在线购物系统 flask

项目描述
使用 Python Flask 框架开发的在线购物系统

http://localhost:5000

管理员 admin admin123
销售员 sales01 sales123
顾客 张三 123456

功能描述
顾客 Customer 浏览商品、加入购物车、下单结算、扫码支付、查看订单、获得推荐
销售人员 Sales 商品类别管理、商品增删改、库存管理、浏览/购买监控
管理者 Admin 数据分析仪表盘、销售业绩查询、异常检测、销售账号管理、密码重置

四种推荐算法
内容推荐 纯 Python TF-IDF + 余弦相似度，分析商品描述文本 商品详情页「相似商品」
协同过滤 基于订单共购矩阵，找出”买了 A 也买 B”的商品关系 商品详情页「买了还买」
热度排行 按销售量（`total_qty`）降序排列 首页「热销排行」
个性化推荐 用户画像（偏好类别）→ 同类热销商品（排除已购） 首页「猜你喜欢」+ 用户中心

用户画像维度
地域：注册时填写，用于地域分布统计
购买力：累计消费额分级（高 / 中 / 低 / 未消费）
偏好分类：从订单商品中提取类别频率

异常检测
三类检测
检测项 方法 说明
每日销售额异常 Z-score ≥ 2σ 标记偏离均值 2 个标准差以上的异常日
大额订单 均值 × 3 阈值 订单金额超过平均客单价 3 倍时标记
库存预警 阈值分级 负数 → 「超卖」🔴 · 0 → 「缺货」🔴 · ≤5 → 「低库存」🟡 · 6~10 → 「低库存」🔵

运行环境
开发环境pycharm
运行环境 flask+SQLite+python

项目技术
后端 Flask + Flask-Login + Flask-WTF + Flask-SQLAlchemy
数据库 SQLite
前端 Jinja2 模板 + Bootstrap 5 + Chart.js
推荐算法 TF-IDF 内容推荐 + 协同过滤（共购分析）
数据分析 移动平均平滑 + 线性回归趋势预测 + Z-score 异常检测

以上系统源码经过技术整理与调试，确保能正常运行