• 第02组 团队Git现场编程实战


    GitHub仓库地址

    click here


    1.组员职责分工

    组员 职责分工
    黄智、赵镇 百度地图API使用
    潘松波、颜志鹏 写分别测评福州人均消费50以下,50-100、100-200、200以上最佳(性价比最高)的前五家美食餐厅(参考评价与价格)函数代码部分
    翁正凯、张诗栋、林逸 写测评福州最佳美食聚集地函数代码部分
    吴长星 写测评福州服饰类综合评分最高的商圈函数代码部分
    叶梦晴 基本数据可视化,UI界面
    吴超望 写测评福州最受欢迎的商圈(参考人气)函数代码部分

    2.github 的提交日志截图

    截图如下:

    3.程序运行环境

    • 语言:python
    • 操作系统:Windows
    • 工具:Pycharm、VScode

    4.GUI界面

    • Menu

    • 最受欢迎的商圈:宝龙城市广场

    • 各价格段前五家美食餐厅

    • 最佳美食聚集地:西湖公园

    • 服饰类综合评分最高的商圈:庆帅服饰

    5.基础功能实现

    • 百度地图API使用
      我们用的是地点检索服务,根据api的文档,找到所需的参数,用get请求去访问,将返回的结果转换成字典格式,之后根据具体所需的信息从字典中提取。
    • 基本数据可视化,UI界面
      页面使用的是html+css+js制作的,组件后来想到了引用库就用了layUI,可视化表数据使用了Echarts。
    • 分别测评出福州人均消费50以下,50-100、100-200、200以上最佳(性价比最高)的前五家美食餐厅
      对API返回的json进行解析,利用price键值分出四个价格区间,在每个区间对overall_rating键值进行比较,用插入排序将评分前五的店铺信息保存到列表中。
    • 测评出福州服饰类综合评分最高的商圈
      将API获取到数据读出来后存到一个txt里面,接口的数据通过该txt获取。通过文件读操作,一行行的读,然后再用split()函数分解出店名和综合评分,用两个变量存评分最高的店名和评分,遍历完就出结果了。
    • 测评出福州最佳美食聚集地
      先调用百度api获得福州所有商圈名字和经纬度,再用得到的商圈经纬度依次查询每个商圈周围的美食店个数,个数最多的即为最佳美食聚集地了。

    6.鼓励有想法且有用的功能

    通过评测结果,我们可以做一些推荐,比如推荐大家去一些好的美食聚集地,繁华的商圈。避免踩雷,获得比较好的体验。

    7.遇到的困难及解决方法

    组员 遇到困难 解决方法
    黄智 没仔细理解组员的思路,代码改了很长时间 冷静下来,理解代码逻辑
    赵镇 由于api用的比较少,一开始一脸懵。python用的不熟练,bug找半天 组长带一手,api讨论着就出来了。bug后面疯狂调试终于发现了
    吴超望 由于爬虫出来的数据层层嵌套,而且数据完整性不够会导致key错误 对数据进行了层层分析提取,并在队友的帮助下解决数据不完整性
    潘松波 由于对python编程语言的不熟练,导致手法生疏、进程缓慢,再加上前一晚没睡好导致头脑昏昏沉沉,因此拖延了一些时间,感到非常抱歉 求助队友,在队友的帮助下找出了很多低级的错误,成功debug,团结就是力量!
    颜志鹏 数据不够了解,比如不知道数据可能缺失,必须要用try特判,还有Python语法不够熟练,限时编程代码花式错误 摸着石头过河,边做边学,队友给力
    叶梦晴 写前端页面的时候下意识又开始造轮子,很多组件样式实在好麻烦实在不想再写了,然后可视化表格也比较烦 组件后来想到了引用库就用了layUI,可视化表数据就学了好一下Echarts
    翁正凯 最佳美食聚集地不知道以什么方式去挑选 与队友一同讨论,衡量可行性,最后确定下来标准,完成代码
    张诗栋 最佳美食聚集地的评测不知道以什么标准 通过讨论,确定方法,最后写代码
    林逸 没仔细看api,对数据的结构不清楚,沟通花了很长时间 通过讨论,确定方法,最后写代码

    8.马后炮

    • 黄智:如果当时冷静分析,那么就不用改那么久了

    • 赵镇:如果python用的跟c++一样的话,那么就不至于那么疲惫了

    • 吴超望:如果我能学的更好那么我就能更快写完

    • 潘松波:如果我像队友一样强,那么就不会耽误进度了

    • 颜志鹏:如果我会的更多些,那么该多好啊

    • 翁正凯:如果事先多学习一下相关的知识,编程时就不会这么迷茫了。

    • 张诗栋:如果以前认真一点,就不会流下不学无术的泪水了

    • 林逸:如果我仔细看下api,就不用讨论那么久了

    • 吴长星:如果早知道有fastjson这么便利的东西,那么我就不用写那么久了

    • 叶梦晴:如果早再多努力多学学,那么现在还会这么菜吗?也不好说。

    9.评估每位组员的贡献比例

    组员 贡献比(%)
    黄智 10
    赵镇 10
    吴超望 10
    潘松波 10
    颜志鹏 10
    翁正凯 10
    张诗栋 10
    林逸 10
    叶梦晴 10
    吴长星 10
    林闽沪 0(请假)

    10.PSP表格

    | PSP2.1 | Personal Software Process Stages | 预估耗时(分钟) | 实际耗时(分钟)|
    | -------- | -------- | -------- |
    | Planning |计划 | 30|20
    |Estimate |估计这个任务需要多少时间| 160|180
    |Development |开发 |0|0
    |Analysis |需求分析 (包括学习新技术) |0|0
    |Design Spec |生成设计文档 |0|0
    |Design Review |设计复审 |0|0
    |Coding Standard|代码规范|0|0
    |Design |具体设计|0|0
    |Coding |具体编码|150|170
    |Code Review |代码复审|0|10
    |Test |测试|10|10
    |Reporting |报告|5|5
    |Test Repor |测试报告 |0|0
    |Test Repor |计算工作量|5|5
    |Postmortem & Process Improvement Plan|事后总结, 并提出过程改进计划|20|30
    | |合计|195|205

    11.学习进度条

    第N周 新增代码 累计代码(行) 本周学习耗时(小时) 累计学习耗时(小时) 重要成长
    1 75 75 5 学会了团队协作
  • 相关阅读:
    E437: terminal capability "cm" required 错误出现的原因和解决方法
    IDEA 配置svn及使用
    IDEA 2018.3.3注册方法-2100年
    三大UML建模工具Visio、Rational Rose、PowerDesign的区别
    地图展示聚合效果Leaflet.markercluster
    Idea设置Maven报错:Unable to import maven project: See logs for details
    Netflix大部分的推荐机制都是采用机器学习的算法
    Netflix推荐系统:从评分预测到消费者法则
    Netflix推荐系统的最新解读:算法、商业价值与创新
    推荐系统算法总结
  • 原文地址:https://www.cnblogs.com/lylinyi/p/11783910.html
Copyright © 2020-2023  润新知