
简介面向Web开发与数据可视化学习者的Django汽车数据分析大屏项目采用前后端分离架构后端基于Django处理业务与数据前端使用Vue3结合ECharts、DataV实现图表渲染与动态刷新适合作为课程设计、毕业设计或企业级可视化大屏的参考模板。压缩包共2000个文件大小73.95MB其中包含1436个Markdown笔记文档、452个JS前端脚本、73个JSON配置文件、22个Python后端代码另有少量XML、TXT、HTML等辅助文件目录结构清晰assets、components、views、utils、common等模块划分规范方便按需检索。已有96人学习下载。资源内提供完整的项目源码与工程结构包括前端Vue组件、ECharts封装、Django后端应用、全局样式与工具函数等可直接运行调试或二次开发帮助读者快速掌握DjangoVue3大屏项目的搭建流程和可视化实现思路。1. 汽车数据大屏不只是一张图Django后端才是那根轴销售总监想在一面墙上同时看到各区域销量排名、库存周转天数和热销车型趋势手里却只有三五张Excel表更新一次要等半天。这类场景就是典型的基于Django汽车数据分析大屏可视化系统项目用Django承接数据清洗、聚合与API输出前端大屏只负责把JSON画成图表。大屏的酷炫只是表象真正决定效果的是后端能不能稳定、及时地把数据算对。这篇文章会从数据建模、DRF接口、ECharts对接讲到跨域、CSRF、缓存这几个必踩的坑适合有Django基础、想完整跑通一个大屏项目的开发者。2. 从散乱Excel到业务表用Django ORM建好销量、库存与车型维表大屏页面上的每一个数字最终都要落到Django的模型上。很多新手上来就建一个超级大表把所有字段塞进去后面写SQL聚合时才发现分组维度对不上、时间格式不统一、同环比算不出来。我一般会先按业务对象拆成事实表和维表再用Django迁移把结构固定下来。2.1 先想清楚看板要回答哪几个问题建表之前先把大屏要回答的问题列出来再倒推字段。做汽车数据分析大屏常见的问题有四组各区域/经销商销量排名、主力车型销量与均价走势、库存周转天数、按价格段划分的市场结构。这些问题的共同点是都需要时间维度都需要一个“车型”的维度属性都需要销量和库存两张事实表。所以我建议至少拆成三张表表名类型关键字段用途car_info维度表车型、品牌、价格段、级别给销量和库存提供车型属性sales_record事实表经销商、区域、销量、金额、日期支撑销量排名与趋势inventory_record事实表经销商、车型、库存数、日期支撑库存周转分析在Django里模型建议放在一个叫dashboard的app里。热词里大家都在搜“django创建app”这里正好用上一个业务域一个app不要把所有模型堆在默认的models.py里硬写到一千行。2.2 用django-admin创建项目然后把三张业务表写进models.py实际起步命令如下注意这里所有app名和路径都是常见做法包名可换成你自己的项目名。django-admin startproject carbigscreen cd carbigscreen python manage.py startapp dashboard然后在dashboard/models.py中把三张表建出来from django.db import models class CarInfo(models.Model): brand models.CharField(品牌, max_length50, db_indexTrue) model_name models.CharField(车型名称, max_length100) segment models.CharField(级别, max_length20, blankTrue) price_band models.CharField(价格段, max_length20, blankTrue) class Meta: db_table car_info ordering [brand, model_name] def __str__(self): return f{self.brand} {self.model_name} class SalesRecord(models.Model): car models.ForeignKey(CarInfo, on_deletemodels.PROTECT, verbose_name车型) region models.CharField(区域, max_length50, db_indexTrue) dealer models.CharField(经销商, max_length100) quantity models.PositiveIntegerField(销量, default1) amount models.DecimalField(成交金额, max_digits12, decimal_places2) sale_date models.DateField(销售日期, db_indexTrue) class Meta: db_table sales_record indexes [ models.Index(fields[sale_date, region]), models.Index(fields[sale_date, car]), ] class InventoryRecord(models.Model): car models.ForeignKey(CarInfo, on_deletemodels.PROTECT, verbose_name车型) dealer models.CharField(经销商, max_length100) stock_qty models.IntegerField(库存数量) record_date models.DateField(统计日期, db_indexTrue) class Meta: db_table inventory_record indexes [ models.Index(fields[record_date, dealer]), ]这段代码有几个值得注意的设计。ForeignKey用on_deletemodels.PROTECT而不是CASCADE大屏数据是分析用途如果误删了车型资料不应该把历史销量一起删掉宁可报错也不要静默丢数据。db_indexTrue加在region和sale_date上是因为大屏接口最常做的就是按日期和区域分组索引能直接让聚合查询从全表扫描变成索引扫描。amount用DecimalField而不是FloatField防止金额在聚合时出现浮点尾差这一点在做价格段统计时尤其重要。写完模型后执行迁移命令让Django帮你把表建到数据库里python manage.py makemigrations dashboard python manage.py migrate2.3 用pandas做一次性的历史数据清洗与导入Excel里的原始数据通常长这样日期列是字符串、金额列带货币符号、有些行的车型名称和car_info里的名称对不上。这些脏数据直接灌进Django模型后面聚合出来的排名和趋势全是错的。常见做法是写一个独立的Python脚本放在scripts/目录下用pandas清洗后批量写入。# scripts/import_sales.py import pandas as pd from datetime import datetime import django import os os.environ.setdefault(DJANGO_SETTINGS_MODULE, carbigscreen.settings) django.setup() from dashboard.models import CarInfo, SalesRecord, InventoryRecord df pd.read_excel(data/sales_2024.xlsx) # 清洗去掉金额里的逗号和货币符号统一日期格式 df[amount] df[成交金额].astype(str).str.replace(,, ).str.replace(¥, ) df[amount] pd.to_numeric(df[amount], errorscoerce) df[sale_date] pd.to_datetime(df[销售日期]).dt.date # 防止主键冲突只导当天之前的数据导入前先清空事实表 SalesRecord.objects.all().delete() InventoryRecord.objects.all().delete() objs [] for _, row in df.iterrows(): car CarInfo.objects.filter(model_namerow[车型名称]).first() if car is None: # 找不到车型就跳过避免脏数据进入事实表 continue objs.append(SalesRecord( carcar, regionrow[区域], dealerrow[经销商], quantityint(row[销量]), amountrow[amount], sale_daterow[sale_date], )) SalesRecord.objects.bulk_create(objs, batch_size500) print(fimported {len(objs)} sales records)这里的细节是iterrows()循环里做CarInfo.objects.filter()数据量小没问题几十万行会非常慢更高效的做法是先把CarInfo读成一个model_name - id的字典再匹配。但作为一次性导入脚本可读性优先跑完就丢慢一点可以接受。bulk_create(batch_size500)是Django批量写库的标准姿势比逐条save()快一个数量级。导入前先delete()清空事实表避免第二次运行时出现重复数据。2.4 聚合口径先说死同环比在SQL层算还是Python层算大屏上最常见的两个数字是“同比”和“环比”。很多项目翻车就翻在口径上后端接口返回的是日粒度数据前端拿到后自己算环比结果遇到跨月、节假日前端算出来的分母和后台报表不一样。我一般定两条规矩第一所有聚合计算都在Django ORM层完成接口只返回最终结果前端不做任何加减乘除第二环比的定义是“今天对比上一个统计周期”这个统计周期按自然日算不按工作日算规则写死在视图层。这样无论大屏怎么刷新、前端怎么改版数字都不会变。3. 用DRF把聚合查询变成大屏要的JSON接口模型建好后大屏不能直接查数据库这既不安全也没法做权限控制。中间要加一层接口常见做法是用Django REST Framework简称DRF把聚合结果序列化成JSON。很多新手在这一步会问Django自带JsonResponse为什么还要用DRF区别在于DRF给你提供了APIView、serializer、Response后续加分页、加缓存、加权限都不用自己造轮子。3.1 接口层要解耦大屏端不要直接碰ORM大屏页面由前端团队维护后端数据由Django提供。如果前端JS里直接拼SQL的片段或者在模板里做复杂运算一旦数据逻辑调整前端要跟着改职责就全乱了。正确姿势是前端只请求/api/sales/trend/?days30这样的RESTful地址拿到什么就画什么。这一步也要决定API的粒度。常见错误是把所有数据塞进一个超大接口一次返回几百个字段。大屏上每个图表区域对应一个独立接口比如/api/sales/trend/返回趋势折线图数据/api/sales/rank/返回区域排行榜数据/api/inventory/turnover/返回库存周转数据。这样任何一个图表报错都能快速定位是哪个接口出的问题。3.2 一个按日聚合销量与营收的API视图以销量趋势为例大屏需要一个折线图横轴是日期纵轴是销量。这背后对应的SQL是GROUP BY sale_date在Django ORM里用values().annotate()实现# dashboard/views/api.py from datetime import timedelta from django.utils import timezone from django.db.models import Sum from rest_framework.views import APIView from rest_framework.response import Response from dashboard.models import SalesRecord class SalesTrendView(APIView): 按日返回最近N天的销量与营收趋势 参数: days, 默认30, 最大365 def get(self, request): days int(request.GET.get(days, 30)) days min(days, 365) # 防止一次拉太多数据拖垮数据库 start_date timezone.now().date() - timedelta(daysdays) qs ( SalesRecord.objects .filter(sale_date__gtestart_date) .values(sale_date) .annotate(total_qtySum(quantity), total_amountSum(amount)) .order_by(sale_date) ) # Django的ValuesQuerySet不能直接序列化成标准JSON手动转list data [ { date: item[sale_date].isoformat(), total_qty: item[total_qty], total_amount: float(item[total_amount]), } for item in qs ] return Response({code: 0, data: data})这段代码的核心是values(sale_date)加annotate(total_qtySum(quantity))它生成的就是按日期分组的聚合SQL。注意total_amount转成了float因为DecimalField在ORM里返回的是Decimal对象直接放进JSON会报Object of type Decimal is not JSON serializable这个问题几乎每个Django新手都会遇到。days参数做了两个限制默认30、最大365。大屏首次打开时如果没有人传参数也能返回一个合理的默认视图有人传了days9999后端也能拦下来不至于把全表数据一次性加载到内存里。3.3 用序列化器控制输出字段上面的视图里手动构造了字典但更规范的做法是用DRF的Serializer来定义响应结构。虽然Response可以直接传字典但用序列化器能给前端提供一个明确的契约也方便后续加字段时做版本兼容# dashboard/serializers.py from rest_framework import serializers class SalesTrendItemSerializer(serializers.Serializer): date serializers.DateField() total_qty serializers.IntegerField() total_amount serializers.FloatField() class SalesTrendResponseSerializer(serializers.Serializer): code serializers.IntegerField() data SalesTrendItemSerializer(manyTrue)在视图里调用序列化器from dashboard.serializers import SalesTrendResponseSerializer class SalesTrendView(APIView): def get(self, request): # ... 前面的聚合逻辑与上节相同 ... payload {code: 0, data: data} serializer SalesTrendResponseSerializer(datapayload) serializer.is_valid(raise_exceptionTrue) return Response(serializer.validated_data)Serializer在这里有两层作用一是校验结构如果哪天data里的字段缺了is_valid会直接抛异常提醒后端改漏了二是给前端看接口文档时有个清晰的字段说明DateField、IntegerField本身就说明了字段类型比手写文档更不容易过期。要注意的是Serializer和ModelSerializer不同这里不直接绑定模型因为聚合结果不是一个模型实例用普通Serializer更贴合。3.4 配置路由并验证JSON输出在carbigscreen/urls.py里注册接口地址from django.urls import path from dashboard.views.api import SalesTrendView urlpatterns [ path(admin/, admin.site.urls), path(api/sales/trend/, SalesTrendView.as_view(), namesales-trend), ]启动开发服务器后用curl做一次最简单的接口验证python manage.py runserver 0.0.0.0:8000 curl http://127.0.0.1:8000/api/sales/trend/?days7如果导入数据正常响应应该是类似{code: 0, data: [{date: 2024-12-01, total_qty: 12, total_amount: 1860000.0}]}的JSON。这个curl验证很重要先确认接口本身没问题再去做前端不然你永远不知道报错是出在Django还是出在ECharts。这里我习惯先看返回的JSON结构再去想图表怎么配。4. 大屏前端对接ECharts拿Django数据渲染与定时刷新后端接口就绪后开始做可视化大屏前端。大屏通常是一整面墙的页面不滚动、不交互所有信息要在一屏内看完。实战里最常用的框架是ECharts它图表类型全、社区案例多一个HTML文件里放多个图表实例三天就能搭出初版。4.1 大屏整体布局与图表选型大屏的布局逻辑是“中间突出核心指标两侧放分析维度”。以汽车数据大屏为例我通常按这样的结构排顶部标题和全局筛选条件如日期范围中间主区域全国销量趋势折线图或者一款主力车型的销量周走势左侧区域销量排行榜横向柱状图、价格段分布玫瑰图右侧库存周转天数仪表盘、经销商Top10纵向柱状图页面宽度用百分比或vw单位适配不同分辨率不用固定像素。下面写一个最小的HTML骨架区块之间用flex布局每个区块内部放置一个div作为ECharts容器。4.2 用fetch拉取接口并渲染第一个折线图先实现最核心的销量趋势折线图。这里用到的是上一节做好的/api/sales/trend/?days30接口div idtrend-chart stylewidth: 100%; height: 380px;/div// static/js/dashboard.js const trendChart echarts.init(document.getElementById(trend-chart)); async function loadTrend() { const resp await fetch(/api/sales/trend/?days30); const json await resp.json(); if (json.code ! 0) { console.error(接口返回异常, json); return; } const dates json.data.map(item item.date); const quantities json.data.map(item item.total_qty); const amounts json.data.map(item item.total_amount); trendChart.setOption({ tooltip: { trigger: axis }, legend: { data: [销量, 营收] }, xAxis: { type: category, data: dates, axisLabel: { rotate: 45 } }, yAxis: [ { type: value, name: 销量(台) }, { type: value, name: 营收(万元) } ], series: [ { name: 销量, type: line, data: quantities, smooth: true, itemStyle: { color: #1890ff } }, { name: 营收, type: line, yAxisIndex: 1, data: amounts.map(v (v / 10000).toFixed(2)), smooth: true, itemStyle: { color: #52c41a } } ] }); } loadTrend();这段代码有三处容易踩坑。第一fetch默认不带任何认证信息如果接口放在需要登录的Django站点后面需要在fetch里加上credentials: include或者改用Token认证方式否则接口返回403。第二amounts.map(v (v / 10000).toFixed(2))把后端返回的元转成了万元这里就是唯一允许做“展示层换算”的地方聚合逻辑仍然在后端。第三axisLabel: { rotate: 45 }是必须的30天的日期全部横排会重叠到看不清旋转45度是通用解法。4.3 从定时轮询到主动推送什么时候需要WebSocket大屏不是静态页面通常每5分钟或每30秒要更新一次数据。最简单可靠的方式是setIntervalsetInterval(loadTrend, 30000); // 30秒轮询一次轮询适用于大多数数据大屏。它逻辑简单、出错容易排查后端接口加缓存后几乎没有压力。只有当大屏要实时展示告警数据、车辆在线状态这类秒级变化的信息时才值得上WebSocket。汽车数据分析大屏里销量和库存这类数据半小时更新一次完全够用用轮询即可不要一上来就上WebSocket把系统复杂度抬高。实时推送可以由Kafka或Redis发布订阅来支撑但那是另一个项目范畴了。5. 大屏项目避坑指南跨域、CSRF与慢查询的5个常见问题做到这里你已经有一条能跑通的数据链路Django模型到接口再到前端图表。但真实项目里从“能跑”到“稳定”之间全是坑。下面这5个问题是我自己带项目时反复遇到的每一条都按“现象、原因、解决”展开。5.1 接口跨域被拦截明明接口有数据浏览器就是不让你读现象大屏前端跑在http://192.168.1.50:8080Django跑在http://127.0.0.1:8000浏览器里打开控制台看到CORS policy: No Access-Control-Allow-Origin。原因浏览器同源策略拦截了跨域请求。很多大屏项目的前端是独立部署的静态页面不经过Django的模板引擎所以这是常态不是异常。解决安装并配置django-cors-headers这是社区里最常用的方案。pip install django-cors-headers# settings.py INSTALLED_APPS [ # ... corsheaders, ] MIDDLEWARE [ corsheaders.middleware.CorsMiddleware, # 放在CommonMiddleware之前 django.middleware.common.CommonMiddleware, # ... ] CORS_ALLOWED_ORIGINS [ http://192.168.1.50:8080, ]要注意CorsMiddleware的位置必须放在CommonMiddleware之前不然跨域头加不及时浏览器仍然拦截。CORS_ALLOWED_ORIGINS要写准确的前端地址不建议图省事用CORS_ALLOW_ALL_ORIGINSTrue内网大屏虽然风险低但一旦接入外网就会变成安全隐患。5.2 接口慢到浏览器转圈ORM懒加载引起的N1查询现象本地数据只有几千条时接口很快数据量到几万条时/api/sales/rank/接口从200ms涨到5秒CPU占用还特别高。原因这是Django ORM最出名的N1查询问题。比如在销量排行视图里你先查出所有SalesRecord再在Python里循环访问record.car.brand每次访问外键都会发一条SQL几万条记录就是几万次查询。解决在查询时用select_related()提前把外键表JOIN出来。qs ( SalesRecord.objects .filter(sale_date__gtestart_date) .select_related(car) # 一次JOIN避免循环查car_info .values(car__brand) .annotate(totalSum(quantity)) .order_by(-total) )这里还有一个隐藏优化点如果只需要品牌维度直接values(car__brand)ORM会在SQL层完成JOIN和GROUP BY返回的就是聚合结果不需要把每条销售记录都加载到内存。我见过不少项目在视图里先查全表再在Python里做Counter计数数据量一大必翻车正确姿势是让数据库做聚合Python只负责取结果。5.3 时区不一致导致当天数据少一条USE_TZ引发的日期偏移现象大屏显示“今日销量”但到下午6点后今天的数字总比后台管理系统的少几条到了第二天早上又恢复正常。原因settings.py里USE_TZTrue时Django存进数据库的时间是UTC。大屏按本地时间查date2024-12-10时ORM会默认把日期转成UTC范围导致东八区的凌晨数据被划到前一天。解决这个问题的根源是业务字段用DateTimeField存储正确做法是把日期字段改用DateField。上一章建表时SalesRecord.sale_date用的是DateField这就是为了避开时区问题。如果业务里非要用DateTimeField推荐在聚合层明确指定时区from django.utils import timezone from datetime import timedelta local_now timezone.localtime(timezone.now()) start_date local_now.date() - timedelta(daysdays)注意不要用timezone.now().date()直接取日期那是UTC日期东八区下会差8小时。先把now()转成localtime()再取date()才是用户看到的日期。5.4 接口一POST就403DRF默认带CSRF校验的大坑现象用Postman测试POST接口返回200但大屏前端用JavaScript发POST就是403响应里还有CSRF Failed: CSRF cookie not set。原因DRF的SessionAuthentication默认要求CSRF Token。你测试时Postman不带你也不会校验因为DRF对非浏览器客户端做了豁免但前端浏览器发请求时会自动带上CookieDjango就认为这是需要校验CSRF的会话请求。解决大屏这种前后端分离、纯API的场景改用TokenAuthentication# settings.py REST_FRAMEWORK { DEFAULT_AUTHENTICATION_CLASSES: [ rest_framework.authentication.TokenAuthentication, ], }前端请求时在Header里带上一次性的Tokenfetch(/api/sales/trend/, { headers: { Authorization: Token d41d8cd98f00b204e9800998ecf8427e } });Token由Django后端在登录时签发大屏页面通常不做用户交互一般是在初始化时调用一次登录接口拿到Token存到sessionStorage里供后续请求复用。5.5 报表数字和后台对不上同一个指标在Python里被重复聚合现象大屏显示“华东销量1500台”后台管理系统按Excel导出的数字是1620台两边谁都没写错代码就是不对。原因大屏接口和后台导出用了两套聚合逻辑。接口里按region华东过滤后台导出时可能把region字段包含“华东”的所有记录都算上了或者一个region键值在源数据里同时存在“华东”、“华东大区”两种写法前端展示时又做了二次过滤。解决所有指标口径必须收敛到一处。我在项目里会专门建一个metrics模块把每个指标写成一个函数接口和导出都调用同一个函数。区域的取值在导入清洗阶段就统一成标准的枚举值不在查询时做模糊匹配。宁可导入时多花一小时清洗不要等到上线后每天半夜对着数字发呆。6. 三个进阶技巧给聚合接口加Redis缓存与历史快照基础链路稳定后大屏面临的下一个问题是并发与响应速度。大屏投到展厅的大墙上每天上班时间可能有十几个人同时打开领导盯着屏幕时图表加载超过两秒就会被反复追问。我常用的三个手段是接口缓存、数据快照和错误兜底。第一个技巧用Redis缓存聚合接口。销量趋势这类接口30秒内数据不会变化完全没必要每次请求都打数据库。我用django-redis配合DRF的cache_page一行装饰器搞定大部分GET接口。from django.utils.decorators import method_decorator from django.views.decorators.cache import cache_page from django.views.decorators.vary import vary_on_headers class SalesTrendView(APIView): method_decorator(cache_page(60 * 30)) # 缓存30分钟 method_decorator(vary_on_headers(Authorization)) def get(self, request): # ... 聚合逻辑不变 ...这样做之后同一时间几十个大屏页面请求同一个接口只有第一个请求会真正执行聚合SQL其余请求直接从Redis读缓存。注意vary_on_headers(Authorization)是必须的否则不同Token的用户可能拿到彼此的缓存数据。第二个技巧用定时任务生成历史快照。纯实时聚合的好处是数据永远最新但坏处是“昨天大屏上的数”和“今天大屏上的数”没法对比。我在项目里用django-crontab每天凌晨跑一次任务把前一天的聚合结果写入一张DailySnapshot表报表需要回看时就查这张表不重新算。第三个技巧也是我现在的习惯在大屏前端给每个图表配一个“空数据占位”。后端接口偶尔因为网络抖动返回空数组ECharts会白屏管理层看到的是一块黑板。我会在loadTrend里对json.data.length 0做判断渲染一个“暂无数据”的灰底提示至少不让大屏看起来像是系统挂了。做汽车数据大屏这一年多我最大的教训是先让数据口径稳定下来再去做好看的图表。图表做得再炫底层数字对不上大屏就只是个摆设。希望这个项目里的建模方式、接口写法还有那五个坑的排错路径能帮你少走一段弯路。本文还有配套的精品资源点击获取