💖💖作者：IT跃迁谷毕设展 💙💙个人简介：曾长期从事计算机专业培训教学，本人也热爱上课教学，语言擅长Java、微信小程序、Python、Golang、安卓Android等，开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。平常喜欢分享一些自己开发中遇到的问题的解决办法，也喜欢交流技术，大家有技术代码这一块的问题可以问我！ 💛💛想说的话：感谢大家的关注与支持！ 💜💜
💕💕文末获取源码
基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统-功能介绍
《基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统》是一套运用大数据技术全面分析瑞幸咖啡全国门店布局与经营策略的综合性平台，该系统基于Hadoop分布式存储框架和Spark计算引擎构建，通过HDFS实现海量门店数据的高效存储与管理，利用Spark SQL进行复杂数据查询与分析，同时结合Python的Pandas和NumPy库进行数据预处理与统计建模。系统采用前后端分离架构，后端支持Django和Spring Boot双框架实现（Python/Java双版本），前端基于Vue+ElementUI+Echarts构建直观的可视化界面，为用户提供全国门店宏观布局分析、重点市场微观深耕度分析、门店自身特性与定位分析以及门店选址策略与市场潜力分析四大维度共计20项细分功能，包括各省份门店分布统计、地理大区占比分析、TOP20城市排行、城市等级分布、门店"四至"点分析、核心城市内部分布、城市群聚集度、门店业务类型占比、特色门店识别、命名模式分析、DBSCAN聚类分析以及市场空白点识别等，通过多维度数据挖掘与可视化呈现，为瑞幸咖啡的战略决策和市场拓展提供数据支持与分析依据。
基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统-选题背景意义
近年来，中国咖啡市场呈现爆发式增长，据前瞻产业研究院数据显示，2022年中国咖啡市场规模已突破3000亿元，年增长率保持在15%以上，其中瑞幸咖啡作为本土咖啡品牌的代表，截至2023年第三季度已在全国开设超过10000家门店，覆盖230多个城市。这一庞大的门店网络产生了海量的地理位置、运营数据和消费者行为数据，为企业决策提供了丰富的数据基础。传统的数据分析方法已难以应对如此规模的数据处理需求，Hadoop和Spark作为当前主流的大数据处理框架，能够高效处理数据，而可视化分析则能将复杂的数据转化为直观的图表，帮助决策者快速把握市场动态。在这样的背景下，开发一套基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统具有重要的现实意义。 该系统的开发意义体现在多个层面。对瑞幸咖啡而言，系统能够通过对全国门店宏观布局和微观深耕度的分析，揭示门店分布的地域特点和市场渗透率，帮助企业优化门店选址策略，提高市场覆盖效率；通过门店自身特性与定位分析，了解不同类型门店的表现差异，调整产品结构和营销策略；通过市场潜力分析，识别潜在的蓝海市场，为未来扩张提供数据支持。对学术研究来说，该系统将大数据技术与商业智能分析相结合，探索了Hadoop、Spark在零售行业的实际应用模式，为相关领域提供了技术参考。对社会层面而言，系统的开发促进了大数据技术在商业决策中的深度应用，推动了数据驱动型企业的发展模式，也为咖啡行业乃至整个零售业的数字化转型提供了可借鉴的案例和经验。
基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统-技术选型
大数据框架：Hadoop+Spark（本次没用Hive，支持定制） 开发语言：Python+Java（两个版本都支持） 后端框架：Django+Spring Boot(Spring+SpringMVC+Mybatis)（两个版本都支持） 前端：Vue+ElementUI+Echarts+HTML+CSS+JavaScript+jQuery 详细技术点：Hadoop、HDFS、Spark、Spark SQL、Pandas、NumPy 数据库：MySQL
基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统-视频展示
基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统-图片展示
基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统-代码展示
//大数据部分代码展示
# 核心功能1: 各省份门店数量分布统计
def analyze_province_distribution(spark_session):
# 从HDFS读取瑞幸门店数据
luckin_df = spark_session.read.csv("hdfs:///data/featured_luckin_stores.csv", header=True, inferSchema=True)
# 注册为临时视图以便使用Spark SQL
luckin_df.createOrReplaceTempView("luckin_stores")
# 使用Spark SQL进行省份分组统计
province_stats = spark_session.sql("""
SELECT province, COUNT(*) as store_count
FROM luckin_stores
WHERE province IS NOT NULL
GROUP BY province
ORDER BY store_count DESC
""")
# 将结果转换为Pandas DataFrame以便进一步处理
province_stats_pd = province_stats.toPandas()
# 计算全国门店总数
total_stores = province_stats_pd['store_count'].sum()
# 计算各省份占比
province_stats_pd['percentage'] = province_stats_pd['store_count'] / total_stores * 100
# 添加累计占比列，用于帕累托分析
province_stats_pd['cumulative_percentage'] = province_stats_pd['percentage'].cumsum()
# 识别核心省份(占比前20%)和边缘省份(占比后20%)
core_provinces = province_stats_pd[province_stats_pd['cumulative_percentage'] <= 80]
edge_provinces = province_stats_pd[province_stats_pd['cumulative_percentage'] > 80]
# 计算各省份的门店密度(每万平方公里门店数)
province_area = spark_session.read.csv("hdfs:///data/province_area.csv", header=True, inferSchema=True)
province_stats_pd = pd.merge(province_stats_pd, province_area, on='province', how='left')
province_stats_pd['store_density'] = province_stats_pd['store_count'] / province_stats_pd['area_sqkm'] * 10000
return {
"province_stats": province_stats_pd.to_dict('records'),
"core_provinces": core_provinces['province'].tolist(),
"edge_provinces": edge_provinces['province'].tolist(),
"total_stores": int(total_stores)
}
# 核心功能2: 基于密度的门店聚类分析(DBSCAN算法)
def analyze_store_clusters(spark_session):
# 从HDFS读取瑞幸门店数据
luckin_df = spark_session.read.csv("hdfs:///data/featured_luckin_stores.csv", header=True, inferSchema=True)
# 将Spark DataFrame转换为Pandas DataFrame
luckin_pd = luckin_df.select("store_id", "city", "district", "longitude", "latitude").toPandas()
# 过滤掉经纬度无效的记录
luckin_pd = luckin_pd[(luckin_pd['longitude'] > 73) & (luckin_pd['longitude'] < 135) &
(luckin_pd['latitude'] > 18) & (luckin_pd['latitude'] < 53)]
# 按城市分组进行DBSCAN聚类
cities = luckin_pd['city'].unique()
cluster_results = {}
for city in cities:
city_stores = luckin_pd[luckin_pd['city'] == city]
# 如果城市门店数量太少，跳过聚类
if len(city_stores) < 10:
continue
# 提取经纬度数据用于聚类
coords = city_stores[['longitude', 'latitude']].values
# 计算适合当前城市的DBSCAN参数
# eps是邻域半径，约0.01度(大约1公里)，min_samples是形成核心点的最小样本数
avg_store_distance = calculate_avg_distance(coords)
eps = min(0.01, avg_store_distance * 2) # 动态调整eps参数
min_samples = max(3, int(len(city_stores) * 0.05)) # 动态调整min_samples参数
# 应用DBSCAN算法
db = DBSCAN(eps=eps, min_samples=min_samples).fit(coords)
labels = db.labels_
# 统计聚类结果
n_clusters = len(set(labels)) - (1 if -1 in labels else 0)
n_noise = list(labels).count(-1)
# 将聚类标签添加回DataFrame
city_stores = city_stores.copy()
city_stores['cluster'] = labels
# 计算每个聚类的中心点和包含的门店数
clusters = []
for i in range(n_clusters):
cluster_stores = city_stores[city_stores['cluster'] == i]
center_lon = cluster_stores['longitude'].mean()
center_lat = cluster_stores['latitude'].mean()
store_count = len(cluster_stores)
clusters.append({
'cluster_id': i,
'center_longitude': float(center_lon),
'center_latitude': float(center_lat),
'store_count': int(store_count),
'store_ids': cluster_stores['store_id'].tolist()
})
cluster_results[city] = {
'total_stores': len(city_stores),
'clustered_stores': len(city_stores) - n_noise,
'noise_points': n_noise,
'cluster_count': n_clusters,
'clusters': clusters
}
return cluster_results
# 核心功能3: 市场空白点识别
def identify_market_gaps(spark_session):
# 从HDFS读取瑞幸门店数据和全国城市经济数据
luckin_df = spark_session.read.csv("hdfs:///data/featured_luckin_stores.csv", header=True, inferSchema=True)
cities_df = spark_session.read.csv("hdfs:///data/china_cities_econ_data.csv", header=True, inferSchema=True)
# 注册为临时视图以便使用Spark SQL
luckin_df.createOrReplaceTempView("luckin_stores")
cities_df.createOrReplaceTempView("cities_econ")
# 计算每个城市的门店数量
city_stores = spark_session.sql("""
SELECT city, province, COUNT(*) as store_count
FROM luckin_stores
GROUP BY city, province
""")
city_stores.createOrReplaceTempView("city_stores")
# 将门店数据与城市经济数据关联
market_analysis = spark_session.sql("""
SELECT
c.city_name,
c.province_name,
c.city_tier,
c.population,
c.gdp_billion,
c.disposable_income,
c.retail_sales_billion,
COALESCE(s.store_count, 0) as store_count
FROM cities_econ c
LEFT JOIN city_stores s ON c.city_name = s.city AND c.province_name = s.province
""")
# 转换为Pandas DataFrame进行进一步分析
market_pd = market_analysis.toPandas()
# 计算每10万人口的门店数(门店密度)
market_pd['store_density_per_100k'] = market_pd['store_count'] / market_pd['population'] * 100000
# 计算每百亿GDP的门店数
market_pd['store_per_100b_gdp'] = market_pd['store_count'] / market_pd['gdp_billion'] * 100
# 根据城市等级分组，计算各等级城市的平均门店密度
tier_avg_density = market_pd.groupby('city_tier')['store_density_per_100k'].mean().reset_index()
# 识别潜在市场空白点
# 1. 有一定经济基础(GDP>100亿)但门店数为0的城市
gap_cities_no_store = market_pd[(market_pd['store_count'] == 0) & (market_pd['gdp_billion'] > 100)]
# 2. 门店密度显著低于同等级城市平均水平的城市
market_pd = pd.merge(market_pd, tier_avg_density, on='city_tier', suffixes=('', '_tier_avg'))
gap_cities_low_density = market_pd[
(market_pd['store_count'] > 0) &
(market_pd['store_density_per_100k'] < market_pd['store_density_per_100k_tier_avg'] * 0.5) &
(market_pd['gdp_billion'] > 100)
]
# 3. 计算市场潜力指数
# 潜力指数 = (可支配收入/全国平均) * (零售额/GDP) * (1 - 当前门店密度/同等级平均密度)
avg_income = market_pd['disposable_income'].mean()
market_pd['retail_gdp_ratio'] = market_pd['retail_sales_billion'] / market_pd['gdp_billion']
market_pd['income_index'] = market_pd['disposable_income'] / avg_income
market_pd['density_gap'] = 1 - market_pd['store_density_per_100k'] / market_pd['store_density_per_100k_tier_avg']
market_pd['density_gap'] = market_pd['density_gap'].clip(0, 1) # 限制在0-1之间
market_pd['market_potential'] = market_pd['income_index'] * market_pd['retail_gdp_ratio'] * market_pd['density_gap']
# 提取高潜力市场(潜力指数前20%)
high_potential = market_pd.sort_values('market_potential', ascending=False).head(int(len(market_pd) * 0.2))
return {
"gap_cities_no_store": gap_cities_no_store[['city_name', 'province_name', 'city_tier', 'gdp_billion', 'population']].to_dict('records'),
"gap_cities_low_density": gap_cities_low_density[['city_name', 'province_name', 'store_count', 'store_density_per_100k', 'store_density_per_100k_tier_avg']].to_dict('records'),
"high_potential_markets": high_potential[['city_name', 'province_name', 'city_tier', 'market_potential', 'gdp_billion', 'store_count']].to_dict('records')
}
基于Hadoop+Spark的瑞幸咖啡全国门店数据可视化分析系统-结语
💕💕
💟💟如果大家有任何疑虑，欢迎在下方位置详细交流。
