助睿实验7-3：可视化探索

实验7-3可视化探索4.1 分析框架由于数据特点为内容同质化、平台固定、标题是主要差异来源因此分析聚焦于5个维度核心指标整体表现如何排名分析谁做得好什么内容做得好标题影响标题关键词如何影响数据趋势分析数据随时间如何变化平台对比B站与CSDN表现差异4.2 仪表盘布局采用“先总后分、左右对照”的布局顶部指标卡两行全平台概况 B站/CSDN分平台指标左右两栏左栏B站分析右栏CSDN分析每栏内部按“排名 → 标题分析 → 趋势”排列4.3 实验步骤关键图表制作步骤1-2连接数据源并构建数据集使用summary_all_platforms、content_analysis、title_feature_analysis三张表构建3个数据集。步骤3制作工作表1核心指标卡指标卡 数据源 配置要点全平台作品数 全平台概况 求和所有平台content_count分发平台数 全平台概况 平台去重计数全平台总浏览数 全平台概况 求和total_views全平台总互动数 全平台概况 求和总互动需计算字段B站作品数 全平台概况 平台B站 的计数CSDN作品数 全平台概况 平台CSDN 的计数B站总播放量 全平台概况 平台B站 的求和viewsCSDN总阅读量 全平台概况 平台CSDN 的求和views2排名图表B站/CSDN学生平均播放量排名TOP10维度作者名称指标平均值(浏览数量)B站/CSDN作品播放量排名TOP10维度作品标题指标浏览数量3标题影响分析提升倍率条形图分别计算含某关键词的平均播放量 ÷ 整体平均播放量标题特征对比柱状图含关键词vs不含关键词的平均互动对比含整体平均线4趋势分析B站每日播放量趋势折线图维度日期指标求和(浏览数量)CSDN每日阅读量趋势折线图同上五、核心知识点总结知识点 说明多条件过滤 使用AND/OR组合实现“平台有效记录”双重过滤缺失值处理 统一填充默认值如“未知”避免计算异常宽表设计 一次清洗、多次使用支撑后续全部分析JavaScript代码组件 用于文本关键词自动标注实现特征工程插入/更新 vs 表输出 按主键更新避免重复数据分支处理 常量标识 多分支聚合后通过常量标签区分不同分组指标卡设计 核心KPI突出展示让读者几秒内建立整体认知排名标题趋势组合 从“谁做得好”到“为什么好”再到“规律如何”的完整分析链提升倍率计算 量化标题关键词的实际影响含该词平均 ÷ 整体平均