当前位置：首页 > news >正文

毕业设计做一个网站怎么做网站模板双语

news 2025/11/12 13:09:58

毕业设计做一个网站怎么做,网站模板双语,免费服务器虚拟化,老酒街 wordpress🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN…

🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

在这里插入图片描述

【数据可视化-70】奶茶店销量数据可视化：打造炫酷黑金风格的可视化大屏

- 一、引言
- 二、数据准备
- 三、图表设计
- 四、完整代码实现
- - 4.1 时间轴销量脉冲折线
  - 4.2 商品销量 TOP8 3D 柱状轮播
  - 4.3 天气 vs 销量热力矩阵
  - 4.4 周末/促销对销量的玫瑰冲击
  - 4.5 销售额 & 客单价双 Y 轴联动折线
  - 4.6 商品销量的词云图
  - 4.7 组合大屏
- 五、总结

一、引言

在数据分析的世界里，数据可视化不仅仅是将数据转化为图形，更是一种艺术和科学的结合。今天，我们将使用 Python 和 Pyecharts 来打造一个炫酷的黑金风格的可视化大屏，展示奶茶店的销售数据。这个大屏将包含多个图表，每个图表都以其独特的方式揭示数据中的洞察。

二、数据准备

首先，我们需要准备数据。假设你已经有一个名为 奶茶店每日订单.csv 的文件，包含以下字段：日期、星期、商品、天气、是否周末、是否促销、销量、客单价 和 销售额。我们将使用 Python 的 Pandas 库来读取和处理这些数据。

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.globals import ThemeType, SymbolType
from pyecharts.commons.utils import JsCode
# 1️⃣ 读取数据
df = pd.read_csv('奶茶店每日订单.csv', parse_dates=['日期'])# 2️⃣ 数据预处理
df['月份'] = df['日期'].dt.month_name()
df['星期'] = df['星期'].astype('category').cat.reorder_categories(['周一','周二','周三','周四','周五','周六','周日'], ordered=True)# 3️⃣ 计算聚合指标
# 3.1 日期维度
daily = df.groupby('日期').agg({'销量':'sum','销售额':'sum'}).reset_index()# 3.2 商品维度
item_top8 = (df.groupby('商品').agg({'销量':'sum','销售额':'sum'}).sort_values('销量', ascending=False).head(8).reset_index())
item = (df.groupby('商品').agg({'销量':'sum','销售额':'sum'}).sort_values('销量', ascending=False).reset_index())
# 3.3 天气维度
weather = df.groupby(['天气','商品'])['销量'].sum().reset_index()
weather_matrix = weather.pivot(index='商品', columns='天气', values='销量').fillna(0)# 3.4 周末/促销
weekend_promo = df.groupby(['是否周末','是否促销'])['销量'].sum().reset_index()

三、图表设计

我们将设计以下六个图表：

时间轴销量脉冲折线：展示每天的销量变化，背景为黑色，折线为荧光绿。
商品销量 TOP8 3D 柱状轮播：展示销量最高的前 8 种商品。
天气 vs 销量热力矩阵：展示不同天气条件下各商品的销量。
周末/促销对销量的玫瑰冲击：展示周末和促销对销量的影响。
销售额 & 客单价双 Y 轴联动折线：展示销售额和客单价的变化。
商品销量的词云图：展示各商品的销量分布。

四、完整代码实现

4.1 时间轴销量脉冲折线

# 4.1 时间脉冲折线（黑金荧光绿）
line_time = (Line(init_opts=opts.InitOpts(width='100%', height='300px', theme=ThemeType.DARK)).add_xaxis(daily['日期'].dt.strftime('%m-%d').tolist()).add_yaxis('销量', daily['销量'].tolist(),is_smooth=True,linestyle_opts=opts.LineStyleOpts(width=3, color='#39FF14'),itemstyle_opts=opts.ItemStyleOpts(color='#39FF14')).set_global_opts(title_opts=opts.TitleOpts(title='销量时间脉冲', subtitle='黑底荧光绿'),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45, color='#fff')),yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#fff')),legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color='#fff')))
)

4.2 商品销量 TOP8 3D 柱状轮播

bar3d = (Bar3D(init_opts=opts.InitOpts(width='100%', height='400px', theme=ThemeType.DARK)).add('',[[i, j, int(item_top8.iloc[i]['销量'])] for i in range(8) for j in range(1)],xaxis3d_opts=opts.Axis3DOpts(type_='category', data=item_top8['商品'].tolist()),yaxis3d_opts=opts.Axis3DOpts(type_='category', data=['销量']),zaxis3d_opts=opts.Axis3DOpts(type_='value'),).set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=item_top8['销量'].max(),range_color=['#1E1E1E', '#FF00FF']),title_opts=opts.TitleOpts(title='商品销量 TOP8 3D'))
)

4.3 天气 vs 销量热力矩阵

heat = (HeatMap(init_opts=opts.InitOpts(width='100%', height='600px', theme=ThemeType.DARK,bg_color='rgba(5,10,20,0.9)',page_title="天气与商品销量热力图")).add_xaxis(weather_matrix.columns.tolist()).add_yaxis(series_name="销量",yaxis_data=weather_matrix.index.tolist(),value=[[j, i, int(weather_matrix.iloc[i, j])] for i in range(len(weather_matrix)) for j in range(len(weather_matrix.columns))],label_opts=opts.LabelOpts(is_show=True, color='#fff', font_size=10)).set_global_opts(title_opts=opts.TitleOpts(title="天气 vs 商品销量热力图",subtitle="数据来源：销售数据分析系统",title_textstyle_opts=opts.TextStyleOpts(color="#FFD700", font_size=24,font_weight="bold"),subtitle_textstyle_opts=opts.TextStyleOpts(color="#AAA", font_size=16),pos_left="center"),xaxis_opts=opts.AxisOpts(name="商品",name_textstyle_opts=opts.TextStyleOpts(color="#FFF"),axislabel_opts=opts.LabelOpts(color='#fff',rotate=45,interval=0,font_size=10),splitline_opts=opts.SplitLineOpts(is_show=True)),yaxis_opts=opts.AxisOpts(name="天气",name_textstyle_opts=opts.TextStyleOpts(color="#FFF"),axislabel_opts=opts.LabelOpts(color='#fff', font_size=12),splitline_opts=opts.SplitLineOpts(is_show=True)),visualmap_opts=opts.VisualMapOpts(is_show=True, orient='horizontal',pos_top='50px',pos_left='center',min_=1000,max_=5000,range_color=['#313695', '#4575b4', '#74add1', '#abd9e9', '#e0f3f8', '#ffffbf', '#fee090', '#fdae61', '#f46d43', '#d73027', '#a50026'],textstyle_opts=opts.TextStyleOpts(color="#FFF")),tooltip_opts=opts.TooltipOpts(formatter=JsCode("""function(params) {return '天气: ' + params.value[1] + '<br/>'+ '商品: ' + params.value[0] + '<br/>'+ '销量: ' + params.value[2];}""")),toolbox_opts=opts.ToolboxOpts(is_show=True,pos_left="right",feature={"saveAsImage": {"pixelRatio": 2, "title": "保存图片"},"dataView": {"title": "数据视图"},"restore": {"title": "重置"},"dataZoom": {"title": "区域缩放"}})).set_series_opts(itemstyle_opts={"borderColor": "#111","borderWidth": 1})
)

4.4 周末/促销对销量的玫瑰冲击

# 4.4 周末/促销玫瑰图
rose = (Pie(init_opts=opts.InitOpts(width='100%', height='400px', theme=ThemeType.DARK)).add('',[list(z) for z in zip([f'周末={w},促销={p}' for w, p in zip(weekend_promo['是否周末'], weekend_promo['是否促销'])],weekend_promo['销量'])],radius=['20%', '75%'],rosetype='radius',label_opts=opts.LabelOpts(is_show=True, formatter='{b}:{c}', color='#fff')).set_colors(['#FF00FF', '#00FFFF', '#FFFF00', '#39FF14']).set_global_opts(title_opts=opts.TitleOpts(title='周末/促销销量玫瑰'))
)

4.5 销售额 & 客单价双 Y 轴联动折线

# 4.5 销售额+客单价双 Y 轴
line_dual = (Line(init_opts=opts.InitOpts(width='100%', height='350px', theme=ThemeType.DARK)).add_xaxis(daily['日期'].dt.strftime('%m-%d').tolist()).add_yaxis('销售额', daily['销售额'].tolist(), yaxis_index=0,linestyle_opts=opts.LineStyleOpts(width=3, color='#FFFF00')).extend_axis(yaxis=opts.AxisOpts(name='客单价',type_='value',position='right',axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color='#00FFFF')),axislabel_opts=opts.LabelOpts(color='#00FFFF'))).add_yaxis('客单价', (daily['销售额']/daily['销量']).round(2).tolist(),yaxis_index=1,linestyle_opts=opts.LineStyleOpts(width=3, color='#00FFFF')).set_global_opts(title_opts=opts.TitleOpts(title='销售额 & 客单价双轴'),legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color='#fff')))
)

4.6 商品销量的词云图

words = [(row['商品'], int(row['销量'])) for _, row in item_top8.iterrows()]
wordcloud = (WordCloud(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add('', words, word_size_range=[20, 100],textstyle_opts=opts.TextStyleOpts(color='random')).set_global_opts(title_opts=opts.TitleOpts(title='销量词云'))
)

4.7 组合大屏

from pyecharts.charts import Page# 组合大屏
page = (Page(layout=Page.DraggablePageLayout, init_opts=opts.InitOpts(width='100%', height='100%', theme='dark')).add(line,bar3d,heat,rose,line_dual,wordcloud,).render('dashboard.html')
)