**日期**: 2025-07-14

**主题**: UI导航栏重构

### 描述
根据用户请求，对左侧功能导航栏进行了调整。

### 主要改动
1.  **删除“数据管理”**:
    *   从 `UI/src/App.vue` 的导航菜单中移除了“数据管理”项。
    *   从 `UI/src/router/index.js` 中删除了对应的 `/data` 路由。
    *   删除了视图文件 `UI/src/views/DataView.vue`。

2.  **提升“店铺管理”**:
    *   将“店铺管理”菜单项在 `UI/src/App.vue` 中的位置提升，以填补原“数据管理”的位置，使其在导航中更加突出。

### 涉及文件
*   `UI/src/App.vue`
*   `UI/src/router/index.js`
*   `UI/src/views/DataView.vue` (已删除)

**按药品模型预测**
---
**日期**: 2025-07-14
**主题**: 修复导航菜单高亮问题

### 描述
修复了首次进入或刷新页面时，左侧导航菜单项与当前路由不匹配导致不高亮的问题。

### 主要改动
*   **文件**: `UI/src/App.vue`
*   **修改**:
    1.  引入 `useRoute` 和 `computed`。
    2.  创建了一个计算属性 `activeMenu`，其值动态地等于当前路由的路径 (`route.path`)。
    3.  将 `el-menu` 组件的 `:default-active` 属性绑定到 `activeMenu`。

### 结果
确保了导航菜单的高亮状态始终与当前页面的URL保持同步。

---
**日期**: 2025-07-15
**主题**: 修复硬编码文件路径问题，提高项目可移植性

### 问题描述
项目在从一台计算机迁移到另一台时，由于数据文件路径被硬编码在代码中，导致程序无法找到数据文件而运行失败。

### 根本原因
多个Python文件（`predictor.py`, `multi_store_data_utils.py`）中直接写入了相对路径 `'data/timeseries_training_data_sample_10s50p.parquet'` 作为默认值。这种方式在不同运行环境下（如从根目录运行 vs 从子目录运行）会产生路径解析错误。

### 解决方案：集中配置，统一管理
1.  **修改 `server/core/config.py` (核心)**:
    *   动态计算并定义了一个全局变量 `PROJECT_ROOT`，它始终指向项目的根目录。
    *   基于 `PROJECT_ROOT`，使用 `os.path.join` 创建了一个跨平台的、绝对的默认数据路径 `DEFAULT_DATA_PATH` 和模型保存路径 `DEFAULT_MODEL_DIR`。
    *   这确保了无论从哪个位置执行代码，路径总能被正确解析。

2.  **修改 `server/utils/multi_store_data_utils.py`**:
    *   从 `server/core/config` 导入 `DEFAULT_DATA_PATH`。
    *   将所有数据加载函数的 `file_path` 参数的默认值从硬编码的字符串改为 `None`。
    *   在函数内部，如果 `file_path` 为 `None`，则自动使用导入的 `DEFAULT_DATA_PATH`。
    *   移除了原有的、复杂的、为了猜测正确路径而编写的冗余代码。

3.  **修改 `server/core/predictor.py`**:
    *   同样从 `server/core/config` 导入 `DEFAULT_DATA_PATH`。
    *   在初始化 `PharmacyPredictor` 时，如果未提供数据路径，则使用导入的 `DEFAULT_DATA_PATH` 作为默认值。

### 最终结果
通过将数据源路径集中到唯一的配置文件中进行管理，彻底解决了因硬编码路径导致的可移植性问题。项目现在可以在任何环境下可靠地运行。

---
### 未来如何修改数据源（例如，连接到服务器数据库）

本次重构为将来更换数据源打下了坚实的基础。操作非常简单：

1.  **定位配置文件**: 打开 `server/core/config.py` 文件。

2.  **修改数据源定义**:
    *   **当前 (文件)**:
        ```python
        DEFAULT_DATA_PATH = os.path.join(PROJECT_ROOT, 'data', 'timeseries_training_data_sample_10s50p.parquet')
        ```
    *   **未来 (数据库示例)**:
        您可以将这行替换为数据库连接字符串，或者添加新的数据库配置变量。例如：
        ```python
        # 注释掉或删除旧的文件路径配置
        # DEFAULT_DATA_PATH = ...

        # 新增数据库连接配置
        DATABASE_URL = "postgresql://user:password@your_server_ip:5432/your_database_name"
        ```

3.  **修改数据加载逻辑**:
    *   **定位数据加载函数**: 打开 `server/utils/multi_store_data_utils.py`。
    *   **修改 `load_multi_store_data` 函数**:
        *   引入数据库连接库（如 `sqlalchemy` 或 `psycopg2`）。
        *   修改函数逻辑，使其使用 `config.py` 中的 `DATABASE_URL` 来连接数据库，并执行SQL查询来获取数据，而不是读取文件。
        *   **示例**:
            ```python
            from sqlalchemy import create_engine
            from core.config import DATABASE_URL # 导入新的数据库配置

            def load_multi_store_data(...):
                # ...
                engine = create_engine(DATABASE_URL)
                query = "SELECT * FROM sales_data" # 根据需要构建查询
                df = pd.read_sql(query, engine)
                # ... 后续处理逻辑保持不变 ...
            ```

UI/src/App.vue

@@ -17,8 +17,9 @@
         
         <el-scrollbar>
           <el-menu 
-            :default-openeds="['1']" 
+            :default-active="activeMenu"
-            router 
+            :default-openeds="['1']"
+            router
             class="futuristic-menu"
             background-color="transparent"
             text-color="#e0e6ff"
@@ -109,7 +110,12 @@
 </template>
 
 <script setup>
+import { computed } from 'vue'
+import { useRoute } from 'vue-router'
 import { DataAnalysis, Refresh, DataLine, House, FolderOpened, Cpu, MagicStick, Files, Histogram, Coin, Shop, Operation } from '@element-plus/icons-vue'
+
+const route = useRoute()
+const activeMenu = computed(() => route.path)
 </script>
 
 <style>

server/core/config.py

@@ -10,6 +10,13 @@ import os
 import re
 import glob
 
+# 项目根目录
+# __file__ 是当前文件 (config.py) 的路径
+# os.path.dirname(__file__) 是 server/core
+# os.path.join(..., '..') 是 server
+# os.path.join(..., '..', '..') 是项目根目录
+PROJECT_ROOT = os.path.abspath(os.path.join(os.path.dirname(__file__), '..', '..'))
+
 # 解决画图中文显示问题
 plt.rcParams['font.sans-serif'] = ['SimHei']
 plt.rcParams['axes.unicode_minus'] = False
@@ -26,8 +33,9 @@ def get_device():
 DEVICE = get_device()
 
 # 数据相关配置
-DEFAULT_DATA_PATH = 'pharmacy_sales.xlsx'
+# 使用 os.path.join 构造跨平台的路径
-DEFAULT_MODEL_DIR = 'saved_models'
+DEFAULT_DATA_PATH = os.path.join(PROJECT_ROOT, 'data', 'timeseries_training_data_sample_10s50p.parquet')
+DEFAULT_MODEL_DIR = os.path.join(PROJECT_ROOT, 'saved_models')
 DEFAULT_FEATURES = ['sales', 'price', 'weekday', 'month', 'is_holiday', 'is_weekend', 'is_promotion', 'temperature']
 
 # 时间序列参数

server/core/predictor.py

@@ -41,7 +41,7 @@ class PharmacyPredictor:
         """
         # 设置默认数据路径为多店铺CSV文件
         if data_path is None:
-            data_path = 'data/timeseries_training_data_sample_10s50p.parquet'
+            data_path = DEFAULT_DATA_PATH
             
         self.data_path = data_path
         self.model_dir = model_dir

server/utils/multi_store_data_utils.py

@@ -8,8 +8,9 @@ import numpy as np
 import os
 from datetime import datetime, timedelta
 from typing import Optional, List, Tuple, Dict, Any
+from core.config import DEFAULT_DATA_PATH
 
-def load_multi_store_data(file_path: str = 'data/timeseries_training_data_sample_10s50p.parquet',
+def load_multi_store_data(file_path: str = None,
                          store_id: Optional[str] = None,
                          product_id: Optional[str] = None,
                          start_date: Optional[str] = None,
@@ -18,7 +19,7 @@ def load_multi_store_data(file_path: str = 'data/timeseries_training_data_sample
     加载多店铺销售数据，支持按店铺、产品、时间范围过滤
     
     参数:
-    file_path: 数据文件路径 (支持 .csv, .xlsx, .parquet)
+    file_path: 数据文件路径 (支持 .csv, .xlsx, .parquet)。如果为None，则使用config中定义的默认路径。
     store_id: 店铺ID，为None时返回所有店铺数据
     product_id: 产品ID，为None时返回所有产品数据
     start_date: 开始日期 (YYYY-MM-DD)
@@ -28,43 +29,27 @@ def load_multi_store_data(file_path: str = 'data/timeseries_training_data_sample
     DataFrame: 过滤后的销售数据
     """
     
-    # 尝试多个可能的文件路径
+    # 如果未提供文件路径，则使用配置文件中的默认路径
-    # 获取当前脚本所在的目录
+    if file_path is None:
-    current_dir = os.path.dirname(os.path.abspath(__file__))
+        file_path = DEFAULT_DATA_PATH
-    # 假设项目根目录是 server/utils 的上两级目录
-    project_root = os.path.abspath(os.path.join(current_dir, '..', '..'))
-    
-    possible_paths = [
-        file_path, # 相对路径 (如果从根目录运行)
-        os.path.join(project_root, file_path), # 基于项目根目录的绝对路径
-        os.path.join('..', file_path), # 相对路径 (如果从 server 目录运行)
-        os.path.join('server', file_path) # 相对路径 (如果从根目录运行，但路径错误)
-    ]
-    
-    df = None
-    loaded_path = None
-    for path in possible_paths:
-        try:
-            if not os.path.exists(path):
-                continue
 
-            if path.endswith('.csv'):
+    if not os.path.exists(file_path):
-                df = pd.read_csv(path)
+        raise FileNotFoundError(f"数据文件不存在: {file_path}")
-            elif path.endswith('.xlsx'):
+
-                df = pd.read_excel(path)
+    try:
-            elif path.endswith('.parquet'):
+        if file_path.endswith('.csv'):
-                df = pd.read_parquet(path)
+            df = pd.read_csv(file_path)
-            
+        elif file_path.endswith('.xlsx'):
-            if df is not None:
+            df = pd.read_excel(file_path)
-                loaded_path = path
+        elif file_path.endswith('.parquet'):
-                print(f"成功加载数据文件: {loaded_path}")
+            df = pd.read_parquet(file_path)
-                break
+        else:
-        except Exception as e:
+            raise ValueError(f"不支持的文件格式: {file_path}")
-            print(f"加载文件 {path} 失败: {e}")
+        
-            continue
+        print(f"成功加载数据文件: {file_path}")
-    
+    except Exception as e:
-    if df is None:
+        print(f"加载文件 {file_path} 失败: {e}")
-        raise FileNotFoundError(f"无法找到或加载数据文件，尝试的路径: {possible_paths}")
+        raise
     
     # 按店铺过滤
     if store_id:
@@ -192,7 +177,7 @@ def standardize_column_names(df: pd.DataFrame) -> pd.DataFrame:
     
     return df
 
-def get_available_stores(file_path: str = 'data/timeseries_training_data_sample_10s50p.parquet') -> List[Dict[str, Any]]:
+def get_available_stores(file_path: str = None) -> List[Dict[str, Any]]:
     """
     获取可用的店铺列表
     
@@ -229,7 +214,7 @@ def get_available_stores(file_path: str = 'data/timeseries_training_data_sample_
         print(f"获取店铺列表失败: {e}")
         return []
 
-def get_available_products(file_path: str = 'data/timeseries_training_data_sample_10s50p.parquet',
+def get_available_products(file_path: str = None,
                          store_id: Optional[str] = None) -> List[Dict[str, Any]]:
     """
     获取可用的产品列表
@@ -260,7 +245,7 @@ def get_available_products(file_path: str = 'data/timeseries_training_data_sampl
 
 def get_store_product_sales_data(store_id: str,
                                product_id: str,
-                               file_path: str = 'data/timeseries_training_data_sample_10s50p.parquet') -> pd.DataFrame:
+                               file_path: str = None) -> pd.DataFrame:
     """
     获取特定店铺和产品的销售数据，用于模型训练
     
@@ -305,7 +290,7 @@ def get_store_product_sales_data(store_id: str,
 def aggregate_multi_store_data(product_id: Optional[str] = None,
                               store_id: Optional[str] = None,
                               aggregation_method: str = 'sum',
-                              file_path: str = 'data/timeseries_training_data_sample_10s50p.parquet') -> pd.DataFrame:
+                              file_path: str = None) -> pd.DataFrame:
     """
     聚合销售数据，可按产品（全局）或按店铺（所有产品）
     
@@ -393,7 +378,7 @@ def aggregate_multi_store_data(product_id: Optional[str] = None,
     # 返回只包含这些必需列的DataFrame
     return aggregated_df[existing_columns]
 
-def get_sales_statistics(file_path: str = 'data/timeseries_training_data_sample_10s50p.parquet',
+def get_sales_statistics(file_path: str = None,
                         store_id: Optional[str] = None,
                         product_id: Optional[str] = None) -> Dict[str, Any]:
     """
@@ -432,7 +417,7 @@ def get_sales_statistics(file_path: str = 'data/timeseries_training_data_sample_
         return {'error': str(e)}
 
 # 向后兼容的函数
-def load_data(file_path='pharmacy_sales.xlsx', store_id=None):
+def load_data(file_path=None, store_id=None):
     """
     向后兼容的数据加载函数
     """

xz修改记录日志和启动依赖.md

@@ -1,3 +1,11 @@
+### 根目录启动
+`uv pip install loguru numpy pandas torch matplotlib flask flask_cors flask_socketio flasgger scikit-learn tqdm pytorch_tcn`
+
+### UI
+`npm install` `npm run dev`
+
+
+
 # “预测分析”模块UI重构修改记录
 
 **任务目标**: 将原有的、通过下拉菜单切换模式的单一预测页面，重构为通过左侧子导航切换模式的多页面布局，使其UI结构与“模型训练”模块保持一致。
@@ -660,4 +668,91 @@
 
 
 
-**按药品模型预测**
+**按药品模型预测**
+---
+**日期**: 2025-07-14
+**主题**: 修复导航菜单高亮问题
+
+### 描述
+修复了首次进入或刷新页面时，左侧导航菜单项与当前路由不匹配导致不高亮的问题。
+
+### 主要改动
+*   **文件**: `UI/src/App.vue`
+*   **修改**:
+    1.  引入 `useRoute` 和 `computed`。
+    2.  创建了一个计算属性 `activeMenu`，其值动态地等于当前路由的路径 (`route.path`)。
+    3.  将 `el-menu` 组件的 `:default-active` 属性绑定到 `activeMenu`。
+
+### 结果
+确保了导航菜单的高亮状态始终与当前页面的URL保持同步。
+
+---
+**日期**: 2025-07-15
+**主题**: 修复硬编码文件路径问题，提高项目可移植性
+
+### 问题描述
+项目在从一台计算机迁移到另一台时，由于数据文件路径被硬编码在代码中，导致程序无法找到数据文件而运行失败。
+
+### 根本原因
+多个Python文件（`predictor.py`, `multi_store_data_utils.py`）中直接写入了相对路径 `'data/timeseries_training_data_sample_10s50p.parquet'` 作为默认值。这种方式在不同运行环境下（如从根目录运行 vs 从子目录运行）会产生路径解析错误。
+
+### 解决方案：集中配置，统一管理
+1.  **修改 `server/core/config.py` (核心)**:
+    *   动态计算并定义了一个全局变量 `PROJECT_ROOT`，它始终指向项目的根目录。
+    *   基于 `PROJECT_ROOT`，使用 `os.path.join` 创建了一个跨平台的、绝对的默认数据路径 `DEFAULT_DATA_PATH` 和模型保存路径 `DEFAULT_MODEL_DIR`。
+    *   这确保了无论从哪个位置执行代码，路径总能被正确解析。
+
+2.  **修改 `server/utils/multi_store_data_utils.py`**:
+    *   从 `server/core/config` 导入 `DEFAULT_DATA_PATH`。
+    *   将所有数据加载函数的 `file_path` 参数的默认值从硬编码的字符串改为 `None`。
+    *   在函数内部，如果 `file_path` 为 `None`，则自动使用导入的 `DEFAULT_DATA_PATH`。
+    *   移除了原有的、复杂的、为了猜测正确路径而编写的冗余代码。
+
+3.  **修改 `server/core/predictor.py`**:
+    *   同样从 `server/core/config` 导入 `DEFAULT_DATA_PATH`。
+    *   在初始化 `PharmacyPredictor` 时，如果未提供数据路径，则使用导入的 `DEFAULT_DATA_PATH` 作为默认值。
+
+### 最终结果
+通过将数据源路径集中到唯一的配置文件中进行管理，彻底解决了因硬编码路径导致的可移植性问题。项目现在可以在任何环境下可靠地运行。
+
+---
+### 未来如何修改数据源（例如，连接到服务器数据库）
+
+本次重构为将来更换数据源打下了坚实的基础。操作非常简单：
+
+1.  **定位配置文件**: 打开 `server/core/config.py` 文件。
+
+2.  **修改数据源定义**:
+    *   **当前 (文件)**:
+        ```python
+        DEFAULT_DATA_PATH = os.path.join(PROJECT_ROOT, 'data', 'timeseries_training_data_sample_10s50p.parquet')
+        ```
+    *   **未来 (数据库示例)**:
+        您可以将这行替换为数据库连接字符串，或者添加新的数据库配置变量。例如：
+        ```python
+        # 注释掉或删除旧的文件路径配置
+        # DEFAULT_DATA_PATH = ...
+
+        # 新增数据库连接配置
+        DATABASE_URL = "postgresql://user:password@your_server_ip:5432/your_database_name"
+        ```
+
+3.  **修改数据加载逻辑**:
+    *   **定位数据加载函数**: 打开 `server/utils/multi_store_data_utils.py`。
+    *   **修改 `load_multi_store_data` 函数**:
+        *   引入数据库连接库（如 `sqlalchemy` 或 `psycopg2`）。
+        *   修改函数逻辑，使其使用 `config.py` 中的 `DATABASE_URL` 来连接数据库，并执行SQL查询来获取数据，而不是读取文件。
+        *   **示例**:
+            ```python
+            from sqlalchemy import create_engine
+            from core.config import DATABASE_URL # 导入新的数据库配置
+
+            def load_multi_store_data(...):
+                # ...
+                engine = create_engine(DATABASE_URL)
+                query = "SELECT * FROM sales_data" # 根据需要构建查询
+                df = pd.read_sql(query, engine)
+                # ... 后续处理逻辑保持不变 ...
+            ```
+
+通过以上步骤，您就可以在不改动项目其他任何部分的情况下，轻松地将数据源从本地文件切换到服务器数据库。