91 网站点击流数据分析案例(数据展示)

简介: 91 网站点击流数据分析案例(数据展示)

在企业的数据分析系统中,前端展现工具有很多

  • 独立部署专门系统的方式:以Business Objects(BO,Crystal Report),Heperion(Brio),Cognos等国外产品为代表的,它们的服务器是单独部署的,与应用程序之间通过某种协议沟通信息。
  • 有WEB程序展现方式:通过独立的或者嵌入式的java web系统来读取报表统计结果,以网页的形式对结果进行展现,如,100%纯Java的润乾报表。

本日志分析项目采用自己开发web程序展现的方式

  • Web展现程序采用的技术框架:
    Jquery + Echarts + springmvc + spring + mybatis + mysql
  • 展现的流程:
    1.使用sshmysql中读取要展现的数据
    2.使用json格式将读取到的数据返回给页面
    3.在页面上用echartsjson解析并形成图标

Web程序工程结构

采用maven管理工程,引入SSH框架依赖及jquery+echarts的js库

Web程序的实现代码

采用典型的MVC架构实现

页面 HTML + JQUERY + ECHARTS
Controller SpringMVC
Service Service
DAO Mybatis
数据库 Mysql

代码示例:ChartServiceImpl

@Service("chartService")
public class ChartServiceImpl implements IChartService {
  @Autowired
  IEchartsDao iEchartsDao;
  public EchartsData getChartsData() {
    List<Integer> xAxiesList = iEchartsDao.getXAxiesList("");
    List<Integer> pointsDataList = iEchartsDao.getPointsDataList("");
    EchartsData data = new EchartsData();
    ToolBox toolBox = EchartsOptionUtil.getToolBox();
    Serie serie = EchartsOptionUtil.getSerie(pointsDataList);
    ArrayList<Serie> series = new ArrayList<Serie>();
    series.add(serie);
    List<XAxi> xAxis = EchartsOptionUtil.getXAxis(xAxiesList);
    List<YAxi> yAxis = EchartsOptionUtil.getYAxis();
    HashMap<String, String> title = new HashMap<String, String>();
    title.put("text", "pvs");
    title.put("subtext", "超级pvs");
    HashMap<String, String> tooltip = new HashMap<String, String>();
    tooltip.put("trigger", "axis");
    HashMap<String, String[]> legend = new HashMap<String, String[]>();
    legend.put("data", new String[]{"pv统计"});
    data.setTitle(title);
    data.setTooltip(tooltip);
    data.setLegend(legend);
    data.setToolbox(toolBox);
    data.setCalculable(true);
    data.setxAxis(xAxis);
    data.setyAxis(yAxis);
    data.setSeries(series);
    return data;
  }
  public List<HashMap<String, Integer>> getGaiKuangList(String date) throws ParseException{
    HashMap<String, Integer> gaiKuangToday = iEchartsDao.getGaiKuang(date);
    SimpleDateFormat sf = new SimpleDateFormat("MMdd");
    Date parse = sf.parse(date);
    Calendar calendar = Calendar.getInstance();
    calendar.setTime(parse);
    calendar.add(Calendar.DAY_OF_MONTH, -1);
    Date before = calendar.getTime();
    String beforeString = sf.format(before);
    System.out.println(beforeString);
    HashMap<String, Integer> gaiKuangBefore = iEchartsDao.getGaiKuang(beforeString);
    ArrayList<HashMap<String, Integer>> gaiKuangList = new ArrayList<HashMap<String, Integer>>();
    gaiKuangList.add(gaiKuangToday);
    gaiKuangList.add(gaiKuangBefore);
    return gaiKuangList;
  }
  public static void main(String[] args) {
    ChartServiceImpl chartServiceImpl = new ChartServiceImpl();
    EchartsData chartsData = chartServiceImpl.getChartsData();
    Gson gson = new Gson();
    String json = gson.toJson(chartsData);
    System.out.println(json);
  }
}

Web程序的展现效果

1.网站概况

2.流量分析

3.来源分析

4.访客分析

目录
相关文章
|
3月前
|
数据挖掘 PyTorch TensorFlow
|
1月前
|
存储 机器学习/深度学习 数据可视化
数据集中存在大量的重复值,会对后续的数据分析和处理产生什么影响?
数据集中存在大量重复值可能会对后续的数据分析和处理产生多方面的负面影响
115 56
|
3天前
|
机器学习/深度学习 数据采集 DataWorks
数据分析经典案例重现:使用DataWorks Notebook 实现Kaggle竞赛之房价预测,成为数据分析大神!
Python是目前当之无愧的数据分析第一语言,大量的数据科学家使用Python来完成各种各样的数据科学任务。本文以Kaggle竞赛中的房价预测为例,结合DataWorks Notebook,完成数据加载、数据探索、数据可视化、数据清洗、特征分析、特征处理、机器学习、回归预测等步骤,主要Python工具是Pandas和SKLearn。本文中仅仅使用了线性回归这一最基本的机器学习模型,读者可以自行尝试其他更加复杂模型,比如随机森林、支持向量机、XGBoost等。
|
9天前
|
数据采集 监控 数据挖掘
常用电商商品数据API接口(item get)概述,数据分析以及上货
电商商品数据API接口(item get)是电商平台上用于提供商品详细信息的接口。这些接口允许开发者或系统以编程方式获取商品的详细信息,包括但不限于商品的标题、价格、库存、图片、销量、规格参数、用户评价等。这些信息对于电商业务来说至关重要,是商品数据分析、价格监控、上货策略制定等工作的基础。
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
某A保险公司的 数据图表和数据分析
某A保险公司的 数据图表和数据分析
67 0
某A保险公司的 数据图表和数据分析
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
66 0
|
3月前
|
机器学习/深度学习 数据挖掘 TensorFlow
🔍揭秘Python数据分析奥秘,TensorFlow助力解锁数据背后的亿万商机
【9月更文挑战第11天】在信息爆炸的时代,数据如沉睡的宝藏,等待发掘。Python以简洁的语法和丰富的库生态成为数据分析的首选,而TensorFlow则为深度学习赋能,助你洞察数据核心,解锁商机。通过Pandas库,我们可以轻松处理结构化数据,进行统计分析和可视化;TensorFlow则能构建复杂的神经网络模型,捕捉非线性关系,提升预测准确性。两者的结合,让你在商业竞争中脱颖而出,把握市场脉搏,释放数据的无限价值。以下是使用Pandas进行简单数据分析的示例:
51 5
|
3月前
|
机器学习/深度学习 数据挖掘 TensorFlow
从数据小白到AI专家:Python数据分析与TensorFlow/PyTorch深度学习的蜕变之路
【9月更文挑战第10天】从数据新手成长为AI专家,需先掌握Python基础语法,并学会使用NumPy和Pandas进行数据分析。接着,通过Matplotlib和Seaborn实现数据可视化,最后利用TensorFlow或PyTorch探索深度学习。这一过程涉及从数据清洗、可视化到构建神经网络的多个步骤,每一步都需不断实践与学习。借助Python的强大功能及各类库的支持,你能逐步解锁数据的深层价值。
76 0
|
4月前
|
SQL 数据挖掘 Serverless
SQL 窗口函数简直太厉害啦!复杂数据分析的超强利器,带你轻松攻克数据难题,快来一探究竟!
【8月更文挑战第31天】在数据驱动时代,高效处理和分析大量数据至关重要。SQL窗口函数可对一组行操作并返回结果集,无需分组即可保留原始行信息。本文将介绍窗口函数的分类、应用场景及最佳实践,助您掌握这一强大工具。例如,在销售数据分析中,可使用窗口函数计算累计销售额和移动平均销售额,更好地理解业务趋势。
94 0
|
4月前
|
SQL 数据可视化 数据挖掘
SQL 在数据分析中简直太牛啦!从数据提取到可视化,带你领略强大数据库语言的神奇魅力!
【8月更文挑战第31天】在数据驱动时代,SQL(Structured Query Language)作为强大的数据库查询语言,在数据分析中扮演着关键角色。它不仅能够高效准确地提取所需数据,还能通过丰富的函数和操作符对数据进行清洗与转换,确保其适用于进一步分析。借助 SQL 的聚合、分组及排序功能,用户可以从多角度深入分析数据,为企业决策提供有力支持。尽管 SQL 本身不支持数据可视化,但其查询结果可轻松导出至 Excel、Python、R 等工具中进行可视化处理,帮助用户更直观地理解数据。掌握 SQL 可显著提升数据分析效率,助力挖掘数据价值。
137 0