Python暑期课大作业
一、实验任务
描述本题目需要完成的内容和要求。本作业选择了第三道题，空气质量信息聚合平台，要求：
- 选择五个以上城市收集空气污染的特征参数（如AQI、SO2、PM10浓度等），并绘制显示AQI具体特征参数的直方图。
- 绘制过去五天内的每日平均空气质量图。
二、已完成任务
必做项目都已完成。
完成的选做任务有，使用Django + Vue前后端分离开发web型GUI。获取实时空气质量数据，绘制空气质量图，对不同空气质量进行分级。由于预测未来天气需要进行模型训练，目前没有好的硬件支持所以并未进行训练和预测。
三、总体设计方案
本次作业采用前后端分离的开发方式，后端采用Django + Python的开发，前端采用Vue进行模板的处理。后端使用Postman进行接口正确性验证，前端采用Springboot进行接口正确性验证。前端为localhost:8080，后端为localhost:8888。
对于实时的全国AQI分布图，采用GET请求；对于点击特定城市查询过去五日的信息采用POST请求；对于查询特定日期的全国分布图采用POST请求。
后端使用了包括Django、pyecharts、numpy、requests在内的第三方库，前端主要使用了axios、echarts、element-ui、vue、vue-router等dependencies。
运行方法详见README
后端：
- 对数据进行爬取
- 对数据进行处理入库
- 设置和前端的接口函数
- 根据初始化GET请求返回JSON格式的当前实时数据
- 根据特定城市的POST请求返回过去五日的数据
- 根据特定日期的POST请求重定向至
pyecharts所绘制地图的html
前端：
- 构建布局
- 发送请求
- 解析数据
- 利用
echarts画图
四、创新之处
采用的web型GUI，通过前后端分离Django + Vue的开发方式，使得程序后续扩展性很高并且基于Django和Vue的实用性以及广泛性，利于移植。利用分离开发的方式使得GUI更加的好看。同时采用的Django自带的数据库splite3，不需要格外进行MySQL的安装和配置，简单方便。
通过pyecharts和echarts的画图，可以使得人机交互更加方便和快捷，极大的提升了数据的可视化程度和用户的使用性和舒适性。
五、实验总结
- 在本实验中你遇到了哪些问题？是如何解决的？
本次作业问题比较大的有在于Django的使用。第一次使用django需要不断地上网查询相关用法以及项目中每个py文件每个组件的使用方法和意义。最大的问题就是前后端合并的时候的处理，特别是解决前后端不同端口的跨域问题，尝试了包括第三方库django-cors-headers进行跨域，以及前端的跨域解决办法都没有成功，最后使用自定义Django中间件才解决跨域问题，了解了web开发遇到的最常见问题之一，以及网络请求和回复的工作原理。
- 有何收获和体会？你认为大作业题目还可以从哪些角度出题？并说明理由。
收获就是学会了Python的更多强大的第三方库并使用它们完成本次大作业，更加深入理解了Python语言的强大和解决问题的能力。同时学习并巩固了Vue的使用，以及首次遇到和解决前后端分离开发中遇到的问题。
大作业还可以从图像处理的角度出题，因为图像处理方面的研究和应用在大部分领域已经成熟，适合去探索和尝试。或者从经典的神经网络CNN、RNN等深度学习框架出题，通过利用Tensorflow、Pytorch等已有的工具进行出题，保证不会太难的同时给予同学们更多尝试的机会，因为机器学习、深度学习已经成为当下最热门的研究领域。
六、课程学习总结
课程收获和难点分析
在课程开始之前，我仅有少量的python基础，没有系统的进行过学习和训练。通过这门课程，我认为我的Python能力提高了很多，具体表现在课堂上学到的一些网上没有讲到的坑点，以及使用列表，字典等元素容器的方法和熟练度，以及使用第三方库。我认为本课程最难的地方在大作业的实际操作中，因为我大作采用了许多课堂之外的东西，需要通过不断的自学以及实践，才能完成大作业。
教师授课评价
老师工作态度认真，责任心强，备课充分，讲课水平高，英语教学质量高，时常关心学生课下压力是否过大等。
助教评价
助教工作态度认真，责任心强，在同学们遇到问题时积极回应和帮助解答。
当前课程教授内容评价与课程进一步改进建议
课程内容可以更加的丰富，由于Tkinter的使用可以说在实际当中使用较少，不如偏向一些科学计算，第三方库介绍以及数据挖掘等等方面简单的基础应用。以及题库中的题希望与当次课堂内容契合度高一点，并且丰富题库。
