大数据可视化 课件 项目4 PyEcharts实战.pptx

项目四：—PyEcharts实战（用户行为数据可视化）

目录CONTENTS项目概述学习目标任务4.1 ***用户行为数据分析任务4.2 可视化大屏应用思考与练习

1项目概述

项目概述本项目将致力于使用用户行为数据绘制可视化大屏。用户行为数据是企业运营过程中的重要参考依据，通常会在数据仓库系统中进行分析，生成用户行为数据指标，并通过报表和可视化大屏等工具展示出来。在大数据时代，不管销售什么商品，都会涉及到对用户行为数据的分析。分析用户行为数据的结果可以帮助企业了解用户的消费习惯和偏好，并根据分析结果改进营销策略和完善产品。本项目将解析用户行为数据指标，重点是使用PyEcharts将用户行为数据分析结果绘制成大数据可视化大屏，虽然不涉及用户行为数据分析，但读者仍能对此有所了解。由于仅使用PyEcharts进行可视化大屏绘制，并未使用前端组件，所以与常见的可视化产品的效果略有不同。本项目具体工作如下：用户行为数据分析指标介绍；用户行为数据集简介；针对不同指标数据绘制图表构成可视化大屏。

2学习目标

学习目标通过学习本项目的知识，了解用户行为数据分析项目，并对PyEcharts技术有扎实的了解，学会灵活使用PyEcharts配置项，并掌握使用PyEcharts绘制地图、直方图、散点图、折线图等图表，以及可视化大屏的绘制技术。具备PyEcharts大数据可视化的基本技能，拓展大数据专业学习视野。

3任务4.1 ***用户行为数据分析

任务描述经过前面几个项目的学习，对如何使用PyEcharts进行大数据可视化有了一定的了解，但是对于实际的业务应用场景还有所欠缺。本任务是基于对PyEcharts的理解，使用PyEcharts对用户行为数据进行可视化分析实践。通过这个任务，可以理解用户行为数据分析指标，将所学知识应用到实际业务场景中，通过实践激发学习兴趣。完成本任务需要掌握用户行为数据指标体系，了解为何要做用户行为数据分析，如何做用户行为数据分析，并使用PyEcharts根据用户行为数据分析指标结果绘制可视化大屏，通过学习用户行为数据可视化大屏案例，加深对PyEcharts的应用理解。

知识与技能一、什么是用户行为数据用户行为数据在绝大多数情况下，就是在用户使用APP、浏览网页过程中的日志数据。以电商为例，日志数据又分为页面数据、事件数据、曝光数据、启动数据和错误数据。页面数据：主要记录用户在一个页面中的访问情况，如访问时间、停留时间、访问路径等信息。事件数据：主要记录应用中具体的操作行为，包括操作类型、操作对象、操作对象描述等信息，如电商点击商品、添加收藏等。曝光数据：使用APP时在首页区域滚动的界面，主要记录页面曝光的内容，包括曝光对象、曝光类型等。启动数据：启动APP时显示的信息，一般是一些广告信息，或者活动信息。错误数据：主要记录应用在使用过程中产生的错误信息。

知识与技能二、用户行为数据从哪里来用户行为数据一般都来源于用户的使用日志数据，而日志数据是怎么产生的呢？一般而言，日志数据是采用页面埋点的方式获取的。不同的日志结构可能会有所区别，但是涉及用户行为数据的大同小异。一般含有地区编码、手机品牌、渠道、手机型号、操作系统、动作id、事件时间、用户标识等。

知识与技能三、用户行为数据指标体系统计周期指标说明最近1日PVpageview，页面点击量最近1日UVuniqueview，独立访客统计周期统计粒度指标最近1/7/30日渠道访客数最近1/7/30日渠道会话平均停留时长最近1/7/30日渠道会话平均浏览页面数最近1/7/30日渠道会话总数最近1/7/30日渠道跳出率统计周期指标说明最近1天流失用户数之前活跃过的用户，最近一段时间未活跃，就称为流失用户。（统计每天的前7天）

知识与技能统计周期指标说明最近1日回流用户数之前的活跃用户，一段时间未活跃，今日又活跃了，就称为回流用户。统计周期指标说明最近1日留存率统计每天的1-7日留存率或者每天的1-30日留存率，统计的是新增留存率统计周期指标最近1、7、30日新增用户数最近1、7、30日活跃用户数统计周期指标最近1、7、30日选择人数最近1、7、30日扫码人数最近1、7、30日领取人数统计周期统计粒度指标最近1、7、30日年龄段下单人数

环境安装一、Ubuntu20.4安装Step1卸载自带python在Ubuntu中，通常会预装Python2.x和Python3.x版本。如果您想要完全卸载所有现有的Python版本，可以使用以下命令：```sudoapt-getremove--purgepython2.7-minimalpython2.7sudoapt-g