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
打赏
0
0
0
0
239
分享
相关文章
Pandas数据应用:天气数据分析
本文介绍如何使用 Pandas 进行天气数据分析。Pandas 是一个强大的 Python 数据处理库,适合处理表格型数据。文章涵盖加载天气数据、处理缺失值、转换数据类型、时间序列分析(如滚动平均和重采样)等内容,并解决常见报错如 SettingWithCopyWarning、KeyError 和 TypeError。通过这些方法,帮助用户更好地进行气候趋势预测和决策。
139 71
从数据小白到大数据达人:一步步成为数据分析专家
从数据小白到大数据达人:一步步成为数据分析专家
228 92
数据团队必读:智能数据分析文档(DataV Note)五种高效工作模式
数据项目复杂,涉及代码、数据、运行环境等多部分。随着AI发展,数据科学团队面临挑战。协作式数据文档(如阿里云DataV Note)成为提升效率的关键工具。它支持跨角色协同、异构数据处理、多语言分析及高效沟通,帮助创建知识库,实现可重现的数据科学过程,并通过一键分享报告促进数据驱动决策。未来,大模型AI将进一步增强其功能,如智能绘图、总结探索、NLP2SQL/Python和AutoReport,为数据分析带来更多可能。
67 20
Pandas数据应用:电子商务数据分析
本文介绍如何使用 Pandas 进行电子商务数据分析,涵盖数据加载、清洗、预处理、分析与可视化。通过 `read_csv` 等函数加载数据,利用 `info()` 和 `describe()` 探索数据结构和统计信息。针对常见问题如缺失值、重复记录、异常值等,提供解决方案,如 `dropna()`、`drop_duplicates()` 和正则表达式处理。结合 Matplotlib 等库实现数据可视化,探讨内存不足和性能瓶颈的应对方法,并总结常见报错及解决策略,帮助提升电商企业的数据分析能力。
158 73
Pandas数据应用:医疗数据分析
Pandas是Python中强大的数据操作和分析库,广泛应用于医疗数据分析。本文介绍了使用Pandas进行医疗数据分析的常见问题及解决方案,涵盖数据导入、预处理、清洗、转换、可视化等方面。通过解决文件路径错误、编码不匹配、缺失值处理、异常值识别、分类变量编码等问题,结合Matplotlib等工具实现数据可视化,并提供了解决常见报错的方法。掌握这些技巧可以提高医疗数据分析的效率和准确性。
85 22
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
196 56
Pandas数据应用:股票数据分析
本文介绍了如何使用Pandas库进行股票数据分析。首先,通过pip安装并导入Pandas库。接着,从本地CSV文件读取股票数据,并解决常见的解析错误。然后,利用head()、info()等函数查看数据基本信息,进行数据清洗,处理缺失值和重复数据。再者,结合Matplotlib和Seaborn进行数据可视化,绘制收盘价折线图。最后,进行时间序列分析,设置日期索引、重采样和计算移动平均线。通过这些步骤,帮助读者掌握Pandas在股票数据分析中的应用。
98 5
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。
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。

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等