实验2 数据看板的设计与实现

实验2 数据看板的设计与实现一、实验名称数据看板的设计与实现二、实验学时2~4学时三、实验目的掌握数据看板的基本概念、核心功能与应用场景理解数据可视化了解看板在业务数据分析中的价值。熟悉看板设计原则与布局规范能够根据业务需求规划看板四大模块结构。根据业务数据选择合适可视化图表完成指标卡片、柱状图、饼图、折线图实现。完成从需求分析、版面设计、数据预处理到看板完整落地流程。实现基础动态视觉效果、页面自适应布局完成进阶任务1。四、实验环境硬件计算机、网络环境软件浏览器、PyCharm、Python第三方库Streamlit、Pandas、Plotly五、基础实验任务实现任务1看板需求分析与版面设计业务场景电商销售数据分析。看板划分四大区域数据概览区展示总销售额、总订单量、日均销售额核心指标卡片维度统计区各地区销售额柱状图、产品类别销售额占比饼图趋势分析区每日销售额变化折线图明细数据区展示原始销售明细表格。配色主色调蓝色辅助色橙色页面浅色背景。任务2实验数据准备与预处理使用模拟电商销售数据集sales_data.csv包含日期、地区、产品类别、销售额、订单量字段。数据预处理读取csv将日期转换为时间格式使用dropna剔除空值无效数据。任务3基础可视化图表搭建使用streamlit metric实现核心指标卡片plotly实现柱状图做分类对比、折线图展示时间趋势、饼图展示占比结构共4类可视化组件。任务4静态看板整合实现使用streamlit columns组件进行页面排版layoutwide开启宽屏布局use_container_width实现组件自适应将指标卡片、各类图表、数据表格整合在同一个页面完成静态看板。任务5实验结果验证与总结校验看板展示数据准确性页面布局整洁截图保存看板成果。st.title( 电商销售数据看板)st.markdown(---)dfpd.read_csv(sales_data.csv)df[日期]pd.to_datetime(df[日期])dfdf.dropna()total_salesdf[销售额].sum()total_orderdf[订单量].sum()avg_day_salesdf[销售额].mean()col1,col2,col3st.columns(3)withcol1:st.metric(label总销售额,valuef{total_sales:,.2f}元)withcol2:st.metric(label总订单量,valuef{total_order:,}单)withcol3:st.metric(label日均销售额,valuef{avg_day_sales:,.2f}元)st.markdown(---)col_a,col_bst.columns(2)area_salesdf.groupby(地区)[销售额].sum().reset_index()fig_barpx.bar(area_sales,x地区,y销售额,title各地区销售总额对比,color地区)col_a.plotly_chart(fig_bar,use_container_widthTrue)cat_salesdf.groupby(产品类别)[销售额].sum().reset_index()fig_piepx.pie(cat_sales,values销售额,names产品类别,title产品类别销售额占比)col_b.plotly_chart(fig_pie,use_container_widthTrue)st.markdown(---)day_salesdf.groupby(日期)[销售额].sum().reset_index()fig_linepx.line(day_sales,x日期,y销售额,title每日销售额变化趋势,markersTrue)st.plotly_chart(fig_line,use_container_widthTrue)st.markdown(---)st.subheader( 销售原始明细数据表)st.dataframe(df,use_container_widthTrue)