【开题答辩全过程】以 北京房屋租赁数据分析与可视化为例，包含答辩的问题和答案
个人简介
一名14年经验的资深毕设内行人，语言擅长Java、php、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。
感谢大家的关注与支持！
答辩学生：各位老师好，我做的系统是“北京房屋租赁数据分析与可视化”。简单来讲，就是用 Python 先去网上把北京各区的租房信息爬下来，然后做清洗、统计，最后用图表把租金、面积、户型、地铁距离等关键信息直观地展示出来。系统分三大模块：爬虫采集、数据清洗与存储、可视化展示。技术栈就是 Requests+BeautifulSoup 爬数据，Pandas 做清洗，MySQL 存数据，PyEcharts 出图，整个流程都在 Python 环境里完成。下面请各位老师提问！
评委老师：为什么选择“北京”这个城市，不选自己家乡？
答辩学生：北京租房需求大、网站数据多，爬取样本丰富，结果更有代表性；而且我人在河北，去北京方便，后续如果补数据成本也低。
评委老师：爬的是哪个网站？有没有法律风险？
答辩学生：目前计划爬安居客列表页公开信息，只取标题、租金、面积、户型、位置五字段，不碰手机号和身份证，频率控制在 1 秒 1 次，避免对服务器造成压力，基本不会触法。
评委老师：数据量大概能拿到多少条？
答辩学生：按每页 60 条、先爬 200 页估算，大概 1 万条左右，足够做本科层次的统计和可视化。
评委老师：如果网页改版了怎么办？
答辩学生：我把请求头和解析代码单独写进 config 文件，一旦改版只需改选择器，不用动主程序；同时把已拿到的历史数据先存库，保证改版期间分析还能继续。
评委老师：租金数据里如果出现“押一付三”“面议”这种脏数据怎么清洗？
答辩学生：先用正则只保留纯数字，如果为空或“面议”就整行标缺失，后续可以选择删行或补均值，保证最后图表里不出现非数字。
评委老师：可视化部分准备画哪些图？
答辩学生：四个核心图：1.各区房源数量柱状图；2.租金-面积散点图；3.户型占比饼图；4.地铁距离与租金关系的折线图。界面用 PyEcharts 生成 HTML，打开浏览器就能看。
评委老师：系统最后怎么交付？需要安装吗？
答辩学生：做成一键运行脚本，附带 requirements.txt 和说明文档，老师只需装 Python3.8 以上，执行 main.py 即可自动建库、爬数、出图，生成的 html 报告直接双击打开。
评委老师：如果后期想增加“推荐”功能，打算怎么做？
答辩学生：本科阶段先只做描述性分析，如果还有时间，会尝试用 K-means 把房源聚成高、中、低三档，再按用户输入的预算和面积自动匹配最近的一档，实现最简单的推荐。
评委老师评价：xx 同学选题贴近生活，技术路线清晰，工作量适中，对可能遇到的改版、脏数据、法律风险都有简单可行的预案，符合本科毕业设计要求。希望后续按计划推进，注意控制爬取频率，做好数据脱敏，预祝顺利完成。
以上是某同学的毕业设计答辩的过程，如果你现在还没有参加答辩，还是开题阶段，已经选好了题目不知道怎么写开题报告，可以下面找找有没有自己符合自己题目的开题报告内容，列表中的开题报告都是往届真实的开题报告，可发送使用或参考。文末或底部来联xi可免费获取
最后
有时间和有基础的同学，建议自己多花时间找一下资料（开题报告、源码）自己独立完成毕设，需要开题报告内容、源码参考的，可以联xi博主，没有选题的也可以联系我们进行帮你选题、定功能和建议。