Data Analysis & Visualization

项目背景

数据分析与可视化课程设计要求完成多个真实数据集的分析任务。本项目包含三个独立的分析主题：淘宝电商数据分析、BOSS 直聘招聘数据分析，以及一个竞赛级别的舆情分析系统。

核心功能

• 淘宝电商分析：商品价格分布、销量趋势、品类对比、用户评价分析
• BOSS 直聘分析：岗位薪资分布、技能需求热力图、城市对比
• 舆情分析系统：文本采集、情感分类、趋势可视化（竞赛项目）
• 数据可视化：统计图表、热力图、词云、时间序列图

分析流程

graph LR
  A[Raw Data] --> B[Data Cleaning]
  B --> C[EDA]
  C --> D[Feature Engineering]
  D --> E[Visualization]
  E --> F[Insight Report]

  subgraph "Tools"
      G[Pandas] --> B
      H[Matplotlib] --> E
  I[Seaborn] --> E
  end

项目结构

data-analysis-course-design/
├── anylize.ipynb          # 数据分析主 Notebook（605KB）
├── taobao.ipynb           # 淘宝数据分析（519KB）
├── boos/                  # BOSS 直聘数据分析
├── 比赛项目.md            # 竞赛项目说明
├── 报告模板/              # 报告模板
└── README.md

分析内容

| 分析主题 | 数据来源 | 核心指标 | 可视化方式 | | ------------ | -------------- | -------------------- | ------------------ | | 淘宝电商 | 爬虫采集 | 价格、销量、评分 | 分布图、趋势图 | | BOSS 直聘 | 招聘平台 | 薪资、技能、城市 | 热力图、箱线图 | | 舆情分析 | 社交媒体 | 情感极性、传播路径 | 词云、时序图 |

效果展示

No screenshots yet. Add images to public/screenshots/data-analysis-course-design/.

技术要点

数据清洗

• 缺失值：均值/众数/插值填充
• 异常值：IQR 法检测与处理
• 数据类型转换与格式统一

可视化技巧

• Matplotlib：基础图表、子图布局、自定义样式
• Seaborn：统计图表、热力图、分布图
• 中文字体配置与图表美化

舆情分析系统（竞赛项目）

关联 GitHub 仓库：zhangjszs/A-_public_opinion_development_system_based_on_Python

• 文本采集与预处理
• 情感分析模型
• 舆情趋势可视化