本研究致力于构建一款基于K-means算法对当当网购书价格的数据分析系统利用Python编程语言、MySQL数据库以及Hadoop和Spark等大数据技术实现高效的数据处理和分析。该系统的核心功能包括数据爬取、处理、分析和可视化。首先通过pandas库对当当网书籍原始csv数据集进行的清洗、合并等预处理然后通过hadoop和spark大数据技术进行分布式存储和计算使用Mysql进行数据的保存最后通过Vue.js框架结合Echarts库构建了数据可视化界面。展示的可视化数据包括有出版社比例统计评论数统计价格区间统计书籍出版趋势等。另外通过K-means聚类算法建立模型将所有的书籍进行分类用户点击图书的时候会展示该图书的类别。总的来说系统的开发不仅为用户提供了更加便捷、高效的当当网图书数据查询和分析工具也为图书销售行业的数字化发展提供了新的思路和方向。根据以上的功能需求情况整体的功能模块包括有前端程序数据预处理程序大数据程序注册与登录后台程序和可视化数据展示后台程序。其中前端程序主要就是对应的vue页面项目包括有注册与登录页面的构建可视化数据展示页面等。大数据程序使用spark进行创建对原始的数据集进行分割和存储等操作。为了提升项目的层次性系统针对注册与登录创建单独的一个项目另外对大数据相关的数据处理创建一个项目。通过以上步骤完成了数据的清洗和存储接下来就是系统可视化页面展示阶段了。系统前台页面通过vue框架结合element-ui等插件实现采用了Django web框架后台使用python进行代码的书写。在用户登录后进入系统首页首页在展示数据之前肯定是需要先从数据库调取相应的数据经过web服务器的解析然后进行展示首页主要展示爬取的可视化数据包括有出版社比例统计评论数统计价格区间统计书籍出版趋势等。当用户点击具体的图书之后系统会现实图书分类预测界面现实该图书的原价和售价并展示分类结果。