Q4权威发布甘肃小团排名前六

好的，我们来一起设计一个功能完整、界面友好的智能体重管理助手。

这个助手将不仅是一个记录工具，更是一个能提供个性化反馈和指导的“健康伙伴”。我们将使用 Python 语言和 Streamlit 框架来构建，因为它能快速创建漂亮的交互式Web应用，非常适合数据展示和工具类应用。

---

项目名称：智衡 - 智能体重管理助手

核心功能模块

我们将从四个核心维度来设计：

1. 数据追踪：记录体重、体脂率、腰围等关键指标。

2. 智能分析：根据历史数据计算趋势、BMI，并生成可视化图表。

3. 个性化目标：设定目标体重，计算每日热量缺口建议。

4. 健康洞察：基于数据提供简单的、鼓励性的建议和里程碑提醒。

---

技术栈

语言: Python 3.8+

Web框架: Streamlit

数据处理: Pandas

图表绘制: Plotly (交互式图表)

数据存储: 本地CSV文件（便于演示和轻量级使用）

---

代码实现

我们将代码拆分成几个逻辑清晰的部分，方便理解和维护。

1. 环境准备与依赖安装

首先，确保你安装了必要的库。

```bash

pip install streamlit pandas plotly

```

2. 主程序代码 (`app.py`)

```python

import streamlit as st

import pandas as pd

import plotly.graph_objects as go

import plotly.express as px

from datetime import datetime, timedelta

import os

import numpy as np

-------------------------------

页面配置与全局设置

-------------------------------

st.set_page_config(

page_title="智衡 - 智能体重管理",

page_icon="⚖️",

layout="wide",

initial_sidebar_state="expanded"

)

数据文件路径

DATA_FILE = "weight_data.csv"

-------------------------------

数据管理模块

-------------------------------

def load_data():

"""加载数据，如果文件不存在则返回空DataFrame"""

if os.path.exists(DATA_FILE):

df = pd.read_csv(DATA_FILE)

确保日期格式正确

df['date'] = pd.to_datetime(df['date']).dt.date

return df

else:

创建示例数据，便于演示

return create_sample_data()

def create_sample_data():

"""生成过去60天的模拟数据，方便首次体验"""

dates = [(datetime.now() - timedelta(days=i)).date() for i in range(60, -1, -1)]

weights = np.linspace(82, 78.5, len(dates)) + np.random.normal(0, 0.3, len(dates))

body_fats = np.linspace(28, 25.5, len(dates)) + np.random.normal(0, 0.5, len(dates))

waist = np.linspace(95, 90, len(dates)) + np.random.normal(0, 0.8, len(dates))

df = pd.DataFrame({

'date': dates,

'weight': weights.round(1),

'body_fat': body_fats.round(1),

'waist': waist.round(1)

})

df.to_csv(DATA_FILE, index=False)

return df

def save_data(df):

"""保存数据到CSV文件"""

df.to_csv(DATA_FILE, index=False)

def add_record(date, weight, body_fat, waist):

"""添加一条新记录"""

df = load_data()

检查日期是否已存在，如果存在则更新

if date in df['date'].astype(str).values:

st.warning("该日期已有记录，将更新原有数据。")

df.loc[df['date'].astype(str) == date, ['weight', 'body_fat', 'waist']] = [weight, body_fat, waist]

else:

new_row = pd.DataFrame({'date': [date], 'weight': [weight], 'body_fat': [body_fat], 'waist': [waist]})

df = pd.concat([df, new_row], ignore_index=True)

按日期排序

df = df.sort_values('date').reset_index(drop=True)

save_data(df)

return df

-------------------------------

计算与分析模块

-------------------------------

def calculate_bmi(weight_kg, height_cm):

"""计算BMI指数"""

height_m = height_cm 100

bmi = weight_kg (height_m 2)

return bmi

def get_bmi_category(bmi):

"""根据BMI值返回分类和健康建议"""

if bmi < 18.5:

return "偏瘦", "建议增加营养摄入，适当增肌。"

elif bmi < 24:

return "正常", "保持当前生活方式，注意均衡饮食。"

elif bmi < 28:

return "超重", "建议控制饮食，增加有氧运动。"

else:

return "肥胖", "建议制定科学减重计划，咨询专业人士。"

def calculate_trend(df, window=7):

"""计算移动平均趋势"""

df['weight_ma'] = df['weight'].rolling(window=window).mean()

df['body_fat_ma'] = df['body_fat'].rolling(window=window).mean()

return df

def get_weekly_change(df):

"""计算最近一周的体重变化"""

if len(df) >= 7:

recent = df.tail(7)

return recent.iloc[-1]['weight'] - recent.iloc[0]['weight']

return 0

-------------------------------

可视化模块

-------------------------------

def create_weight_chart(df):

"""创建体重趋势图"""

fig = go.Figure()

原始数据点

fig.add_trace(go.Scatter(

x=df['date'], y=df['weight'],

mode='markers',

name='每日体重',

marker=dict(size=6, color='lightblue')

))

移动平均线

if 'weight_ma' in df.columns:

fig.add_trace(go.Scatter(

x=df['date'], y=df['weight_ma'],

mode='lines',

name='7日均线',

line=dict(color='royalblue', width=3)

))

目标体重线（如果有设定）

if 'target_weight' in st.session_state:

fig.add_hline(y=st.session_state.target_weight,

line_dash="dash",

line_color="green",

annotation_text=f"目标 {st.session_state.target_weight}kg")

fig.update_layout(

title="