教案34 电商平台店铺可视化动态看板

厦门电子职业中专学校教案纸第1页学科数据分析与可视化第五章电商平台店铺分析结果展示及调优电商平台店铺可视化动态看板检查授课班级授课时数2教具计算机、投影仪多媒体教学网络授课时间教学方法授课、投影仪演示及上机操作教学目的1.掌握可视化动态看板的意义和作用。2.掌握动态看板的展示策略。3.掌握动态看板的实现方法。 4.能够使用Matplotlib和PyEcharts绘制和定制各种类型的图表。5.具备优化数据可视化展示效果的能力，包括提升图表的可读性、信息传递效率和专业度。6.能够设计电商平台店铺的可视化动态看板，整合多个图表进行综合展示。7.通过电商平台数据可视化案例，引导学生思考数据在商业决策中的价值。8.培养学生的创新意识和团队协作精神。教学重点和难点重点：1.matplotlib库的subplot函数的使用。2.动态看板中数据图表的设计和布局。难点：1.理解subplot函数的参数设置及其对子图布局的影响。2.动态看板中数据的整合和图表的协调性。复习提问1.我们之前讨论了哪些数据类型在电商平台店铺分析中最为常见？并请举例说明这些数据类型在店铺运营中的作用。教学内容、方法、过程和板书设计教学追记【复习引入】引入：展示电商平台动态看板的案例，提出数据可视化在商业分析中的重要性。一、动态看板的意义和作用教案纸附页第2页教学内容、方法、过程和板书设计教学追记1.讲解动态看板在电商平台店铺分析中的核心地位，如何实时、直观地呈现关键指标，助力快速决策。2.分析不同层级的用户（如管理层、运营人员、数据分析师）如何通过动态看板获取所需信息。二、动态看板的展示策略1.强调数据分类和层次结构的重要性，通过树状图、仪表板等形式展示。2.讨论如何通过颜色、动画等视觉元素突出重要信息，提升用户体验。【新课教学】电商平台店铺可视化动态看板在matplotlib中，使用subplot来创建子图是一种非常常用的方法，尤其当你需要在一个单一的窗口中组织和比较多个图表时。subplot允许我们在一个画布上放置多个绘图区域，每个Axes都是一个独立的图表，可以有自己的数据、标题、坐标轴标签、颜色和其他属性。当使用pyplot.subplot()函数或pyplot.subplots()方法创建子图时，subplot()函数需要三个参数：nrows,ncols,和index，分别代表子图的总行数、总列数以及您想要操作的子图的位置（从1开始计数）。例如，plt.subplot(2,2,3)会在一个2x2的子图网格中选择第三个子图（即第二行第一列）。以下我们使用subplot功能来将之前的电商展示结果汇总在看板中：fig=plt.figure(figsize=(16,12))a1=fig.add_subplot(2,1,1)plt.title('各层级客户总消费额度占比',fontsize=24,color='tomato')教案纸附页第3页教学内容、方法、过程和板书设计教学追记plt.ylabel('各\n层\n级\n客\n户\n总\n消\n费\n额\n度',rotation=0,fontsize=14,color='tomato')plt.xticks(color='steelblue',fontsize=13)plt.yticks(color='steelblue',fontsize=13)plt.bar(bb['客户等级'],bb['该层级客户总消费额度'],width=0.6,alpha=0.6,color='lightseagreen',label='该层级客户消费额度')forx,yinenumerate(bb['该层级客户总消费额度']):plt.text(x-0.3,y*1.02,'%.2f'%y,color='tomato',fontsize=13)plt.legend(bbox_to_anchor=(0,-0.1,1,1))plt.twinx()#在次坐标轴上绘制折线图plt.plot(bb['客户等级'],bb['该层级客户总消费累计百分比'],label='累计百分比',c='gold',marker='o',markersize=6,linestyle='-.',linewidth=3)forx,yinenumerate(bb['该层级客户总消费累计百分比']):plt.text(x-0.2,y+1,'%.2f'%y,color='tomato',fontsize=13)plt.ylabel('累\n计\n百\n分\n比',rotation=0,fontsize=14,color='tomato')教案纸附页第4页教学内容、方法、过程和板书设计教学追记plt.legend(bbox_to_anchor=(0,-0.15,1,1))a2=fig.add_subplot(2,2,3)plt.barh(data_cus['客户名称'],data_cus['销售额'],color=data_cus['颜色'])fory,xinenumerate(data_cus['销售额'].values):plt.text(x,y,'%.2f'%x,fontsize=12,c='black')plt.xlabel('销售额【万元】',fontsize=14)plt.ylabel('客\n户\n名\n称',rotation=0,fontsize=14)plt.title('客户贡献销售额情况',fontsize=18)plt.grid(ls='-.',lw=0.5)a3=fig.add_subplot(2,2,4)yanse=[plt.cm.Spectral(i/float(len(bb['该层级客户人数'])))foriinrange(len(bb['该层级客户人数']))]plt.pie(bb['该层级客户人数'],#labels=bt['国内地区'],#explode=[0.02,0.02,0.02,0.02,0.1,0.02],#饼与饼之间的间距，有几块就要设置几个数值教案纸附页第5页教学内容、方法、过程和板书设计教学追记wedgeprops={'linewidth':1,'edgecolor':'black'},#边框线设置textprops={'fontsize':12,'color':'k'},#文本标签设置#colors=['hotpink','skyblue','lightgreen','lightsalmon','tomato','gold'],#设置每块饼都的颜色colors=yanse,autopct='%.2f%%')#设置数值的显示格式plt.title('国内地区销售额占比情况',fontsize=18,c='darkblue')plt.legend(bb['客户等级'],#输入数据title="地区",#图例的标题fontsize=12,loc="centerleft",bbox_to_anchor=(1,0,0.5,1))plt.show()以下是代码运行的结果：教案纸附页第6页教学内容、方法、过程和板书设计教学追记如上图所示，我们通过代码添加了第三个子图。其中，fig=plt.figure(figsize=(16,12))这一行创建了一个新的Figure对象，它将作为所有子图的容器。figsize=(16,12)参数指定了整个图形的宽度和高度，单位是英寸。在这个例子中，图形的大小被设置为16英寸宽和12英寸高。add_subplot(2,2,4)的参数中，第一个参数2表示子图排列的行数；第二个参数2表示子图排列的列数；第三个参数4表示子图的位置，这里表示的是第四个位置（即第二行第二列），其他两张图的参数也是同样的位置设置的作用。总的来说，看板展示方式清晰直观，易于对结果进行对比分析，同时其紧凑的涉及可以在有限的空间内展示大量的信息。非常适合商业环境下的数据分析和决策支持的综合展现。【课堂拓展】教案纸附页第7页教学内容、方法、过程和板书设计教学追记在数据分析的过程中，除了使用基本的图表展示数据，我们还可以采用更多的高级可视化技术来深入挖掘数据中的隐藏信息。例如，我们可以利用热力图（Heatmap）来展示数据之间的相关性，或者使用散点图（ScatterPlot）和折线图（LineChart）来追踪数据随时间的变化趋势。对于热力图来说，它可以用来展示二维数据矩阵，其中颜色深浅表示数据值的大小。通过热力图，我们可以迅速发现哪些变量之间存在强相关性，这对于特征选择、模型优化等任务非常有帮助。而散点图和折线图则更适用于时间序列数据的分析。散点图可以展示两个变量之间的关系，而折线图则可以清晰地展示数据随时间的变化趋势。这对于分析销售数据、股票价格等时间序列数据非常有用。此外，我们还可以使用交互式图表来增强数据可视化的效果。例如，使用Plotly、Bokeh等库可以创建交互式的图表，用户可以通过鼠标拖动、缩放等操作来探索数据。这种交互式的图表