、分类饼图、药性柱图、毒性饼图、归经 TOP 与省份地图。后台 /admin/ 基于 SimpleUI 维护药材记录、百科条目与前台用户，增删改后调用 invalidate_tcm_cache。

3.2.6.1 百科列表大屏与后台流程设计

图3.10 百科列表大屏与后台模块流程图

3.3 数据库设计

3.3.1 数据库关系设计

系统业务库为 MySQL 中的 tcm。核心实体为前台用户表 User（app_user）、中药药材记录表 HerbRecord（app_herbrecord）与中药百科表 EncyclopediaRecord（app_encyclopediarecord）。三表无强制外键关联：登录态通过 Session 绑定用户名；药材与百科通过 herb_link 模块按药名模糊对齐；后台 Django 内置 auth_user 表供管理员登录。

图3.11 数据库表关系图

表3.1 USER（前台用户 app_user）表结构

字段名称	字段类型	字段说明	是否主键	是否为空
id	int	唯一标识	是	否
username	varchar(255)	用户名	否	否
password	varchar(255)	密码	否	否
sex	varchar(255)	性别	否	是
address	varchar(255)	地址	否	是
avatar	varchar/文件路径	头像	否	是
textarea	varchar(255)	个人简介	否	是
createTime	datetime	创建时间	否	否

表3.2 HERB_RECORD（中药药材记录 app_herbrecord）表结构

字段名称	字段类型	字段说明	是否主键	是否为空
id	bigint	唯一标识	是	否
herb_code	varchar(32)	药材编码	否	否
name	varchar(100)	药材名称	否	否
efficacy_category	varchar(50)	功效分类（A可信）	否	否
property_nature	varchar(20)	药性（A可信）	否	是
taste	varchar(50)	药味（A可信）	否	是
meridian	varchar(100)	归经（A可信）	否	是
main_efficacy	varchar(255)	主要功效	否	是
origin_province	varchar(50)	道地产区（B半可信）	否	是
toxicity_level	varchar(20)	毒性等级（A可信）	否	是
dosage_g	float	常用剂量（C演示）	否	否
price_per_g	float	单价（C演示，不上图）	否	否
stock_kg	float	库存（C演示，不上图）	否	否
annual_sales_kg	float	年销量（C演示）	否	否

表3.3 ENCYCLOPEDIA_RECORD（中药百科 app_encyclopediarecord）表结构

字段名称	字段类型	字段说明	是否主键	是否为空
id	bigint	唯一标识	是	否
name	varchar(100)	中药名	否	否
medicine_name	varchar(200)	药材名	否	是
alias	text	别名	否	是
distribution	text	产地分布	否	是
type_meridian	text	性味归经	否	是
effect	text	功效主治	否	是
usage	text	用法用量	否	是
image_url	varchar(500)	药材图片 URL	否	是
source_url	varchar(500)	来源链接	否	是

4 系统实现

4.0 系统整体实现流程

系统实现按「环境与库表 → 脚本拉取与导入 → 认证与首页 → 分析 Bundle API → 各分析页 → 百科列表大屏 → 后台配置 → 联调测试」推进。开发入口为 manage.py，配置库名 tcm，迁移后导入约 698 条药材与 899 条百科，再以 runserver 8020 启动服务。

图4.0 系统整体实现流程图

4.1 用户认证模块的实现

用户认证实现于 app/views.py。GET 请求渲染登录模板；POST 请求校验 User 表用户名与密码，成功则写入 Session 并跳转首页，失败则返回错误提示。注册流程校验空值、两次密码一致性与账号唯一性。

功能实现流程设计

图4.1 用户认证模块实现流程图

核心代码实现

# 来源：app/views.py — 前台登录
def login(request):
    if request.method == "GET":
        return render(request, "login.html")
    username = request.POST.get("username")
    password = request.POST.get("password")
    try:
        User.objects.get(username=username, password=password)
        request.session["username"] = username
        return redirect("/app/home/")
    except User.DoesNotExist:
        return errorResponse.errorResponse(request, "用户名或密码错误")

# 来源：app/urls.py — 认证相关路由（节选）
path("login/", views.login, name="login"),
path("register/", views.register, name="register"),
path("logOut/", views.logOut, name="logOut"),
path("changeSelfInfo/", views.changeSelfInfo, name="changeSelfInfo"),
path("changePassword/", views.changePassword, name="changePassword"),

实现效果展示

访问路径：http://127.0.0.1:8020/app/login/（默认账号 admin / 123456）

4.2 首页仪表盘模块的实现

首页由 home 视图渲染 home.html，服务端注入药材总数、分类数、产区数、百科匹配率、有毒标注数、归经 TOP、功效占比饼图、分类代表药材与百科图片推荐。可选请求 /app/api/overview/ 调用 overview_bundle 获取洞察 narrative。

功能实现流程设计

图4.2 首页仪表盘模块实现流程图

核心代码实现

# 来源：app/views.py — 首页仪表盘（节选）
def home(request):
    userInfo = _user(request)
    stats = HerbRecord.objects.aggregate(
        record_count=Count("id"),
        category_count=Count("efficacy_category", distinct=True),
        province_count=Count("origin_province", distinct=True),
    )
    enc_stats = _encyclopedia_stats()
    df = to_frame(HerbRecord.objects.all(), fields=["name", "meridian", ...])
    meridian_top = _meridian_top(df, limit=10)
    # ... category_pie、highlight_herbs、enc_with_img ...
    return render(request, "home.html", {...})

# 来源：app/utils/tcm_charts.py — overview_bundle
def overview_bundle(request):
    df = _df(request)
    return {
        "summary": summary_payload(request, df=df),
        "insights": insights_payload(request, df=df),
        "encyclopedia": _encyclopedia_stats(),
        "generated_at": datetime.now().strftime("%Y-%m-%d %H:%M"),
    }

实现效果展示

访问路径：http://127.0.0.1:8020/app/home/

4.3 属性分析模块的实现

属性分析通过 attributes_bundle 输出功效饼图、药性/药味柱图、毒性饼图、归经 TOP、卡方检验与功效×药性热力矩阵。页面路由为 /app/attributes/，历史 /app/overview/ 与 /app/stat/ 在视图中重定向至本模块。

功能实现流程设计

图4.3 属性分析模块实现流程图

核心代码实现

# 来源：app/views.py — overview/stat 重定向
def module_overview(request):
    return redirect("module_attributes")

def module_stat(request):
    return redirect("module_attributes")

def module_attributes(request):
    return _module_page(request, "modules/attributes.html")

# 来源：app/utils/tcm_charts.py — 卡方检验（节选）
def _chi_square_property_toxicity(df):
    ct = pd.crosstab(df["property_nature"], df["toxicity_level"])
    chi2, chi_p, dof, _ = stats.chi2_contingency(ct.values)
    return {
        "statistic": _num(chi2, 4),
        "p_value": _num(chi_p, 6),
        "significant": chi_p < 0.05,
        ...
    }

# 来源：app/urls.py — 属性分析路由与 API
path("attributes/", views.module_attributes, name="module_attributes"),
path("overview/", views.module_overview, name="module_overview"),
path("stat/", views.module_stat, name="module_stat"),
path("api/attributes-bundle/", api_views.api_attributes_bundle, name="api_attributes_bundle"),

实现效果展示

访问路径：http://127.0.0.1:8020/app/attributes/

4.4 产地与关系图谱模块的实现

产地模块通过 origin_bundle 按省份统计并映射坐标；关系图谱通过 graph_bundle 手工构建药材与属性节点的共现网络。页面路由分别为 /app/origin/ 与 /app/graph/。

功能实现流程设计

图4.4 产地与关系图谱模块实现流程图

核心代码实现

# 来源：app/utils/tcm_charts.py — 关系图谱（节选）
def graph_bundle(request, df=None):
    max_herbs = min(int(request.GET.get("limit", 80)), 120)
    sub = df.head(max_herbs) if len(df) > max_herbs else df
    for _, row in sub.iterrows():
        hid = f"h|{hname}"
        add_node(hid, hname, 0, 16)
        cid = f"c|{cat}"
        add_node(cid, cat, 1, 30)
        links.append({"source": hid, "target": cid})
        # ... 药性、产区、归经连边 ...
    return {"nodes": list(nodes.values()), "links": links, ...}

# 来源：app/urls.py — 产地/图谱路由与 API
path("origin/", views.module_origin, name="module_origin"),
path("graph/", views.module_graph, name="module_graph"),
path("api/origin-bundle/", api_views.api_origin_bundle, name="api_origin_bundle"),
path("api/graph-bundle/", api_views.api_graph_bundle, name="api_graph_bundle"),

实现效果展示

访问路径：

产地地图：http://127.0.0.1:8020/app/origin/
关系图谱：http://127.0.0.1:8020/app/graph/

4.5 聚类与关联规则模块的实现

聚类模块通过 cluster_bundle 输出 PCA 散点与簇分布；关联规则通过 association_bundle 调用 mlxtend Apriori 或共现回退。页面路由分别为 /app/cluster/ 与 /app/association/。

功能实现流程设计

图4.5 聚类与关联规则模块实现流程图

核心代码实现

# 来源：app/utils/tcm_charts.py — KMeans 聚类（节选）
scaled = StandardScaler().fit_transform(matrix.to_numpy(dtype=float))
labels = KMeans(n_clusters=n_clusters, random_state=42, n_init=10).fit_predict(scaled)
pca = PCA(n_components=2, random_state=42)
coords = pca.fit_transform(scaled)

# 来源：app/utils/tcm_charts.py — Apriori 关联规则（节选）
def association_bundle(request, df=None):
    min_support = float(request.GET.get("min_support", 0.02))
    min_confidence = float(request.GET.get("min_confidence", 0.4))
    rules, engine = _apriori_rules(df, min_support=min_support, min_confidence=min_confidence, top_n=top_n)
    return {"rules": rules, "total": len(rules), "engine": engine, ...}

# 来源：app/urls.py — 聚类/关联路由与 API
path("cluster/", views.module_cluster, name="module_cluster"),
path("association/", views.module_association, name="module_association"),
path("api/cluster-bundle/", api_views.api_cluster_bundle, name="api_cluster_bundle"),
path("api/association-bundle/", api_views.api_association_bundle, name="api_association_bundle"),

实现效果展示

访问路径：

聚类分析：http://127.0.0.1:8020/app/cluster/
关联规则：http://127.0.0.1:8020/app/association/

4.6 百科列表大屏与后台模块的实现

药材列表页对 HerbRecord 分页展示并支持 CSV 导出；百科列表与详情展示图文知识；数据大屏全屏渲染 KPI 与地图；后台通过 SimpleUI 管理数据并刷新缓存。

功能实现流程设计

图4.6 百科列表大屏与后台模块实现流程图

核心代码实现

# 来源：app/views.py — CSV 导出（节选）
@require_GET
def api_export(request):
    qs = filtered_queryset(request)
    buf = io.StringIO()
    buf.write("\ufeff")
    writer = csv.writer(buf)
    fields = ["herb_code", "name", "efficacy_category", "property_nature", "taste",
              "meridian", "main_efficacy", "dosage_g", "price_per_g", ...]
    writer.writerow(fields)
    for row in qs.values_list(*fields):
        writer.writerow(row)
    resp["Content-Disposition"] = 'attachment; filename="tcm_herbs_export.csv"'
    return resp

# 来源：app/admin.py — 后台缓存失效
class TcmCacheInvalidationMixin:
    def save_model(self, request, obj, form, change):
        super().save_model(request, obj, form, change)
        invalidate_tcm_cache()

# 来源：基于Django系统/settings.py — 数据库与缓存（节选）
DATABASES = {"default": {"ENGINE": "django.db.backends.mysql", "NAME": "tcm", ...}}
TCM_CACHE_TTL = 120

实现效果展示

访问路径：

药材列表：http://127.0.0.1:8020/app/herb_list/
CSV 导出：http://127.0.0.1:8020/app/api/export/
中药百科：http://127.0.0.1:8020/app/encyclopedia/
数据大屏：http://127.0.0.1:8020/app/bigscreen/
后台管理：http://127.0.0.1:8020/admin/（admin / admin123）

4.7 用户界面实现

界面采用 Bootstrap 5 布局，侧栏按「首页仪表盘 / 属性分析 / 产地地图 / 关系图谱 / 聚类分析 / 关联规则 / 药材列表 / 中药百科 / 数据大屏 / 个人信息」分组。主题样式由 tcm-theme.css 统一为墨绿色调，登录背景使用 tcm-bg.jpg。各分析页复用 chart_base.html 骨架与 tcm_pages.js 请求 Bundle API，筛选条通过 /app/api/options/ 获取功效分类与省份下拉。数据大屏采用独立全屏布局与 tcm-bigscreen.css。价格、库存等 C 类估算字段仅在列表页表格与导出 CSV 中出现，分析图表不包含此类指标。

图4.7 用户登录界面