''' 以下为主要需要涵盖的版块

1图书类型管理：实现对图书分类的灵活定义与调整，便于图书资源的分类存储与检索。这可以通过数据库表中的字段来实现，例如在book表中添加type字段。 2图书信息管理：包括图书的录入、编辑、删除及详细信息展示，确保图书信息的准确无误。这通常涉及对book表的增删改查操作。 3图书借阅与归还功能：支持用户在线申请借阅、查看借阅记录及归还图书，简化借阅流程，提高借阅效率。这可以通过创建borrow表来记录借书人ID、书名、作者和借书时间。 4用户账户管理：包括用户注册、登录、信息修改及权限分配，保障系统安全与用户隐私。可以使用user表来存储用户ID、密码和角色信息，角色可以是0（读者）或1（管理员）。 5通知公告发布：用于发布图书馆的最新动态、活动信息及借阅规则等，增强与用户的沟通互动。

另外，我们还需要一个图形交互界面，这样显得比较专业

special 1.使用自定义对象：图书，用户 2.尝试连接数据库PostgreSQL 16.1（通过Navicat管理）来管理数据 ''' 3.24： 做出以下调整： 1，不用navicat,就用csv文件，能做出东西就行，1个学分不值得拼命 2，还是需要一个图形界面，这个是加分项 3，增删改查都要全面 4，用户只可以查，管理员可以增删改，这些建立在登录模块的基础上 5，还有一个核心功能就是记录用户的借书记录：书目，时间，应还时间 ''' 3.25 管理员2： 1.关于图形界面：tkinter库内容简单无需下载 2.关于管理权限：将权限单独存为一个元组，需要删改增需要最高权限管理员来做，此模块应有：1.校验用户名密码2.录入用户的基本信息，如姓名、联系方式、借阅证号等，记录用户的借阅历史，包括借阅时间、归还时间、借阅图书等。3.管理权限并根据权限进入不同交互界面的主要功能 3.关于图书管理：此模块应具有：1.查找图书提供多种检索方式，如按书名、作者、ISBN号、分类等查询图书信息。2.归还图书：处理用户的借阅和归还请求，更新图书的库存状态，对逾期未还的图书进行提醒，并计算罚款金额，允许用户预约已借出的图书，当图书归还时通知用户3.图书分类管理：对图书进行分类管理，如文学、科技、历史等，便于用户按类别查找图书。 以上为一个图书管理系统的主干，以下为附加内容： 1.安全性考虑 2.通过用户借阅图书推测出用户喜好并推荐图书 3.统计每种图书的借阅数量供下次买书参考 4.是否需要对用户等级进行分类，比如借数超过50本还书时间限制延长一个周

3.26管理员1： 1.具体的文件实施形式已用csv建立 2.归还时间实现方法： 只记录借书日期，读取当前日期，而后进行计算 3.搜索：isbn只支持精确搜索，书名应支持模糊搜索，我们可以尝试把在那个成语的模糊查询功能做到书名搜索里 4.如果有条件，再做一个分类筛选功能

3.27管理员1： 1.生成了一些books数据 2.实现了了基础UI与底层计算的接入 3.目前UI界面太丑，太简陋 4.底层计算目前只实现了ISBN精确查询，需要扩充的内容很多

4.10管理员1： 考虑到下周没什么时间，而这个作业18号就截止了 所以事情还是很紧急的 PPT汇报具体要求什么的4.11课上问问，同时也可以尝试能不能延期 现在急需将其完善，可以在功能上进一步简化，而图形界面能看即可，确保能交差 如果可以延期就再美化，不能就能交差即可

import pandas as pd import numpy as np import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False

movies_df_new = pd.read_csv("/data/bigfiles/movie_metadata_new.csv") ################begin######################## #票房与预算关系

筛选2014年及之后的数据

df_2014_2016 = movies_df_new[movies_df_new['title_year'] >= 2014]

按预算升序排序

df_sorted = df_2014_2016.sort_values('budget')

绘制散点图

plt.figure(figsize=(10, 10)) plt.scatter(df_sorted['movie_title'], df_sorted['budget'], color='red', s=20, label='budget') plt.scatter(df_sorted['movie_title'], df_sorted['gross'], color='green', s=20, label='gross') plt.xticks([])

设置图表属性

plt.title('电影票房与预算的关系', fontsize=20) plt.xlabel('movie_title') plt.ylabel('budget/gross')

旋转x轴标签

plt.legend() #################end######################### plt.savefig("step5/result/pic1.png") plt.close()

################begin######################## #数据归一化处理

筛选2015-2016年数据（不包含2014）

df_2015_2016 = movies_df_new[(movies_df_new['title_year'] > 2014) & (movies_df_new['title_year'] <= 2016)]

归一化处理

df_2015_2016['cast_total_likes_norm'] = df_2015_2016['cast_total_likes'] / df_2015_2016['cast_total_likes'].max() df_2015_2016['gross_norm'] = df_2015_2016['gross'] / df_2015_2016['gross'].max()

演员的获赞总数与票房的关系

plt.figure(figsize=(10, 10)) plt.scatter(df_2015_2016['movie_title'], df_2015_2016['cast_total_likes_norm'], color='red', s=20, label='cast_total_likes') plt.scatter(df_2015_2016['movie_title'], df_2015_2016['gross_norm'], color='green', s=20, label='gross') plt.xticks([])

设置图表属性

plt.title('演员的获赞总数与票房的关系', fontsize=10) plt.xlabel('movie_title') plt.ylabel('cast_total_likes/gross') plt.legend()

旋转x轴标签

#################end######################### plt.savefig("step5/result/pic2.png") plt.close()