基于关联规则算法的超市数据分析可视化大屏

1、项目介绍

本项目旨在通过对超市销售数据的可视化展示与分析，帮助管理者更好地理解销售趋势、发现销售模式，并优化库存管理和营销策略。系统使用关联规则挖掘、时间序列分析等技术，对销售数据进行深入挖掘，生成多种可视化图表，提供直观的分析结果。

1.1 项目简介

本项目开发了一个基于Flask的web应用，通过对超市销售数据的分析与可视化展示，提供销售趋势、类别销售额统计、关联规则分析等多维度的销售数据洞察。系统界面友好，能够实时更新并展示最新的销售数据分析结果。

1.2 技术栈

• 后端：Flask

• 前端：HTML、CSS、JavaScript

• 数据处理：Pandas

• 数据可视化：Pyecharts等

• 数据存储：CSV文件

1.3 实现功能

1. 数据加载

   1. 从CSV文件加载销售数据，包括子类别销售总额、销售趋势数据、关联规则数据、节点边数据、大类别销售数据。

2. 数据可视化

   1. 条形图：展示支持度前10的关联规则。

   2. 饼图：展示子类别销售额统计。

   3. 折线图：展示销售金额和销售数量的趋势图。

   4. 置信度条形图：展示置信度前10的关联规则。

   5. 网络图：展示关联规则网络结构。

   6. 漏斗图：展示大类别销售数量。

3. Web展示

   1. 主页面展示所有图表，包括条形图、饼图、折线图、置信度条形图、网络图和漏斗图。

   2. 实时显示当前日期和时间。

   3. 采用响应式布局，适应不同屏幕大小。

1.4项目启动方式

本项目可以通过以下两种方式启动：

1.4.1 通过Jupyter Notebook启动

在Jupyter Notebook中运行以下代码块，可以启动Flask应用

1.4.2 通过PyCharm启动

或可以在PyCharm中可以直接运行app.py文件来启动Flask应用。具体步骤如下：

1. 打开PyCharm并加载项目。

2. 确保项目的虚拟环境已经激活，并安装了所有必要的依赖包。

3. 在项目目录中找到app.py文件。

4. 右键点击app.py文件，选择Run 'app'。

5. 查看PyCharm下方的控制台输出，确认Flask应用已经成功启动，并显示运行地址，例如：http://127.0.0.1:9999。

2、项目效果截图

3、运行视频

点击查看运行视频运行效果

4、核心代码

def create_line_chart(data):
    # 准备趋势图数据
    print(data.head())
    months = data['销售月份'].tolist()
    sales_amount = data['销售金额'].tolist()
    sales_quantity = data['销售数量'].tolist()

    line = (
        Line(init_opts=opts.InitOpts(width="550px", height="200px"))
        .add_xaxis(months)
        .add_yaxis("销售金额（万元）", sales_amount, yaxis_index=0, label_opts=opts.LabelOpts(is_show=False))
        .add_yaxis("销售数量（万件）", sales_quantity, yaxis_index=1, label_opts=opts.LabelOpts(is_show=False))
        .extend_axis(
            yaxis=opts.AxisOpts(
                name="销售数量（万件）",
                type_="value",
                min_=0,
                max_=max(sales_quantity) * 1.2,
                position="right",
                axisline_opts=opts.AxisLineOpts(is_show=True, linestyle_opts=opts.LineStyleOpts(color="white")),
                # 添加轴线显示
                axislabel_opts=opts.LabelOpts(formatter="{value} 万件", color="white"),
                splitline_opts=opts.SplitLineOpts(is_show=False),  # 去除网格线
                interval=1  # 调整Y轴刻度间隔
            )
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="销售金额和销售数量趋势图", pos_top="5%",
                                      title_textstyle_opts=opts.TextStyleOpts(color="white",font_size=14),
                                      pos_left='center'  # 标题居中对齐
                                      ),
            yaxis_opts=opts.AxisOpts(
                name="销售金额（万元）",
                type_="value",
                min_=0,
                max_=max(sales_amount) * 1.2,
                position="left",
                axisline_opts=opts.AxisLineOpts(is_show=True, linestyle_opts=opts.LineStyleOpts(color="white")),
                # 添加轴线显示
                axislabel_opts=opts.LabelOpts(formatter="{value} 万元", color="white"),
                splitline_opts=opts.SplitLineOpts(is_show=False),  # 去除网格线
                interval=5  # 调整Y轴刻度间隔
            ),
            xaxis_opts=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(rotate=45, color="white"),
                axisline_opts=opts.AxisLineOpts(is_show=True, linestyle_opts=opts.LineStyleOpts(color="white")),
                # 添加X轴线显示
                splitline_opts=opts.SplitLineOpts(is_show=False),  # 去除网格线
            ),

            legend_opts=opts.LegendOpts(orient="vertical",
                                        pos_bottom="0%",
                                        pos_left="75%",  # 将图例位置调整到更右边
                                        textstyle_opts=opts.TextStyleOpts(color='white', font_size=10)

                                        ),
        )
        .set_series_opts(
            label_opts=opts.LabelOpts(
                font_size=10,  # 设置字体大小
                font_family="Arial",  # 设置字体
                color="white"  # 设置字体颜色
            )
        )
    )

    return line


def draw_bar(data):
    rules = data.sort_values(by='lift', ascending=False).head(10)  # 取提升度前10的规则
    print(rules["lift"])
    bar = (
        Bar(init_opts=opts.InitOpts(width="500px", height="220px"))
        .add_yaxis("置信度", rules['confidence'].round(3).tolist())
        # .add_yaxis("提升度", rules['lift'].tolist())
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="关联度置信指标",
                title_textstyle_opts=opts.TextStyleOpts(color='white', font_size=14),  # 确保文字颜色为白色并增加字体大小
                pos_top='10%',  # 保持标题在顶部5%的位置
                pos_left='center'  # 标题居中对齐
            ),
            legend_opts=opts.LegendOpts(
                orient="vertical",
                pos_right='5%',
                pos_top='10%',
                textstyle_opts=opts.TextStyleOpts(color='white', font_size=10)
            ),
            xaxis_opts=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(rotate=45, color="white", font_size=8),  # 确保字体大小正确
                splitline_opts=opts.SplitLineOpts(is_show=False),  # 去除网格线
                min_=0.5,  # 强制显示Y轴
                max_=0.62,  # 设置Y轴的最大值
                interval=0.1,  # 减少Y轴刻度数
            ),
            yaxis_opts=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(formatter="{value}", color="white", font_size=6),
                splitline_opts=opts.SplitLineOpts(is_show=False),  # 去除网格线
                min_=0,  # 强制显示Y轴
                max_=0.7,  # 设置Y轴的最大值
                # interval=0.1,  # 减少Y轴刻度数
                axisline_opts=opts.AxisLineOpts(
                    # 设置轴线颜色
                    linestyle_opts=opts.LineStyleOpts(color="white"),
                    # 是否显示轴线
                    is_show=True, )
            )
        ))
    return bar

5、最后

点击了解更多